深度学习+智能反射面+物理层通信结合:
清华大学的文章:文章链接
1.简单介绍
采用智能反射面可以在中继节点处不引入过多的噪声,所以可以克服传统massive MIMO中继通信的AF relay模式下的噪声放大的问题,但是于此同时,智能反射面的信道非常的复杂,Base-ris,ris自己的passive beamforming以及ris-user的信道是高度耦合在一起的,因此没有闭式解,所以很多方法比如alternatively optimization方法来进行active beam forming以及passive baemforming的设计。但是这个优化过程非常的复杂;只是得到局部最优解而无法得到最优解,因此造成性能的损失。于是,可以考虑使用神经网络的方法进行联合优化,从而不用将这些信道进行解耦,将整个通信系统看作一个整体,对这个整体进行优化,得到active beamforming,passive beamforming等,因此可以克服上述alternating optimization带来的损失的问题。
2.系统模型
3.想法
场景非常的新颖,G,H,F使用神经网络进行联合优化。