Akıllı Yansıtıcı Yüzeylere Sahip MIMO Ağında Kaynak Tahsisi için Derin Öğrenme Algoritmaları

Abstract

Akıllı yansıtıcı yüzeylerin (IRS) çok girişli çok çıkışlı (MIMO) ağlarda konuşlandırılması, kablosuz iletişim sistemlerinin spektral verimliliğini önemli ölçüde artırma potansiyeline sahiptir. Ancak güç, bant genişliği ve anten gibi kaynakların bu ağlardaki kullanıcılar arasında verimli bir şekilde tahsis edilmesi kritik bir zorluk olmaya devam etmektedir. Bu tezde, IRS'li MIMO ağlarında sinyal tahmini için derin öğrenme tabanlı bir algoritma önerilmektedir. Önerilen algoritma, gerçek zamanlı tahmin gerçekleştirmek için derin öğrenmenin gücünden yararlanırken aynı zamanda kanal koşullarını ve kullanıcı hareketliliğini de hesaba katıyor. Önerilen algoritmanın performansını simülasyonlar aracılığıyla değerlendiriyoruz. Sonuçlar, önerilen algoritmanın spektral verimlilik, adalet ve yakınsama hızı açısından mevcut algoritmalardan daha iyi performans gösterdiğini göstermektedir. Bu araştırma, kablosuz iletişim hizmetlerine yönelik artan talebin karşılanması açısından hayati önem taşıyan MIMO ağlarında IRS ile verimli kaynak tahsis tekniklerinin geliştirilmesine katkıda bulunmaktadır. Anahtar Kelimeler: MIMO ağı, Akıllı yansıtıcı yüzeyler (IRS), Kaynak tahsisi, Derin öğrenme, Spektral verimlilik, Hizmet kalitesi (QoS), Kanal koşulları,

The deployment of intelligent reflective surfaces (IRS) in multiple-input multiple-output (MIMO) networks have the potential to significantly improve the spectral efficiency of wireless communication systems. However, efficient allocation of resources such as power, bandwidth, and antennas among the users in these networks remains a critical challenge. In this thesis, a deep learning-based algorithm is proposed for signal prediction in MIMO networks with IRS. The proposed algorithm leverages the power of deep learning to perform estimation in real-time, while also accounting for channel conditions and user mobility. We evaluate the performance of the proposed algorithm through simulations. The results show that the proposed algorithm outperforms existing algorithms in terms of spectral efficiency, fairness, and convergence speed. This research contributes to the development of efficient resource allocation techniques in MIMO networks with IRS, which are crucial for meeting the increasing demand for wireless communication services. Keywords: MIMO network, Intelligent reflective surfaces (IRS), Resource allocation, Deep learning, Spectral efficiency, Quality of service (QoS), Channel conditions, User mobility, Optimization, Heuristic algorithms.