行向量变换器（RVT）：一种基于人工智能的能效优化接收功率预测技术，适用于6G无线网络中的Sub-6 GHz雷达干扰系统（RIS）

《IEEE Journal of Selected Topics in Electromagnetics, Antennas and Propagation》：Row-Vector Transformer (RVT): AI-Driven Energy-Efficient Received Power Prediction for Sub-6 GHz RIS in 6G Wireless Networks

　　

摘要：

准确且节能地预测接收信号功率对于优化5G之后的可重构智能表面（RIS）以及新兴的6G无线通信系统至关重要。这些表面能够动态地重新配置传播环境，因此需要实时、高精度的建模来最大化频谱和能源效率。传统的基于模型的方法和深度学习方法通常依赖于合成数据或独立处理特征，这限制了它们捕捉现实世界RIS部署中存在的复杂非线性电磁相互作用的能力。在这项工作中，我们提出了行向量变换器（RVT）——一种专为RIS辅助的6G传播建模设计的新颖AI框架——它从整个特征集（包括接收器角度、RIS相位配置和归一化的接收功率测量值）构建出一个单一的、密集的标记。与传统的变换器架构（例如FT-Transformer）按列处理特征不同，RVT整体处理每个样本，从而更有效地提取电磁信道依赖性和传播模式。在三个真实的RIS测量数据集上的实验验证表明，RVT的表现始终优于先进的深度学习基线模型（包括1D-CNN、LSTM、BI-LSTM、GRU、FCN、FT-Transformer和TabNet），实现了最低的均方误差（MSE）、平均绝对误差（MAE）和均方根误差（RMSE），同时具有更快的收敛速度和更高的稳定性。这些结果证实了RVT作为实时RIS功率预测的尖端AI解决方案的潜力，为未来6G无线网络中的智能、自适应和节能信道建模做出了贡献。