エネルギー採集のためのAI駆動のリアルタイムフェーズ最適化 - 非視界条件下での二重IRS協同NOMAを有効にした

科学分野:

• ワイヤレス通信ネットワーク
• シグナル処理 信号処理
• 機械学習 アプリケーション

背景:

• 次世代のワイヤレスネットワークには,スペクトル効率とエネルギー効率の向上が必要です.
• 非視界通信 (Non-Line-of-Sight,NLoS) は,ワイヤレスシステムにおいて大きな課題となっている.
• インテリジェント反射面 (IRS) のための伝統的な最適化方法は,複雑で計算が集約される可能性があります.

研究 の 目的:

• ダブルIRS,エネルギーハーベジング (EH),協同NOMA (C-NOMA) を統合した新しいワイヤレスネットワークアーキテクチャを提案する.
• ダイナミックなNLoS環境におけるIRSフェーズシフトの最適化のための低複雑性,学習ベースのアプローチを開発する.
• 緑の通信システムのスペクトル効率とサービス信頼性のパフォーマンス改善を評価する.

主な方法:

• ダブルIRS,EH,C-NOMAを組み合わせたワイヤレスネットワークアーキテクチャが設計されました.
• 最適なIRSフェーズシフト構成を予測するために,軽量な機械学習モデルを使用しました.
• 学習ベースのモデルは,迅速な適応のためにチャネル行動とシステム観察について訓練されました.
• 提案されたシステムの性能を検証するために数値分析が行われました.

主要な成果:

• 提案されたアーキテクチャは,従来のシステムと比較してスペクトル効率の有意な改善を示した.
• EHとリレーベースの通信の統合により,サービスの信頼性が著しく向上しました.
• 学習ベースのIRSフェーズシフト最適化は,効果があり,複雑性が低いことが証明されました.
• このシステムは,グリーンコミュニケーションシステムの開発を容易にする.

結論:

• 統合されたアーキテクチャは,IRS,EH,C-NOMAを効果的に活用して,優れたNLoS通信性能を提供します.
• 機械学習のアプローチは,ダイナミックなワイヤレス環境におけるIRSフェーズシフト最適化のための効率的なソリューションを提供します.
• 提案されたシステムは,エネルギー効率が高く,信頼性の高い次世代無線ネットワークの実現に貢献します.