基于深度强化学习的RIS辅助通感融合网络：挑战与机遇

来源：电子与信息学报杂志2024年第9期北京时间：

作者：陈真, 杜晓宇, 唐杰, WONGKat-Kit

单位：1.香港城市大学电子工程系 香港 9990772.华南理工大学电子与信息学院 广州 5100003.伦敦大学学院电子与电气工程系 伦敦(英国) W128LP

摘要：随着深度强化学习(DRL)技术的广泛应用，基于DRL的可重构智能表面(RIS)辅助的通信感知一体化(ISAC)展现出巨大的潜力。然而，由于数据卸载和模型训练的高成本，基于现有ISAC框架实现网络智能仍面临着巨大的挑战。为了克服该问题，该文深入分析了DRL技术在ISAC领域的应用，探讨了RIS辅助的ISAC建模及其解决方案，该技术能够解决覆盖区域受限、算法复杂度高以及高频传输等问题。为了推动这些技术的实施，该文进一步讨论了RIS辅助ISAC网络中DRL技术的未来发展趋势，包括潜在的应用和需要解决的问题。

关键词：深度强化学习, 可重构智能表面, 通信感知一体化

基金资助：国家自然科学基金(62371197)，广东省自然科学基金(2022A1515011189)，东南大学开放课题(K202411)