Este artículo estudia un sistema de comunicación de banda ancha en una zona cercana multiusuario asistido por una superficie inteligente omnidireccional, y propone un algoritmo robusto basado en el aprendizaje profundo por refuerzo. Al optimizar conjuntamente la formación de haces activos de la estación base y la formación de haces pasivos de la superficie inteligente omnidireccional, se mejora la velocidad de acceso de los usuarios. Para mitigar el problema de la división de haz de banda ancha en las comunicaciones de banda ancha, se introduce una estructura de codificación mixta conjunta en el tiempo para una formación eficaz de haz de banda ancha. Teniendo en cuenta el modelo de desplazamiento de fase acoplado de la superficie inteligente omnidireccional, el diseño de la formación de haces pasivos se transforma en un problema de control mixto de desplazamiento de fase continuo y discreto, y se resuelve el problema del control de acciones secuenciales de alta dimensión mediante la aplicación de mapeo de acciones mixtas. Además, se introduce el operador softmax para mitigar el sesgo de estimación en los algoritmos actuales de aprendizaje profundo por refuerzo. Los resultados de la simulación muestran que el algoritmo propuesto es superior a los algoritmos existentes al superar los problemas de sobreestimación y subestimación.

Aprendizaje profundo por refuerzo; Formación de haces de zona cercana; Superficie inteligente omnidireccional; División de haces de banda ancha