在无线传感器网络中使用主动RIS辅助的上联NOMA与MADDPG进行远程状态估计.

科学领域:

• 无线通信无线通信
• 人工智能的人工智能
• 信号处理 信号处理

背景情况:

• 非直角多重接入 (NOMA) 和可重新配置的智能表面 (RIS) 对未来的无线网络 (超越5G,6G) 至关重要.
• 高的计算复杂性和非凸优化阻碍了NOMA和RIS的高效集成.
• 尽量减少远程状态估计 (RSE) 错误对于有效的系统性能至关重要.

研究的目的:

• 提出一个优化框架,以应对RIS辅助NOMA系统的挑战.
• 通过共同优化系统参数来最大限度地减少远程状态估计 (RSE) 错误.
• 利用先进的人工智能技术,在下一代无线网络中有效管理资源.

主要方法:

• 使用多代理深度决定性政策梯度 (MADDPG) 算法的优化框架的开发.
• 联合优化传感器分组,功率分配,RIS计算策略和相位转移.
• 在RIS辅助的NOMA系统中应用MADDPG用于智能资源管理.

主要成果:

• 拟议的基于MADDPG的框架有效地减少了计算复杂性,并解决了非凸的优化问题.
• 通过模拟证明远程状态估计 (RSE) 错误的显著减少.
• 该框架显示,与传统方法相比,RIS辅助的NOMA系统的性能优越.

结论:

• MADDPG算法为优化RIS辅助NOMA系统提供了一个有效的解决方案.
• 拟议的框架通过最大限度地减少RSE错误来提高未来无线通信系统的性能.
• 这项研究通过智能资源配置,为超越5G和6G技术的发展做出了贡献.