使用深度强化学习进行混合RIS辅助的ISAC系统波束成形设计

使用深度强化学习进行混合RIS辅助的ISAC系统波束成形设计1. 引言1.1 集成感知与通信（ISAC）的背景随着无线通信技术的发展，尤其是5G及未来6G的演进，通信与感知功能的融合成为研究热点。集成感知与通信（Integrated Sensing and Communication, ISAC）旨在同一硬件平台和频谱资源上同时实现高质量的数据传输和高精度的目标探测，从而提升频谱效率、降低设备成本，并赋能车联网、无人机监控、智能家居等新兴应用。ISAC系统的核心挑战在于如何设计发射波形和波束成形，使得通信信号同时携带信息并完成感知任务，且需平衡二者性能。1.2 可重构智能表面（RIS）在ISAC中的作用可重构智能表面（Reconfigurable Intelligent Surface, RIS）作为一种低成本、低功耗的平面超材料，能够通过调整其大量无源反射单元的相位和幅度，智能地改变无线传播环境。在ISAC系统中，RIS可以部署在基站覆盖的盲区或目标附近，辅助增强通信链路质量，同时也能提升感知回波信号的强度，扩大感知范围。然而，RIS通常仅能实现无源反射，缺乏信号放大能力，这限制了其在某些场景下的增益。1.3 混合RIS的概念与优势混合RIS（Hybrid RIS）是传统无源RIS的扩展，它集成了少量有源器件（如功率放大器、低噪声放大器），使得部分单元不仅能反射信号，还能进行放大或转发。这种设计结合了无源RIS