智能反射表面辅助的毫米波通信：基于交叉注意力机制的变分自编码器预编码设计

《IEEE Transactions on Cognitive Communications and Networking》：Intelligent Reflecting Surface-Assisted Millimeter Wave Communications: Cross Attention-Aided Variational Autoencoder-Based Precoding Design

第六代通信中智能反射面（IRS）的混合预编码优化研究，提出DVAE-CATT-Precoding模型，通过变分自编码器（VAE）优化参数并捕捉跨频空域特征，结合交叉注意力机制增强时域信道预编码，采用CNN模块抑制干扰，显著提升误码率、频谱效率和系统鲁棒性。

　　

摘要：

第六代技术超越了5G，具有更快的速度、更低的延迟和更高的容量。其中，智能反射表面（IRS）发挥了关键作用，通过精确处理传入的无线电波来优化无线通信，从而提高了网络覆盖范围、容量和能源效率。然而，在实际应用中，IRS中的混合预编码会受到噪声和干扰的影响。为了解决这个问题，我们提出了DVAE-CATT-Precoding（一种结合变分去噪自编码器和交叉注意力预编码的技术）。交叉注意力通过重新评估时域信号的重要性来增强信道预编码效果。变分自编码器（VAE）通过重构损失和正则化损失进行训练，以优化参数；其学习到的潜在空间有助于在频率和空间域中进行信道预编码。我们使用自编码器来重构潜在空间，从而提高了模拟预编码模块捕捉全局特征的能力。此外，卷积神经网络（CNN）用于模拟频率和空间域的复杂性，以实现高效的信道预编码，进而减少数字预编码模块中的干扰。数值结果表明，与以往的研究相比，该技术在均方误差（MSE）、可实现的数据速率、泛化能力和鲁棒性方面都有显著提升。

引言

近年来，由于无线通信技术的进步，对移动数据速率的需求显著增加。展望第六代（6G）蜂窝系统，人们对其数据容量的进一步增长寄予厚望[1]、[2]。增加传输带宽和提高频谱效率是满足6G海量数据流量和连接需求的潜在解决方案。为了提高频谱和能源效率，同时降低成本和复杂性并提升数据速率，采用了基于移相器的两阶段混合架构，该架构能够用较少的射频（RF）链路连接多个天线[3]、[4]。最近，堆叠式智能超表面（SIM）[5]、[6]作为一种有前景的替代方案出现，通过堆叠多个超表面层提供基于波的信号处理能力，从而在电磁波域直接实现高级MIMO操作，进一步降低了硬件复杂性和能耗。不过，在本文中，我们选择混合架构是因为其成熟度和实际应用优势，使其更适合我们当前关注的重点——优化IRS增强型大规模MIMO系统中的波束成形和信道估计。智能反射表面（IRS）是一种新型且成本效益高的解决方案，用于优化无线系统的频谱效率。IRS由二维超表面阵列组成，包含被动和可重构元件，能够动态重定向入射信号而无需额外能耗。这种方法在提高频谱效率的同时，减少了功耗和网络复杂性，充分利用了元件的被动特性。IRS在提升无线通信性能的同时，将相关缺点降至最低[7]、[8]。