IRS-Assisted Lossy Communications Under Correlated Rayleigh Fading: Outage Probability Analysis and Optimization

要約

この論文は、相関レイリー フェージングを伴うインテリジェント反射面 (IRS) 支援の非可逆通信システムに焦点を当てています。
相関チャネル モデルを分析し、システムの停止確率を導き出します。
次に、受信信号電力を最大化するために、IRS の位相シフトを最適化する深層強化学習 (DRL) 手法を設計します。
さらに、この論文では、DRL ベースの方法のパフォーマンスを評価するために実行されたシミュレーションの結果を示します。
シミュレーション結果は、相関性のあるチャネル係数が増加すると、対象システムの停止確率が大幅に増加することを示しています。
さらに、DRL と理論上の限界との間の性能ギャップは、送信電力が高くなったり、歪み要件が大きくなったりすると増大します。

要約(オリジナル)

This paper focuses on an intelligent reflecting surface (IRS)-assisted lossy communication system with correlated Rayleigh fading. We analyze the correlated channel model and derive the outage probability of the system. Then, we design a deep reinforce learning (DRL) method to optimize the phase shift of IRS, in order to maximize the received signal power. Moreover, this paper presents results of the simulations conducted to evaluate the performance of the DRL-based method. The simulation results indicate that the outage probability of the considered system increases significantly with more correlated channel coefficients. Moreover, the performance gap between DRL and theoretical limit increases with higher transmit power and/or larger distortion requirement.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google