Uudelleenkonfiguroitava älykäs pinta URLLC Wireless Systemsissä

Tämän opinnäytetyön tavoitteena on kehittää uusia lupaavia puitteita, kuten tilastollinen analyysi, optimointialgoritmien suorittaminen ja uusien koneoppimismenetelmien (ML) soveltaminen tiukkojen ultraluotettavan ja matalan viiveen viestintävaatimusten (URLLC) toteuttamiseen esimerkiksi tehtaissa. ja kriittiset sovellukset älykkäillä langattomilla verkoilla, joita avustaa uudelleenkonfiguroitava älykäs pintateknologia (RIS).

Ensin tutkimme RIS-avusteisen järjestelmän keskimääräistä saavutettavissa olevaa rajallista lohkopituutta (FBL) ja virhetodennäköisyyttä. Vastaanotetun signaali-kohinasuhteen (SNR) jakauma sovitetaan Gamma-satunnaismuuttujaan, jonka parametrit riippuvat RIS-elementtien kokonaismäärästä. Käsitellään suorituskyvyn menetystä, joka johtuu vaihevirheistä, jotka johtuvat rajoitetuista kvantisointitasoista RIS-elementeissä. Tarvittava määrä RIS-elementtejä halutun virhetodennäköisyyden saavuttamiseksi FBL-järjestelmässä on johdettu ja RIS-tekniikan edut URLLC-järjestelmissä korostetaan.

Opinnäytetyön toisessa osassa tutkimme monitavoitteesta optimointiongelmaa saavutettavan FBL-nopeuden maksimoimiseksi ja lähetysajan minimoimiseksi RIS-avusteisessa lyhytpakettijärjestelmässä. Kaksi tavoitefunktiota ovat FBL:n kokonaisnopeus tavoitevirhetodennäköisyydellä ja käytetyn kanavan kokonaispituuden (CBL) minimoiminen. FBL-järjestelmässä saavutettavan nopeuden maksimoimisen ja lähetyksen keston lyhentämisen välillä esitettiin perustavanlaatuinen kompromissi. Lisäksi korostetaan RIS:n soveltuvuutta käytettyjen CBL:ien vähentämiseen ja samalla saavutettavissa olevan nopeuden lisäämiseen.

Lopuksi, yhteinen aktiivinen/passiivinen säteenmuodostus ja CBL-optimointi ei-ideaalisessa RIS-avusteisessa URLLC-järjestelmässä analysoidaan uusilla ML-tekniikoilla. Erityisesti hyödynnämme toimijakritiikin politiikan gradientin syvän vahvistusoppimisalgoritmia nimeltä twin-delayed deep deterministic policy gradient (TD3). Osoitamme, että RIS-vaihesiirtojen, tukiaseman keilanmuodostuksen ja CBL-muuttujien optimointi TD3-menetelmällä deterministisellä politiikalla ylittää tavanomaiset menetelmät ja se on erittäin hyödyllistä parantaa verkon kokonais-FBL-nopeutta, kun otetaan huomioon rajallinen CBL-koko.