核心概念
RISを用いた多ユーザーMIMOシステムにおいて、位相シフトとプリコーダの最適化を行う幾何学的に意識したメタラーニングニューラルネットワークを提案する。
摘要
本論文では、RISを用いた多ユーザーMIMOシステムにおいて、ベースステーションのプリコーダ行列とRIS要素の位相シフトを最適化する問題を扱っている。この問題は非凸で NP 困難であるため、従来の最適化手法では十分な性能が得られない。
そこで本論文では、以下の特徴を持つ複素値ニューラルネットワークを提案している:
- 位相シフトの最適化では複素円多様体の幾何学を、プリコーダの最適化では球面多様体の幾何学を活用する。これにより、最適化の収束が速くなる。
- 位相シフトの最適化には複素値ニューラルネットワークを使用し、プリコーダの最適化には Euler 方程式に基づく更新を行う。
- メタラーニングを用いて、位相シフトネットワークとプリコーダネットワークの重みを最適化する。
提案手法は、既存の手法と比較して、加重和レートが高く、消費電力が低く、収束が速いことを示している。具体的には、既存手法と比べて、加重和レートが0.7 bps 高く、消費電力が1.8 dBm 低く、収束が約100エポック早いことが確認された。
統計資料
提案手法は既存手法と比べて、加重和レートが0.7 bps 高い
提案手法は既存手法と比べて、消費電力が1.8 dBm 低い
提案手法は既存手法と比べて、収束が約100エポック早い
引述
"RISを用いた多ユーザーMIMOシステムにおいて、ベースステーションのプリコーダ行列とRIS要素の位相シフトを最適化する問題は非凸で NP 困難である。"
"提案手法は、既存の手法と比較して、加重和レートが高く、消費電力が低く、収束が速い。"