龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：北京交通大学
申请日：2023-10-26
公开（公告）日：2024-01-09
公开（公告）号：CN117375684A
主分类号：H04B7/06
分类号：H04B7/06;H04B7/08;H04B7/145;H04W28/22;H04W72/512;G06N3/092
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.01.26#实质审查的生效;2024.01.09#公开
摘要：本发明提供了一种多用户多输入单输出通信系统的波束赋形设计方法。该方法包括：在多用户MISOURLLC系统中部署一个STAR‑RIS，辅助增强无线接入点AP和执行器间的可靠通信；以最大化多用户MISOURLLC系统和速率为目标，构建联合优化AP端主动波束赋形矩阵、STAR‑RIS端被动波束赋形矩阵、所有执行器的误包率的优化问题模型，采用DDPG的联合优化算法求解所述优化问题模型，得到训练好的适用于STAR‑RIS辅助的多用户MISOURLLC系统的深度强化学习模型，利用训练好的深度强化学习模型根据当前信道的信道状态信息CSI决策最优的主动波束赋形矩阵、被动波束赋形矩阵以及每个执行器的误包率。本发明方法通过对入射信号幅度和相移的同时调节，增强AP和多个执行器间的可靠通信，有效提升系统的和速率。
主权项：1.一种多用户多输入单输出低时延高可靠通信系统的波束赋形设计方法，其特征在于，包括：在多用户多输入单输出低时延高可靠通信MISOURLLC系统中部署一个STAR-RIS，STAR-RIS辅助增强无线接入点AP和执行器间的可靠通信；以最大化多用户MISOURLLC系统和速率为目标，构建联合优化AP端主动波束赋形矩阵、STAR-RIS端被动波束赋形矩阵、所有执行器的误包率的优化问题模型，采用基于深度确定性策略梯度DDPG的联合优化算法求解所述优化问题模型，得到训练好的适用于STAR-RIS辅助的多用户MISOURLLC系统的深度强化学习模型，该深度强化学习模型构建出从信道状态信息到最优主、被动波束赋形矩阵和执行器误包率的映射关系；利用所述训练好的深度强化学习模型根据当前信道的信道状态信息CSI决策最优的主动波束赋形矩阵、被动波束赋形矩阵以及每个执行器的误包率。
全文数据：
权利要求：
百度查询： 北京交通大学 STAR-RIS辅助的多用户MISO URLLC系统的波束赋形设计方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号