RIS 阶段性总结
目前在寻找和智能反射表面(Reconfigurable Intelligent Surface)有关的学术方向来水论文进行研究。之前进行过一篇RIS和UAV(Unmanned Arial Vehicle)结合的安全通信相关的文章,标题为:
Learning-based Robust and Secure Transmission for Reconfigurable Intelligent Surface Aided Millimeter Wave UAV Communications
基本上都是在follow别人的工作:
1、H. Yang, Z. Xiong, J. Zhao, D. Niyato, L. Xiao, and Q. Wu, “Deep reinforcement learning-based intelligent reflecting surface for securewireless communications,” IEEE Trans. Wireless Commun., vol. 20,no. 1, pp. 375–388, Jan. 2021.
该文章使用深度强化学习(Deep Reinforcement Learning)的方法来求解RIS辅助BS(base station)通信中的主被动波束赋形的问题,由于考虑了窃听者所以设计方案的复杂度会相应的增长。
还有一点就是该文章中提出了由于移动性产生的信道误差的模型。具体来讲,BS端获取到的CSI(channel state information)已经是经过了传输和处理等过程,其实已经过时,过时的CSI和当前的真正的CSI会不一样,也就是说BS处通过过时的CSI得出的优化方案并不是最优的,该模型被很多文章沿用。
h ( t + T d ) = ϱ h ~ ( t ) + 1 − ϱ 2 Δ h \boldsymbol{h}\left(t+T_{\mathrm{d}}\right)=\varrho \tilde{\boldsymbol{h}}(t)+\sqrt{1-\varrho^{2}} \Delta \boldsymbol{h} h(t+Td)=ϱh~(t)+1−ϱ2Δh
其中 ϱ \varrho ϱ是过时CSI和实时CSI之间的(自)相关系数,其物理意义为过时CSI和实时CSI之间的相关程度,相关程度越高,实时到过时的信息损失就越小,其表达式为零阶贝塞尔函数:
ϱ = J 0 ( 2 π f D T d ) \varrho=J_{0}\left(2 \pi f_{D} T_{\mathrm{d}}\right) ϱ=J0(2πfDTd)
其中, f D = v f c / c f_{D}=v f_{c} / c fD=vfc/c
同时,还借鉴了其中的安全通信速率的概念。这一点直接引用,并没有经过深入推导。
R k s e c = [ R k u − max ∀ p R p , k e ] + R_{k}^{\mathrm{sec}}=\left[R_{k}^{\mathrm{u}}-\max _{\forall p} R_{p, k}^{\mathrm{e}}\right]^{+} Rksec=[Rku−∀pmaxRp,ke]+
2、X. Liu, Y. Liu, and Y. Chen, “Machine learning empowered trajectoryand passive beamforming design in UAV-RIS wireless networks,”IEEEJ. Sel. Areas Commun., Dec. 2020, accepted to appear.
该文章研究了RIS辅助的UAV通信系统,作者假设在这样的系统中UAV的传输过程和移动过程是分割开的。该UAV在移动过程中不会进行信息传输