融合可重构智能表面和深度强化学习的波束成形算法研究
Research on Beamforming Algorithms Incorporating Reconfigurable Intelligent Surface and Deep Reinforcement Learning作者机构:广西大学计算机与电子信息学院南宁530004 广西多媒体通信与网络技术重点实验室南宁530004
出 版 物:《小型微型计算机系统》 (Journal of Chinese Computer Systems)
年 卷 期:2024年第45卷第6期
页 面:1311-1317页
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:可重构智能表面 深度强化学习 联合波束成形 传输功率最小化
摘 要:可重构智能表面(Reconfigurable Intelligent Surface,RIS)技术是一种新兴的、绿色的技术,可以有效地实现频谱和能量的高效无线通信.本文研究基站(Base Stations,BSs)与RIS的联合波束形成中总发射功率最小化问题.由于人工智能(Artificial Intelligence,AI)在处理高维数据问题和非凸模型方面的优势,本文基于深度强化学习(Deep Reinforcement Learning,DRL)中的双延迟深度确定性策略梯度算法(Twin Delayed Deep Deterministic policy gradient,TD3),设计一种新颖的联合波束成形算法来处理RIS辅助无线通信系统的基站总发射功率最小化问题.仿真结果表明,本文所提算法的性能优于经典的交替优化算法,并且通过本文所提算法训练得到的模型可以直接部署和调用,不需要再次重复计算.