In diesem Artikel wird ein intelligentes, omnidirektionales Hilfssuperfizielles Kommunikationssystem für die breitbandige Nahfeldkommunikation mehrerer Benutzer untersucht und ein robuster Algorithmus auf der Grundlage von Deep Reinforcement Learning vorgeschlagen. Durch die gemeinsame Optimierung der aktiven Strahlformung der Basisstation und der passiven Strahlformung des intelligenten, omnidirektionalen Hilfssuperfiziellen wird die Benutzerzugriffsgeschwindigkeit verbessert. Zur Linderung des Problems der breitbandigen Strahlaufspaltung in breitbandigen Kommunikationen wird eine gemischte zeitliche gemeinsame Vorcodierung eingeführt, um eine effiziente breitbandige Strahlformung zu ermöglichen. Angesichts des gekoppelten Phasenverschiebungsmodells des intelligenten, omnidirektionalen Hilfssuperfiziellen wird das Design der passiven Strahlformung in ein gemischtes Steuerungsproblem von kontinuierlicher und diskreter Phasenverschiebung umgewandelt, und das Problem der Steuerung von hochdimensionalen sequentiellen Aktionen wird durch Anwendung eines gemischten Aktionsabbildung gelöst. Darüber hinaus wird ein Softmax-Operator zur Linderung der Schätzverzerrung in aktuellen Deep Reinforcement Learning-Algorithmen eingeführt. Die Simulationsergebnisse zeigen, dass der vorgeschlagene Algorithmus gegenüber bestehenden Algorithmen in Bezug auf die Überwindung von Über- und Unterkernungsproblemen überlegen ist.

Deep Reinforcement Learning; Nähe Strahlformung; Intelligentes, omnidirektionales Hilfssuperfizielles; Breitbandige Strahlaufspaltung