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

作者：牙韩耀; 万海斌^*; 覃团发

来源：小型微型计算机系统, 2023, 1-8.

• 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

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。

• 单位
  广西大学