31434

خوشه‌بندي نقاط دسترسي در سيستم‌هاي انبوه آنتني بدون سلول مجهز به سطوح بازتابي هوشمند با استفاده از هوش مصنوعي

كارشناسي ارشد

مهندسي برق - مخابرات سيستم

1400

1403/7/3

سيد محمد رضوي زاده

ندارد

مهندسي برق

سيستم‌هاي انبوه آنتني بدون سلول يك فناوري بالقوه براي بهبود كيفيت ارتباطات در نسل‌هاي آينده است كه از نقاط دسترسي پراكنده شده در محيط براي خدمت‌رساني به كاربران استفاده مي‌كند. براي قابليت پياده‌سازي عملي اين نوع سيستم نياز است كه هر كاربر فقط از يك تعداد محدود نقاط دسترسي منتخب خدمات دريافت كند. كم‌شدن نقاط دسترسي كه كاربر با آنها ارتباط دارد مي‌تواند تأثير منفي در بازدهي طيفي آن كاربر داشته باشد. براي رفع اين مشكل از سطوح بازتابي هوشمند استفاده مي‌كنيم كه در كنار هزينه‌هاي كم و مصرف توان پايين مي‌تواند كيفيت ارتباطات را به نحو قابل‌توجهي افزايش دهد. در اين پايان‌نامه هدف بهينه سازي بردارهاي پيش‌كدگذاري در نقاط دسترسي، ماتريس شيفت فاز در سطوح بازتابي هوشمند و انجام يك خوشه بندي مناسب براي دست‌يابي به بيشينه مجموع بازدهي طيفي كاربران است. براي حل اين مسئله يك الگوريتم يادگيري تقويتي چند عاملي دو لايه طراحي شده است كه هر سه وظيفه ذكر شده را انجام دهد. عبارت دو لايه به اين معني است كه يك لايه خوشه‌بندي را انجام مي‌دهد و لايه‌ي بعدي بردارهاي پيش‌كدگذاري و شيفت فاز را طراحي مي‌كند. با كمك نتايج شبيه سازي‌ نشان مي‌دهيم كه الگوريتم ارائه شده با اندكي فاصله نتايج نزديكي به منابعي كه خوشه‌بندي در آن‌ها انجام نشده گرفته است. همچنين در صورتي كه خوشه‌بندي در الگوريتم ارائه شده انجام نشود، نتيجه‌ي به‌دست‌آمده بخصوص در سناريوهايي كه پيچيدگي بالاتري دارند از مراجع مرتبط بهتر است.

1403/08/07

Access Point Clustering in IRS-aided Cell-Free Massive MIMO using Artificial Intelligence

9/24/2025 12:00:00 AM

Cell-free massive multiple-input multiple-output (CF-mMIMO) systems are a promising technology for improving the quality of communications in future wireless generations. These systems utilize distributed access points (APs) scattered throughout the environment to serve users. For practical implementation and scalability, it is essential that each user communicate only with a limited number of access points. However, this limitation can negatively impact the user’s spectral efficiency (SE). To address this issue, we employ intelligent reflecting surfaces (IRS), which can significantly improve communication quality with low cost and with low power consumption. The goal of this thesis is to maximize the sum spectral efficiency of users by finding the optimum precoding vectors in APs, phase shift matrices of IRSs, and a suitable clustering for access points. To solve this problem, a two-layer multi-agent reinforcement learning (MARL) algorithm has been designed to perform all three tasks mentioned. The phrase “two-layer” means that the first layer outputs a clustering scheme and then the second layer outputs the precoding vectors and the phase shift matrices w.r.t. the first layers output. The simulation results show that the proposed algorithm achieves results close to those in the literature where clustering is not performed. Moreover, our algorithm outperforms said literatures when there is no clustering and all the Aps serve all the users.

سيستم هاي انبوه آنتني بدون سلول , سطوح بازتابي هوشمند , خوشه بندي , يادگيري تقويتي چند عاملي

CF-mMIMO , IRS , Clustering , MARL

Mehrdad Saljoughi Berenji

S.Mohammad Razavizadeh