[要約] RIS 支援通信システムでは、特に送信機にも大規模なアンテナ アレイが装備されている場合、チャネル情報を効率的に取得して最適な相互作用ベクトルを決定する方法がシステムが直面する困難な問題となっています。深層学習テクノロジーを使用して、最初のタイムスロットに対するグループ最適なアンテナ選択と、後続のタイムスロットに対する個別の最適なアンテナ選択メカニズムが実装されています。提案された統合ビーム予測方法は、送信機と RIS のアンテナ選択モード、および統合ビーム予測ネットワークを統合して最適化できます。シミュレーション結果は、この方法が部分的な CSI を少なくしながら高精度の結合ビーム予測を達成できることを示しています。
【キーワード】スマートメタサーフェス、ディープラーニング、アンテナ選択、ビーム予測
0 まえがき
ＲＩＳ（Ｒｅｃｏｎｆｉｇｕｒａｂｌｅ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｕｒｆａｃｅ）技術は、第６世代移動通信システム（６Ｇ、第６世代）の主要技術とみなされている。各 RIS 要素の振幅と位相を制御することにより、RIS は入力信号を操作して指定された方向に伝播することができ、それによって制御可能な電磁伝播環境を実現し、受信信号の品質を向上させ、エネルギー効率を向上させます [1-3]。しかし、反射素子の数が増えると、特に送信機に大規模なアンテナ アレイも装備されている場合、チャネル状態情報の取得は大きな課題に直面することになります[4]。したがって、システム内で最適なビームフォーミング ベクトルを取得するために高いチャネル推定オーバーヘッドを削減することは、RIS 支援通信システムにおける人気の研究テーマとなっています。
人工知能 (AI、人工知能) における機械学習 (ML、機械学習) および深層学習 (DL、深層学習) テクノロジーの助けを借りて、さまざまな方法が部分的なチャネル状態情報 (CSI、チャネル状態情報) に依存してターゲットを予測します。チャネルの知識 チャネル予測方式が提案され、RIS 支援通信システムに適用されています [5-9]。例えば、