محیط انتشار به‌عنوان موجودی با رفتار تصادفیبین فرستنده و گیرنده درک می‌شود که به دلیل تراکنش‌های غیرقابل‌کنترل محیط اطراف با سیگنال‌های رادیویی، موجب کاهش کیفیت سیگنال دریافتی شده است و نیز آن‌ها را با مشکلاتپراکندگی، بازتابش و شکست روبرو کرده است. تحقیقات اخیر نشان داده است که سطوح انعکاسی هوشمندمی‌توانند جبهه موج، به‌عنوان‌مثال فاز، دامنه، فرکانس و حتی قطبش سیگنال‌های برخوردی را بدون نیاز به عملیات رمزگشایی و رمزگذاری پیچیده کنترل کنند. در موارد زیادی که به دلیل عدم دیدمستقیم بین فرستنده و گیرنده سیگنال به‌درستی دریافت نمی‌شود سیگنال حاصل از انعکاس این سطوح کمک شایان‌ذکری در دریافت آن دارد که این امر به‌ویژه برای گسترش پوشش در ارتباطاتامواج میلی‌متری که در برابر انسداد بسیار آسیب‌پذیر هستند مفید است.باوجود مزایایی که کاربرد این سطوح در محیط بی‌سیم برای ما به ارمغان می‌آورد یک سری مشکلات و چالش‌هایی ازجمله چگونگی یافتن مکان فرستنده، گیرنده و نحوه‌ی بازتاب سیگنال‌های برخوردی وجود دارد. اجرایهوشمند چنین فرآیندی نیازمند دستیابی به کانال‌هایی با ابعاد بزرگ بین فرستنده و IRS و گیرنده است.تاکنون روش‌هایی برای تخمین کانال موردبررسی قرارگرفته است که یکی از راه‌حل‌های ارائه‌شده، استفاده از یادگیری عمیق برای پیش‌بینی ماتریس بازتاب بهینه در IRSاست و این روش نیازمند مجموعه‌ای از داده‌ها در مرحله‌ی یادگیری است. در این تحقیق،تکنیک یادگیری تقویتی عمیق جهت پیش‌بینی ماتریس بازتاب بهینه بکار می¬رود که این روش نیاز به مجموعه داده‌های اولیه را به حداقل می‌رساند اما سرعت همگرایی به مقدار خروجی بهینه‌ی کمی را تجربه می‌کند.سپسبا استفاده از مدولاسیون OFDM-SPM که منجر می¬شود تا در پهنای باند کمتر، ورودی‌های دقیق‌تری را به همراه داشته باشد، زمان پردازش شبکه را کاهش و سرعت همگرایی مدل افزایش می¬یابد. همچنین با به‌کارگیری تکنیک OFDM-SPM جهت ارسال نمادها موجب کاهش توان موردنیاز برای ارسال تعداد بیت‌های موردنظر نسبت به روش‌های قبل می‌شود.
کلماتکلیدی: سطوحانعکاسیهوشمند،انتشار بی‌سیم، تغییر فاز، مدولاسیونOFDM-SPM،یادگیریتقویتیعمیق