文献

J-GLOBAL ID：202202212786564794   整理番号：22A0913890

ミリ波高速鉄道ネットワークが再構成可能な知的表面に合致するとき:深層強化学習法【JST・京大機械翻訳】

When mmWave High-Speed Railway Networks Meet Reconfigurable Intelligent Surface: A Deep Reinforcement Learning Method

著者 (2件)： Xu Jianpeng (State Key Laboratory of Rail Traffic Control and Safety, the School of Electronic and Information Engineering, and the Frontiers Science Center for Smart High-Speed Railway System, Beijing Jiaotong University, Beijing, China) ,  Ai Bo (State Key Laboratory of Rail Traffic Control and Safety, the School of Electronic and Information Engineering, and the Frontiers Science Center for Smart High-Speed Railway System, Beijing Jiaotong University, Beijing, China)
資料名： IEEE Wireless Communications Letters  (IEEE Wireless Communications Letters)
巻： 11  号： 3  ページ： 533-537  発行年： 2022年 
JST資料番号： W2307A  ISSN： 2162-2337  CODEN： IWCLAF  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 再構成可能インテリジェント表面(RIS)は,ミリ波(mmWave)高速鉄道(HSR)ネットワークレジリエンスを強化する効率的で有望な方法である。しかし,HSR環境の厳しい性質とRISの予想できないハードウェア損傷のため,正確で完全なチャネル状態情報(CSI)を知覚することは挑戦的である。課題に取り組むために,このレターは,長い短期メモリ(LSTM)と深い決定論的ポリシー勾配(DDPG)を組み合わせたRIS支援mmWave HSRネットワークのための基地局(BS)伝送ビーム成形とRIS位相シフトを設計するための新しい深層強化学習フレームワークを提案し,LSTM-DDPGと呼ぶ。シミュレーション結果は,提案したLSTM-DDPG方式が比較的低い実行時間でスペクトル効率に関してベンチマーク方式より優れていて,それは動的HSRネットワークにおいてリアルタイムの意思決定を真に実行可能であることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相シフト ,  記憶装置 ,  シミュレーション ,  意思決定 ,  *ネットワーク ,  *高速鉄道 ,  基地局 ,  ハードウェア ,  *EHF波 ,  ベンチマーク ,  ビーム成形 ,  周波数利用効率
準シソーラス用語： チャネル状態情報 ,  実行時間 ,  *再構成可能性 , 【Automatic Indexing@JST】

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (4件)： ミリ波 ,  高速鉄道 ,  再構成 ,  深層強化学習