Learning algorithm for reconfigurable antenna state selection
Learning algorithm for reconfigurable antenna state selection
复制标题
DOI：
10.1109/rws.2012.6175375
复制
发表时间：
2012-04
期刊：
影响因子：
--
通讯作者：
Nikhil Gulati;David González;K. Dandekar
中科院分区：
文献类型：
--
作者：
Nikhil Gulati;David González;K. Dandekar
在本文中，我们提出了一个在线学习算法选择的状态的可重构天线。我们将天线状态选择问题描述为多臂强盗问题，并提出了一种选择技术，应用于采用高定向超材料可重构漏波天线的2 × 2 MIMO OFDM系统。我们量化我们的选择技术的性能，使用软件定义的无线电测试平台，并在一个典型的室内环境中的无线网络目前的结果。
In this paper, we propose an online learning algorithm for selecting the state of a reconfigurable antenna. We formulate the antenna state selection as a multiarmed bandit problem and present a selection technique, implemented for a 2 × 2 MIMO OFDM system employing highly directional metamaterial Reconfigurable Leaky Wave Antennas. We quantify the performance of our selection technique using a software defined radio testbed and present results for a wireless network in a typical indoor environment.