Low-Complexity DDPG-based RIS Phase Control for Communication-Constrained Sensing Enhancement in RIS-assisted ISAC Systems
RIS 지원 ISAC 시스템에서 통신 제약을 고려한 센싱 성능 향상을 위한 저복잡도 DDPG 기반 RIS 위상 제어
- 주제(키워드) Reconfigurable Intelligent Surface , Integrated Sensing and Communication , Deep Deterministic Policy Gradient , Beamforming , Phase Control
- 발행기관 서강대학교 일반대학원
- 지도교수 소재우
- 발행년도 2026
- 학위수여년월 2026. 8
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 세부분야 해당없음
- 실제URI http://www.dcollection.net/handler/sogang/000000083120
- UCI I804:11029-000000083120
- 본문언어 영어
- 저작권 논문은 저작권에 의해 보호받습니다.
초록(요약문)
통합 센싱 및 통신（Integrated Sensing and Communication, ISAC）은 통신과 센싱 기능이 동일한 주파수 및 하드웨어 자원을 공유하도록 하는 차세대 무선 시스템의 핵심 기술이다. 재구성 지능형 표면（Reconfigurable Intelligent Surface, RIS） 보조 ISAC 시스템에서 RIS 위상 제어는 무선 전파 환경을 개선할 수 있지만, 통신 및 센싱 링크에 대한 RIS 반사의 결합된 영향과 고차원 설계 공간으로 인해 위상 최적화가 어렵다. 특히 기존 최적화 기반 기법들은 높은 계산 복잡도와 반복적인 갱신 과정을 요구하므로, 실시간 RIS 위상 제어에 부담이 될 수 있다. 또한 RIS 보조 ISAC 시스템에서는 통신 품질 요구조건을 만족하면서 센싱 성능을 향상시키는 것이 중요하다. 본 논문에서는 이러한 문제를 해결하기 위해 통신 제약 조건을 고려한 센싱 성능 향상을 위한 저복잡도 deep deterministic policy gradient （DDPG） 기반 RIS 위상 제어 프레임워크를 제안한다. 제안 기법은 관측된 채널 상태로부터 RIS 위상 구성으로의 직접적인 매핑을 학습함으로써, 온라인 실행 단계에서 반복 최적화 없이 RIS 위상 값을 생성한다. 시뮬레이션 결과는 제안 기법이 기존 기준 기법들과 비교하여 온라인 계산 복잡도를 크게 줄이는 동시에 센싱 SNR을 향상시키고 통신 SNR 요구조건을 만족함을 보인다. 이는 제안하는 DDPG 기반 프레임워크가 RIS 보조 ISAC 시스템에서 저복잡도 적응형 RIS 위상제어에 효과적임을 입증한다.
more초록(요약문)
Integrated sensing and communication （ISAC） is a key technology for next- generation wireless systems, enabling communication and sensing functions to share spectrum and hardware resources. In reconfigurable intelligent surface （RIS）-assisted ISAC systems, RIS phase control can improve the wireless propagation environment; however, phase optimization is challenging due to the high-dimensional design space and the coupled effect of RIS reflection on communication and sensing links. Conventional optimization-based methods often require high computational complexity and repeated iterative updates. Moreover, RIS-assisted ISAC systems require sensing performance enhancement while satisfying communication quality-of-service requirements. To address these challenges, we propose a low-complexity deep deterministic policy gradient （DDPG）-based RIS phase control framework for communication-constrained sensing enhancement. The proposed method learns a direct mapping from the observed channel state to the RIS phase configuration and generates RIS phase shifts without iterative optimization during online execution. Simulation results show that the proposed method significantly reduces online computational complexity compared with conventional baselines while improving sensing SNR and satisfying the communication SNR requirement. These results demonstrate that the proposed DDPG-based framework is effective for low-complexity adaptive RIS phase control in RIS-assisted ISAC systems.
more목차
1 Introduction 1
2 System Model 8
2.1 System Overview 8
2.2 Channel Model 9
2.3 Problem Formulation 11
2.4 Transmit Beamforming Vector Design 12
3 Proposed DDPG-based Beamforming for Communication-Constrained RIS-assisted ISAC 14
3.1 Reinforcement Learning Formulation 14
3.2 MDP Formulation 14
3.2.1 State 14
3.2.2 Action 15
3.2.3 Reward 15
3.3 Beamforming Update 16
3.4 DDPG-based Policy Learning 18
3.4.1 Critic Network 18
3.4.2 Actor Network 18
3.4.3 Target Networks Soft Update 19
3.5 Training Procedure 19
4 Simulation Results 21
4.1 Training Convergence of the Proposed DDPG Scheme 22
4.2 Transmit Power versus SNR Performance 23
4.3 Integrated Trade-off Metric for Sensing–Communication Performance 27
4.4 Computational Complexity Analysis 29
5 Conclusion 32
Bibliography 34
