.png){kind=icon}
返回
Channel Estimation and Tracking in STAR-RIS Aided Systems: A Recurrent Quantum Learning Framework
.png){kind=icon}
PRE
AI
DOI：10.1109/TGCN.2025.3566644.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于STAR-RIS辅助无线系统中信道估计与跟踪的模块化量子机器学习（QML）框架被提出。虽然STAR-RISs相较于仅反射的RISs能够实现对传播信道的大范围360度操控，但在STAR-RIS辅助系统中获取和跟踪信道信息并非易事，因为这一过程需要对位于表面反射区和传输区的设备同时进行。基于量子操作的特性（如量子并行性），QML具备处理STAR-RIS系统中高维信道估计与跟踪的潜力。为此，提出了一种新颖的模块化QML框架，该框架采用不同的量子学习模块。其设计目的包含三方面：一是消除粗略信道信息中的固有噪声，二是估计反射区和传输区设备的信道，三是更新估计的信道以适应这些设备的时间变化运动。数值结果表明，所提出的QML方法优于基于经典循环神经网络的方案。
Keyword:
STAR-RIS
channel estimation
channel tracking
quantum machine learning
期刊
I
IF:
6.7
论文数:
1.4K
被引数:
4.3K
机构
引用论文
暂无论文信息