IRS destekli bilişsel radyo sistemleri için soft actor critic tabanlı performans optimizasyonu

Kalabalık Kablosuz Dünyada Daha Akıllı Hava Dalgaları

Telefonlarımız, sensörlerimiz ve akıllı evlerimiz aynı görünmez kaynağı paylaşıyor: radyo dalgaları. Daha fazla cihaz bağlandıkça, sınırlı spektrumdan ek performans elde etmek hayati hale geliyor. Bu makale, yüksek öncelikli kullanıcıları olumsuz etkilemeden düşük öncelikli kullanıcıların veri hızlarını artırmanın yeni bir yolunu araştırıyor; bunu, radyo dalgalarını yönlendiren “akıllı duvarlar” ile ağın kendini nasıl yapılandıracağını öğreten bir yapay zeka öğrenme yöntemi birleştirerek yapıyor.

Komşuların Üzerinden Bağırmadan Paylaşım

Modern kablosuz sistemler sıklıkla “birincil” ve “ikincil” kullanıcı modelini kullanır. Lisanslı servisler gibi birincil kullanıcılar belirli frekanslara öncelikli erişime sahiptir. İkincil kullanıcıların aynı kanalları yeniden kullanmalarına, ancak parazitlerini sıkı sınırlar içinde tutmaları koşuluyla izin verilir. Bu, çevresini algılayıp spektrumu daha verimli kullanmak için uyum sağlayan radyo fikirlerinin temelini oluşturur. Zorluk, ikincil kullanıcılara iyi veri hızları sağlarken birincil kullanıcılar için neredeyse görünmez kalmaktır. Geleneksel yaklaşımlar yalnızca baz istasyonundaki zeki sinyal işleme yöntemlerine dayanır; ağlar yoğunlaştıkça ve daha fazla anten eklendikçe bu hızla karmaşıklaşır.

Sinyalleri Akıllı Yansıtıcı Yüzeylerle Eğme

Yazarlar karışıma güçlü bir yeni araç ekliyor: akıllı yansıtıcı yüzeyler. Bunlar, gelen radyo dalgalarını nasıl yansıtacaklarını ayarlayabilen çok sayıda küçük pasif elemandan oluşan ince panellerdir; kablosuz sinyaller için kontrol edilebilir aynalardan oluşan bir duvar gibidirler. Yansıtma desenini dikkatle seçerek yüzey, enerjiyi hedef ikincil kullanıcıya yönlendirip birincil alıcılardan uzaklaştırarak ek iletim gücü harcamadan performansı iyileştirebilir. Makale, çok antenli bir baz istasyonunun ikincil kullanıcılara hizmet verdiği ve birkaç yansıtıcı panelin sinyallerin çevrede izlediği yolları şekillendirmeye yardımcı olduğu bir sistemi, gerçekçi milimetre dalga yayılım koşulları altında analiz ediyor.

Ağın Kendi Kendini Ayarlamayı Öğretmesi

Baz istasyonu ışın desenlerinin, iletim gücünün ve milyonlarca küçük yansıtma ayarının en iyi kombinasyonunu bulmak karmaşık bir matematiksel problemdir. Blok koordinat inişi gibi klasik optimizasyon yöntemleri bunu değişken grupları arasında dönüşümlü olarak çözerek ele alır. Bunlar işe yarar ancak yüzeyler büyüdükçe veya ortam değiştikçe yavaş ve hantal hale gelir. Bunun yerine yazarlar görevi, soft actor‑critic (SAC) algoritmasını kullanan bir derin pekiştirmeli öğrenme ajanı için bir öğrenme problemi olarak formüle ediyor. Bu düzenekte ajan mevcut kanal koşullarını, geçmiş yansıtma fazlarını ve iletim gücünü gözlemler, ardından yeni yansıtma ayarları önerir. Aldığı ödül, birincil kullanıcılara olan parazitin izin verilen eşiklerin altında kalması koşuluyla esas olarak ikincil kullanıcının elde ettiği veri hızına dayanır. Çok sayıda simüle edilmiş etkileşim boyunca ajan, gözlemleri doğrudan neredeyse optimal konfigürasyonlara çeviren bir politika öğrenir.

Simülasyon ve Donanımda Sonuçlar

Kapsamlı simülasyonlar yoluyla SAC tabanlı denetleyici, ikincil kullanıcılar için elde edilebilir veri hızı, yansıtıcı eleman ve panel sayısının etkisi, iletim gücü sınırları ve parazit kısıtlamaları gibi çeşitli açılardan geleneksel blok koordinat inişi kıyaslamasıyla değerlendirilir. Öğrenilmiş politika, özellikle akıllı yüzeylerde çok sayıda eleman olduğunda veri hızında kıyaslamayı tutarlı şekilde yakalar veya aşar ve eğitim tamamlandıktan sonra çok daha az yinelemeli hesaplama gerektirir. Çalışma ayrıca çalışma zamanını değerlendirir: küçük yüzeyler için klasik yöntemler biraz daha hızlı olabilir, ancak sistem boyutu büyüdükçe öğrenme tabanlı yaklaşım daha iyi ölçeklenir. Pratik dağıtımı desteklemek için yazarlar 3 ila 7 GHz arasında çalışan 16 elemanlı bir baz istasyonu anten dizisini tasarlayıp üretir ve test eder. Ölçümler iyi eşleşme, antenler arasında düşük korelasyon ve yaklaşık %90 radyasyon verimi göstererek donanım platformunun zorlu çok‑antenli işlemleri destekleyebileceğini doğrular.

Geleceğin Kablosuz Ağları İçin Anlamı

Günlük terimlerle bu çalışma, akıllı yansıtıcı paneller ile bir öğrenme algoritmasının birleşiminin, daha yüksek öncelikli servisleri rahatsız etmeden düşük öncelikli cihazların spektrumu daha agresif kullanmasına olanak tanıyabileceğini gösteriyor. Elle yazılmış formüller yerine ağ, çok sayıda kontrol edilebilir eleman ve karmaşık ortamlar olsa bile sinyallerini nasıl hedefleyeceğini ve şekillendireceğini kendi başına öğrenir. Kablosuz sistemler 5G ötesine evrildikçe, bu tür yaklaşımlar daha yüksek veri hızları, daha iyi kapsama ve kıt spektrumun daha verimli kullanımı sağlayarak paraziti kontrol altında tutmaya yardımcı olabilir.

Atıf: Ghallab, R., Abdrabo, A. & Elashry, I. Soft actor critic-based performance optimization for IRS-aided cognitive radio systems. Sci Rep 16, 14283 (2026). https://doi.org/10.1038/s41598-026-49465-4

Anahtar kelimeler: bilişsel radyo, akıllı yansıtan yüzeyler, derin pekiştirmeli öğrenme, kablosuz spektrum paylaşımı, soft actor critic