2023.4.3-4.7

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。