Intelligent reflecting surface (IRS) is an emerging technology to enhance the spectral and energy efficiency of wireless communications cost-effectively. This letter considers a new multi-IRS aided wireless network where a cascaded line-of-sight (LoS) link is established between the base station (BS) and a remote user by leveraging the multi-hop signal reflection of selected IRSs. As compared to the conventional single-/double-hop IRS system, multi-hop IRS system provides more pronounced path diversity and cooperative passive beamforming gains, especially in the environment with dense obstacles. However, a more challenging joint active/passive beamforming and multi-hop beam routing problem also arises for maximizing the end-to-end channel gain. Furthermore, the number of IRS-associated channel coefficients increases drastically with the number of IRS hops. To tackle the above issues, in this letter we propose a new and efficient beam training based solution by considering the use of practical codebook-based BS/IRS active/passive beamforming without the need of explicit channel estimation. Instead of exhaustively or sequentially searching over all combinations of active and passive beam patterns for each beam route, a distributed beam training scheme is proposed to reduce the complexity, by exploiting the (nearly) time-invariant BS-IRS and inter-IRS channels and the cooperative training among the BS and IRSs' controllers. Simulation results show that our proposed design achieves the end-to-end channel gain close to that of the sequential beam search, but at a much lower training overhead and complexity.


翻译:智能反射表面(IRS)是提高无线通信光谱和能源效率的一种新兴技术,具有成本效益。本信考虑了一个新的多IRS辅助型无线网络,基础站和一个远程用户通过利用选定的IRS多光点信号反射,在其中建立了连锁线-视距(LOS)链接。与传统的单/双跳IRS系统相比,多点IRS系统提供了更明显的路径多样性和合作性被动波束增益,特别是在有密集障碍的环境中。然而,一个更具挑战性的多点/被动波形和多点波波形无线无线网络,使基地台站站和远程用户之间建立了连锁-视线(LOS)链接。此外,与IRS相关频道的系数随着IRS跳线数的增加而急剧增加。为了解决上述问题,我们在信中提出一个新的高效培训解决方案,即考虑使用实用的基于代码集的BS/IRS主动/被动/被动波形组合,而无需明确对BRS系统进行直线-直线-直线波段和多波形路路段估算,而是在BS系统上进行主动和连续搜索中进行快速搜索,从而在BS系统上进行最精确的组合中进行最精确的搜索和连续搜索式搜索式搜索,从而在BS系统图图式搜索和连续地展示,从而在BS系统图图图图图图图图中进行最精确地研究,在BS系统上进行最精确和连续地研究中进行最精细图图图图图图图式搜索图图图图图式搜索式研究。在BS图式的每个图式研究。

0
下载
关闭预览

相关内容

专知会员服务
51+阅读 · 2021年6月30日
专知会员服务
76+阅读 · 2021年3月16日
机器学习组合优化
专知会员服务
109+阅读 · 2021年2月16日
【AAAI2021】对比聚类,Contrastive Clustering
专知会员服务
76+阅读 · 2021年1月30日
专知会员服务
42+阅读 · 2020年7月7日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
【陈天奇】TVM:端到端自动深度学习编译器,244页ppt
专知会员服务
86+阅读 · 2020年5月11日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
17篇必看[知识图谱Knowledge Graphs] 论文@AAAI2020
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
人工智能 | AAAI 2019等国际会议信息7条
Call4Papers
5+阅读 · 2018年9月3日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
45+阅读 · 2019年12月20日
VIP会员
相关VIP内容
专知会员服务
51+阅读 · 2021年6月30日
专知会员服务
76+阅读 · 2021年3月16日
机器学习组合优化
专知会员服务
109+阅读 · 2021年2月16日
【AAAI2021】对比聚类,Contrastive Clustering
专知会员服务
76+阅读 · 2021年1月30日
专知会员服务
42+阅读 · 2020年7月7日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
【陈天奇】TVM:端到端自动深度学习编译器,244页ppt
专知会员服务
86+阅读 · 2020年5月11日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
相关资讯
17篇必看[知识图谱Knowledge Graphs] 论文@AAAI2020
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
人工智能 | AAAI 2019等国际会议信息7条
Call4Papers
5+阅读 · 2018年9月3日
LibRec 精选:连通知识图谱与推荐系统
LibRec智能推荐
3+阅读 · 2018年8月9日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员