1. 《Deep Learning Based Joint Beamforming Design in IRS-Assisted Secure Communications》
本文研究了智能反射面(IRS)辅助多输入多输出多天线窃听器(MIMOME)系统中的物理层安全性(PLS)。特别地,我们考虑了一个没有窃听者的瞬时信道状态信息(CSI)的实际场景,并假设窃听信道是瑞利信道。为了降低当前可用的IRS辅助PLS方案的复杂性,我们提出了一种基于低复杂度深度学习(DL)的方法来联合设计发射机波束成形和IRS,其中预编码向量和相移矩阵被设计为最小化保密中断概率。仿真结果表明,所提出的基于DL的方法可以实现与传统交替优化(AO)算法类似的性能,从而显著降低计算复杂度。
2. 《Two-Timescale Design for RIS-aided Cell-free Massive MIMO Systems with Imperfect CSI》
本文的目的是在不完美信道状态信息(CSI)的假设下,评估包含可重构智能表面(RIS)的无小区大规模多输入多输出(MIMO)系统中两时间尺度传输设计的有效性。我们检查了Rician信道模型,并基于统计信道状态信息(S-CSI)为RIS制定了被动波束成形。为此,我们提出了一种线性最小均方误差(LMMSE)估计器,目的是估计每个信道相干区间内从用户到AP的信道聚合。同时,使用最大比率组合(MRC)方法来执行针对无线电单元(AP)的有源波束成形,该方法利用瞬时聚合信道,该瞬时聚合信道由来自RIS的直接信道和反射信道的组合产生。随后,我们推导了可实现的上行链路频谱效率(SE)的闭合形式表达式,它是S-CSI元素的函数,如依赖于距离的路径损耗、Rician因子以及RIS元素和AP天线的数量。然后,我们优化RIS的相移,以最大化用户的总和SE,利用软行动者-批评家(SAC),这是一种深度强化学习(RL)方法,并依赖于导出的闭式表达式。数值评估证实,尽管存在不完美的CSI,但在无细胞系统中部署RIS可以显著提高性能。