一种基于深度强化学习的智能反射表面相位优化方法
授权
摘要
本发明公开了一种基于深度强化学习的智能反射表面相位优化方法，包含如下步骤：初始化智能反射表面（智能体）中的动作网络、评价网络、智能反射表面相位偏置矩阵以及经验池；根据用户信道状态信息，获取智能体初始状态；通过智能反射表面与无线通信系统的交互存储经验池；从经验池中随机采样对动作网络、评价网络进行训练使得评价网络输出的评价值达到最大，进而获得收敛之后的网络模型参数；输出在该信道状态信息下使得用户接收信噪比最大化的智能反射表面最优相位偏置矩阵系数。本发明可以有效减少优化相位偏置矩阵所需时间、训练样本存储空间，具有较好的鲁棒性。
基本信息
专利标题 ：
一种基于深度强化学习的智能反射表面相位优化方法
专利标题（英）：
暂无
公开（公告）号 ：
CN111181618A
申请号 ：
CN202010004455.6
公开（公告）日 ：
2020-05-19
申请日 ：
2020-01-03
授权号 ：
CN111181618B
授权日 ：
2022-05-10
发明人 ：
李潇冯轲铭金石
申请人 ：
东南大学
申请人地址 ：
江苏省南京市玄武区四牌楼2号
代理机构 ：
南京众联专利代理有限公司
代理人 ：
张伟
优先权 ：
CN202010004455.6
主分类号 ：
H04B7/06
IPC分类号 ：
H04B7/06 G06N3/04 G06N3/08
法律状态
2022-05-10 ：
授权
2020-06-12 ：
实质审查的生效
IPC(主分类) : H04B 7/06
申请日 : 20200103
申请日 : 20200103
2020-05-19 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
