RISnet: a Dedicated Scalable Neural Network Architecture for Optimization of Reconfigurable Intelligent Surfaces
可重构智能表面（RIS）是下一代无线通信的一种很有前途的技术。它包括许多无源天线，这些无源天线将信号从发射机反射到接收机，具有调整的相位而不改变幅度。尽管单个天线的功能简单，但大量天线实现了信号处理的巨大潜力。然而，它也使RIS配置的高维问题，这可能没有一个封闭的形式的解决方案，并具有很高的复杂性，因此，严重困难的在线实时应用，如果我们应用迭代数值解。在本文中，我们介绍了一种机器学习方法，以最大限度地提高加权和率（WSR）。我们提出了一个专用的神经网络架构，称为RISNet。根据乘积型RIS天线的RIS特性、直通道RIS天线的RIS特性和均匀RIS天线的RIS特性进行RIS优化设计。该架构是可扩展的，因为可训练参数的数量与RIS天线的数量无关（因为所有天线共享相同的参数）。采用加权最小均方误差（WMMSE）预编码，并设计了交替优化（AO）训练过程。测试结果表明，该方法优于最先进的块坐标下降（BCD）算法。此外，虽然训练需要几个小时，但使用训练模型（应用程序）进行在线测试几乎是即时的，这使得它对于实时应用是可行的。与之相比，BCD算法需要更多的收敛时间。因此，所提出的方法优于国家的最先进的算法在性能和复杂度。
2023-01-15 eess.SP
Physics-based Modeling and Scalable Optimization of Large Intelligent Reflecting Surfaces
智能反射表面（IRSs）具有将无线通信信道转变为智能可重构传播环境的潜力。为了实现这种新的范例，无源IRS必须是大的，特别是对于远场场景中的通信，使得它们可以补偿由发射器到IRS和IRS到接收器信道的单独路径损耗的乘积引起的大的端到端路径损耗。然而，优化大量的亚波长IRS元件对在线传输提出了重大挑战。为了解决这个问题，在本文中，我们开发了一个基于物理的模型和一个可扩展的优化框架的大型IRS。基本思想是将IRS单位单元划分成若干子集，称为瓦片，对每个瓦片对无线信道的影响进行建模，然后在两个阶段中优化每个瓦片，即离线设计阶段和在线优化阶段。对于基于物理的建模，我们借用雷达文献中的概念，将每个瓦片建模为异常反射器，并通过求解相应的电磁矢量场积分方程来推导其对给定相移的无线信道的影响。在离线设计阶段，每个瓦片的IRS单位单元被联合设计用于支持不同的传输模式，其中每个传输模式有效地对应于瓦片的单位单元施加到撞击电磁波的相移的给定配置。在在线优化阶段，选择每个瓦片的最佳传输模式，使得期望的服务质量（QoS）标准最大化。我们表明，所提出的建模和优化框架可以用来有效地优化大型IRS包括数千个单元格。
2020-09-27 cs.IT eess.SP math.IT
Contextual Bandits and Reconfigurable Intelligent Surfaces for Predictive LTM Handover Decisions
本文提出利用可重构智能表面和上下文老虎机预测切换决策，以减少切换次数和信令开销，提升链路可靠性。
2025-12-09 eess.SP
Bayesian User Localization and Tracking for Reconfigurable Intelligent Surface Aided MIMO Systems
研究了可重构智能表面（RIS）辅助的多天线多输入多输出（MIMO）系统中的用户定位与跟踪问题。通过建立一个概率转移模型的用户移动性，我们开发了一个消息传递算法，称为贝叶斯用户定位和跟踪（BASEAN）算法，估计和跟踪用户的位置和到达角（AoAs）在用户在线的方式。我们还推导出贝叶斯CramérRao界（BCRB）来表征所考虑的跟踪问题的基本性能限制。为了提高跟踪性能，我们在BS和RIS处优化波束形成设计以最小化导出的BCRB。仿真结果表明，我们的BCRB算法可以执行接近派生BCRB，并显着优于同行的算法，而不利用用户位置的时间相关性。
2021-12-09 eess.SP
Intelligent Reflecting Surface Aided MISO Uplink Communication Network: Feasibility and Power Minimization for Perfect and Imperfect CSI
研究了智能反射面（IRS）辅助下的多用户多输入单输出（MISO）上行无线网络中服务质量（QoS）约束下的加权和功率最小化问题。我们对这个问题的各个方面进行了全面的调查。首先，当用户有足够的发射功率，我们提出了一个新的充分条件，保证任意的信息速率约束。这一结果加强了现有文献中的可行性条件。然后，我们设计了新的惩罚对偶分解（PDD）和非线性等式约束的交替方向方法的乘数（neADMM）为基础的解决方案，以解决依赖于IRS的QoS约束，有效地解决了可行性检查和功耗最小化问题。此外，我们进一步扩展我们的建议的情况下，信道状态信息（CSI）是不完善的，并开发了一个在线的随机算法，满足QoS约束随机不需要CSI错误的先验知识。大量的数值结果验证了我们所提出的算法的有效性。
2020-12-27 eess.SP
Intelligent Reflecting Surface Aided MISO Uplink Communication Network: Feasibility and Power Minimization for Perfect and Imperfect CSI
研究了智能反射面（IRS）辅助下的多用户多输入单输出（MISO）上行无线网络中服务质量（QoS）约束下的加权和功率最小化问题。我们对这个问题的各个方面进行了全面的调查。首先，当用户有足够的发射功率，我们提出了一个新的充分条件，保证任意的信息速率约束。这一结果加强了现有文献中的可行性条件。然后，我们设计了新的惩罚对偶分解（PDD）和非线性等式约束的交替方向方法的乘数（neADMM）为基础的解决方案，以解决依赖于IRS的QoS约束，有效地解决了可行性检查和功耗最小化问题。此外，我们进一步扩展我们的建议的情况下，信道状态信息（CSI）是不完善的，并开发了一个在线的随机算法，满足QoS约束随机不需要CSI错误的先验知识。大量的数值结果验证了我们所提出的算法的有效性。
2020-12-22 eess.SP
Joint Multi-User Tracking and Signal Detection in Reconfigurable Intelligent Surface-Assisted Cell-Free ISAC Systems
The Hong Kong Polytechnic University（香港理工大学）；Shanghai Jiao Tong University（上海交通大学）
本文提出了一种基于可重构智能表面的无基站ISAC系统，通过联合优化多用户跟踪与信号检测，利用贝叶斯方法和混合变分信息传递算法提升性能。
2026-02-20 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surfaces for Future Wireless Networks: A Channel Modeling Perspective
虽然研究人员已经将目光投向了2030年的未来无线网络，但通过可重构智能表面（RIS）进行通信似乎是6G无线网络的潜在支持技术之一。本文旨在通过一种新的信道建模方法以及一种用于RIS授权毫米波通信系统的新软件工具，阐明RIS在未来无线系统中的潜在用例。本文提出并上线的开源、用户友好、应用广泛的SimRIS信道模拟器2.0版本表明，RIS将在特定的用例和通信环境下工作。还讨论了未来潜在的研究方向，以弥合理论和实践之间的差距，为6G无线网络标准化的RIS授权系统。
2021-03-03 cs.IT eess.SP math.IT
Deep Reinforcement Learning for Intelligent Reflecting Surfaces: Towards Standalone Operation
智能反射表面（IRSs）具有良好的覆盖范围和光谱效率增益，正引起越来越多的关注。然而，为了在实践中实现这些表面，需要解决几个挑战。这些主要挑战之一是如何在这些无源表面上配置反射系数，而不需要大量的信道估计或波束训练开销。早期的工作建议利用监督学习工具来设计IRS反射矩阵。虽然这种方法具有减少波束训练开销的潜力，但它需要收集用于训练神经网络模型的大型数据集。在本文中，我们提出了一种新的深度强化学习框架，用于以最小的训练开销预测IRS反射矩阵。仿真结果表明，所提出的在线学习框架可以收敛到最佳速率，假设完善的信道知识。这代表了实现独立IRS操作的重要一步，其中表面在没有基础设施的任何控制的情况下自行配置。
2020-02-25 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surface-Assisted Multiuser Tracking and Signal Detection in ISAC
本文研究了RIS辅助ISAC系统中的多用户跟踪与信号检测问题，通过建立概率信号模型并提出混合变分消息传递算法在线估计用户状态，显著提升了跟踪与信号检测性能。
2025-09-17 cs.IT eess.SP math.IT
Physics-based Modeling of Large Intelligent Reflecting Surfaces for Scalable Optimization
在本文中，我们开发了一个基于物理的模型，允许一个可扩展的优化大型智能反射表面（IRSs）。其基本思想是将IRS单元划分为若干子集，称为瓦片，并对每个瓦片对无线信道的影响进行建模。借用雷达文献中的概念，我们将每个瓦片建模为异常反射器，并通过求解相应的电磁矢量场积分方程，推导出其对给定单元格相移的无线信道的影响。基于该模型，可以离线设计瓦片的单位单元的相移以支持多种传输模式，然后针对给定的信道实现在线选择最佳模式。因此，所提出的模型中的瓦片的数量和传输模式是可以被调整以用性能换取复杂性的设计参数。
2020-06-05 cs.IT eess.SP math.IT
Towards Intelligent Reconfigurable Wireless Physical Layer (PHY)
下一代无线网络正受到极大关注，因为它们承诺在移动宽带方面实现10个因素的增强，并有可能实现新的异构服务。服务包括工业4.0所需的大规模机器类型通信，以及用于远程医疗保健和车辆通信的超可靠低延迟服务。在本文中，我们提出了一个智能和可重构的物理层（PHY）的设计，使这些服务成为现实。首先，我们在由ARM处理器和现场可编程门阵列（FPGA）组成的片上系统上，通过软硬件协同设计的方法设计并实现了可重构物理层。然后，通过使用基于在线机器学习（OML）的决策算法对其进行增强，使可重构PHY智能化。这样的PHY可以学习环境（例如，无线信道）并且动态地适配收发器的配置（即，调制方案、字长）并在运行中选择无线信道。由于环境是未知的，随着时间的推移而变化，我们使OML架构可重构，使各种OML算法之间的动态切换的飞行。我们已经证明了不同的环境和字长的建议架构的功能正确性。详细的吞吐量，延迟和复杂性分析验证了所提出的智能和可重构的物理层在下一代网络的可行性和重要性。
2020-12-02 cs.AR cs.SY eess.SP
Optimization-driven Machine Learning for Intelligent Reflecting Surfaces Assisted Wireless Networks
Sun Yat-sen University（中山大学）；Nanyang Technological University（南洋理工大学）；Sungkyunkwan University（成均馆大学）；University of Idaho（爱达荷大学）
智能反射面（IRS）是近年来发展起来的一种通过控制单个散射单元的相移来实现无线信道整形的无源波束形成技术。由于散射单元的尺寸较大，无源波束形成通常受到高计算复杂度和不精确信道信息的挑战。在这篇文章中，我们将重点介绍在IRS辅助的无线网络中实现性能最大化的机器学习（ML）方法。一般来说，ML方法提供了增强的灵活性和鲁棒性，以应对不确定的信息和不精确的建模。实际挑战仍然存在，主要是由于离线训练需要大量数据集，在线学习收敛缓慢。这些观察促使我们为IRS辅助的无线网络设计一种新的优化驱动的ML框架，该框架既具有基于模型的优化的效率，又具有无模型ML方法的鲁棒性。通过将决策变量分成两部分，一部分通过外循环ML方法获得，而另一部分通过求解近似问题来有效地优化。数值结果表明，优化驱动的ML方法可以提高收敛性和奖励性能相比，传统的无模型学习方法。
2020-08-29 cs.LG eess.SP
Online and Adaptive Parking Availability Mapping: An Uncertainty-Aware Active Sensing Approach for Connected Vehicles
University of Padova（帕多瓦大学）；National Research Council (CNR - IEIIT)（国家研究委员会（CNR - IEIIT））
联网车辆的研究代表了一个不断发展的技术领域，受到新兴物联网（IoT）范式和智能交通系统最新进展的推动。如今，车辆是能够基于大量数据生成、接收和自动行动的平台。在辅助驾驶的背景下，联网汽车技术提供有关周围交通状况的实时信息。这些信息有望提高驾驶员的生活质量，例如，通过根据当前停车可用性状态采取决策制定策略。在这种情况下，我们提出了一个在线和自适应计划的停车可用性映射。具体来说，我们采用一种信息寻求主动传感方法来选择传入的数据，从而保留车载存储和处理资源;然后，我们通过高斯过程回归估计停车可用性。我们比较所提出的算法与几个基线，达到较差的性能，在映射收敛速度和自适应能力，此外，所提出的方法是在一个非常小的计算需求的成本。
2021-05-01 cs.LG eess.SP
Blue Communications for Edge Computing: the Reconfigurable Intelligent Surfaces Opportunity
由于无数的新连接和在网络边缘交换毛细数据以进行实时处理和决策，无线流量正在爆炸式增长。后者特别影响上行链路流量，这将在6G及其他网络中增长，需要新的优化指标，包括能量，服务延迟和电磁场（EMF）暴露（EMFE）。为此，可重构智能表面（RISs）代表了一个有前途的解决方案，以减轻电磁场，由于其成形和操纵的冲击电磁波的能力。根据这一愿景，本文提出了一种在线自适应方法，以减轻计算卸载服务的端到端延迟约束下的EMFE，在RIS和多接入边缘计算（MEC）辅助无线网络的背景下。我们的目标是最大限度地减少长期平均的EMF人类暴露在这样的约束条件下，调查的优势，对蓝色（即低EMFE）通信的RIS。研究了多输入多输出（MIMO）系统，作为朝向6G的愿景的一部分。该方法针对典型的计算卸载场景，联合自适应地优化了用户预编码、发射功率、RIS反射率参数和接收机合路器，并在理论上保证了系统的长期性能。除了理论结果，数值模拟评估所提出的算法的性能，当利用准确的天线方向图，从而显示的RIS和我们的方法的优势，相比基准解决方案。
2022-11-10 cs.ET cs.NI eess.SP
