Sum Throughput Maximization in Multi-BD Symbiotic Radio NOMA Network Assisted by Active-STAR-RIS

要約

この論文では、共生共生無線 (CSR) ネットワーク内での通信の確立と強化を支援するために、アクティブ同時送信および反射再構成可能インテリジェント サーフェス (ASRIS) を採用します。
従来の RIS とは異なり、ASRIS は全方向性のカバレッジを確保するだけでなく、受信信号を増幅するため、ネットワーク全体のパフォーマンスが向上します。
最初のフェーズでは、アクティブな大規模 MIMO アンテナを備えた基地局 (BS) が周囲信号を SBD に送信します。
最初のフェーズでは、BS は周囲信号を共生後方散乱デバイス (SBD) に送信し、エネルギーを収集してその情報を信号搬送波に変調した後、SBD は後方散乱信号を BS に送り返します。
このスキームでは、後方散乱リレー システムを使用して、BS の支援を受けて SBD から共生ユーザー機器 (SUE) への情報の送信を容易にします。
第 2 フェーズでは、BS は逐次干渉除去 (SIC) 方式を使用して干渉を除去した後、情報信号を SUE に送信します。
ASRIS は、見通し線 (LoS) を持たない SUE 間の通信を確立し、BS への LoS 接続を持つ SUE の電力信号を増幅するために使用されます。
すべてのネットワークで多重アクセスに NOMA を使用していることは注目に値します。
このペーパーの主な目標は、すべてのユーザー間の合計スループットを最大化することです。
これを達成するために、BS と ASRIS でのアクティブ ビームフォーミング係数、ASRIS の位相調整、および第 1 フェーズと第 2 フェーズ間のスケジューリング パラメータを含む変数を使用して最適化問題を定式化します。
この最適化問題をモデル化するために、PPO、TD3、A3C という 3 つの深層強化学習 (DRL) 手法を採用します。
最後に、前述の方法がシミュレートされ、相互に比較されます。

要約(オリジナル)

In this paper, we employ active simultaneously transmitting and reflecting reconfigurable intelligent surface (ASRIS) to aid in establishing and enhancing communication within a commensal symbiotic radio (CSR) network. Unlike traditional RIS, ASRIS not only ensures coverage in an omni directional manner but also amplifies received signals, consequently elevating overall network performance. in the first phase, base station (BS) with active massive MIMO antennas, send ambient signal to SBDs. In the first phase, the BS transmits ambient signals to the symbiotic backscatter devices (SBDs), and after harvesting the energy and modulating their information onto the signal carrier, the SBDs send Backscatter signals back to the BS. In this scheme, we employ the Backscatter Relay system to facilitate the transmission of information from the SBDs to the symbiotic User Equipments (SUEs) with the assistance of the BS. In the second phase, the BS transmits information signals to the SUEs after eliminating interference using the Successive Interference Cancellation (SIC) method. ASRIS is employed to establish communication among SUEs lacking a line of sight (LoS) and to amplify power signals for SUEs with a LoS connection to the BS. It is worth noting that we use NOMA for multiple access in all network. The main goal of this paper is to maximize the sum throughput between all users. To achieve this, we formulate an optimization problem with variables including active beamforming coefficients at the BS and ASRIS, as well as the phase adjustments of ASRIS and scheduling parameters between the first and second phases. To model this optimization problem, we employ three deep reinforcement learning (DRL) methods, namely PPO, TD3, and A3C. Finally, the mentioned methods are simulated and compared with each other.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google