8404

كاربرد يادگيري عميق در سطوح بازتابي هوشمند با هدف افزايش نرخ داده

كارشناسي

برق-مخابرات

1401

دكتر حسين سليماني

1402/03/01

برق

Application of Deep Learning in Intelligent reflecting Surfaces(IRSs) to enhance Data Rate

استفاده از سطوح هوشمند بزرگ ) (LISيك راه حل اميدواركننده براي بهبود پوشش و نرخ سيستم هاي بي سيم آينده است. اين سطوح شامل تعداد زيادي از عناصر غيرفعال هستند كه با بازتاب سيگنالهاي ورودي به روشي هوشمندانه عملكرد سيستم بيسيم را بهبود ميبخشد. به دليل تعداد زياد آنتن هاي LISو محدوديت هاي سخت افزاري، به دست آوردن دانش كانال چالش كليدي در اين سيستم ها ميباشد. اين پروژه راه حل كارآمدي با استفاده از يادگيري عميق جهت حل چالش موجود بررسي ميكند. راه حل ارائه شده معماري جديدي را براي LISمعرفي ميكند كه در آن تمام عناصر LISغيرفعال هستند به جز چند عنصر فعال كه به نحوي به باند پايه متصل شده اند. سپس راه حلي مبتني بر يادگيري عميق ارائه ميشود كه در آن LISنحوه تعامل با سيگنال ورودي را با توجه به كانالهاي موجود در عناصر فعال، كه وضعيت محيط و مكانهاي فرستنده/گيرنده را نشان ميدهند، ميآموزد. درنهايت نشان داده ميشود كه نرخ قابل دستيابي راهحل پيشنهادي, به كران بالايي كه با فرض وجود دانش كامل كانال بدست ميآيد، نزديك ميشود. معماري به كار رفته در اين رويكرد به دليل تعداد كم آنتن هاي فعال داراي سربار آموزشي ناچيز و مصرف توان بهينه ميباشد.

سطوح هوشمند بازتابي, شكلدهي پرتو, يادگيري عميق, نرخ قابل دستيابي,