南京邮电大学学报(自然科学版)

作者：李琳,张登银,侯慧军

单位：1. 南京邮电大学 江苏省宽带无线通信和物联网重点实验室，江苏 南京 2100032. 南京邮电大学 物联网学院，江苏 南京 2100031. 南京邮电大学 江苏省宽带无线通信和物联网重点实验室，江苏 南京 2100032. 南京邮电大学 物联网学院，江苏 南京 210003中国电子科技集团公司第十四研究所，江苏 南京 210039

关键词：分布式智能反射面;多用户大规模MIMO上行链路;分组迁移学习

基金：国家自然科学基金（62471241）、江苏省双创博士项目（CZ016SC19007）和江苏省高等学校自然科学研究面上项目（20KJB510035）资助项目

在集中式单智能反射面（Intelligent Reflecting Surface，IRS）辅助的多用户大规模多输入多输出（Multiple Input and Multiple Output，MIMO）系统中，海量用户的存在导致级联信道上行链路产生 大规模串扰，严重降低了基站端的检测效果，表现为误比特率（Bits Error Rate，BER）升高和频谱效率下降。此外，IRS相位重复且频繁的设计与控制大幅增加了基站负荷。针对这些问题，构建了分布式IRS辅助的多用户大规模MIMO上行链路通信架构，并提出基于分组迁移学习（Grouped Transfer Learning，GTL）的检测方法。仿真结果验证了所提方法的正确性与有效性。在基站不掌握 IRS 相位和用户到 IRS信道状态信息的条件下，所提出的分布式 IRS辅助系统架构中基于 GTL的检测方法获得的BER和频谱效率能够逼近理论界限，且明显优于集中式单IRS辅助系统。同时，在训练数据较少的情况下，与基于传统卷积神经网络的检测方法相比，所提出的基于 GTL的检测方法具有更快的收敛速度，并能够获得更低的BER和更高的频谱效率。

来源：2026年第02期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2026年第02期