Virtual Full-Duplex Communication Enabled STAR-RIS: Performance Analysis and Machine Learning-Assisted Optimization

doi:10.1109/TCCN.2025.3527682

Virtual Full-Duplex Communication Enabled STAR-RIS: Performance Analysis and Machine Learning-Assisted Optimization

2025-01-01

0

PRE

AI

DOI：10.1109/TCCN.2025.3527682

原文链接

原文求助

摘要

En 中文

本研究提出了一种基于同时传输和反射的可重构智能表面（STAR-RIS）的新型虚拟全双工（VFD）通信方案，旨在模仿并超越传统全双工基于STAR-RIS的通信方案，以应对实际高残余自干扰场景。针对涉及上行链路和下行链路用户选择的所提VFD-STAR-RIS系统，给出了下行链路和上行链路用户的中断概率（OP）和遍历速率（ER）的解析表达式。随后，为最小化STAR-RIS辅助的用户间干扰，我们研究了用户功率分配、反射幅度、传输幅度和单元划分（JPRTE）的联合优化，以最小化系统中断概率（SOP）并最大化遍历总速率（ESR）。采用粒子群优化（PSO）方法求解最小化SOP的JPRTE问题（JPRTE-SOP）。然而，由于ER表达式的复杂性，直接将PSO应用于最大化ESR的JPRTE问题（JPRTE-ESR）将需要显著的收敛时间。因此，提出了一种基于机器学习（ML）的解决方案，首先通过ML架构对ER表达式进行近似，然后应用PSO以获得计算时间极低的解。通过蒙特卡洛仿真验证了所提VFD-STAR-RIS方案、JPRTE-SOP和JPRTE-ESR解决方案的有效性，并从中得出有价值的结论。

Keyword:

Simultaneously transmitting and reflecting reconfigurable intelligent surfaces

virtual full-duplex communication

self-interference

particle swarm optimization

machine learning

Virtual Full-Duplex Communication Enabled STAR-RIS: Performance Analysis and Machine Learning-Assisted Optimization

摘要

期刊

机构

引用论文