来源：期刊VIP网 时间：
作者：褚宏云;贾帅;
单位：西安邮电大学通信与信息工程学院;
摘要：能量效率(Energy Efficient,EE)是衡量5G/6G无线通信系统性能的关键指标,而超大规模多输入多输出(Extremely Large-Scale Massive Multiple-Input-Multiple-Output, XL-MIMO)和智能超表面(Reconfigurable Intelligent Surface,RIS)被认为是提升这一指标的有效途径。由于XL-MIMO系统中近场传播和空间非平稳性的存在,使得部分天线对系统性能贡献较小,从而增加了系统能耗。鉴于此,提出一种基于RIS辅助下XL-MIMO系统。为了在基站(Base Station,BS)发射功率和RIS幅值的约束下最大化系统能效,提出了一种基于交替优化的求解方案。采用l_0范数来重新表示天线集合,使得总功耗变成易于求解的连续函数。通过交替优化BS波束成形矩阵和RIS相移矩阵从而获得最优解,为了缓解该方法引入的辅助变量导致算法复杂度过高的问题,提出了一种基于深度学习的求解方案,通过构建三阶段的网络架构,即相移、波束成形和天线选择网络,设计以EE最大化为目标的自定义损失函数,从而实现高效联合优化。仿真结果表明,基于深度学习的方案相较于传统交替优化方案显著提升了系统能效,同时降低了计算复杂度。
关键词：超大规模多输入多输出;;智能超表面;;联合天线选择和波束成形;;交替优化;;无监督深度学习
基金资助：国家自然科学基金(62401467);; 陕西省自然科学基金(2022JQ-635)~~
