文档名：基于深度强化学习的无蜂窝系统无线接入点选择算法
摘要：面向以用户为中心的无蜂窝分布式多输入多输出(Multiple-InputMultiple-Output,MIMO)架构,研究利用不完备信道状态信息(ChannelStateInformation,CSI)下实现无线接入点(AccessPoint,AP)与用户(UserEquipment,UE)之间的选择,提出基于深度强化学习(DeepReinforcementLearning,DRL)的高效分配算法,通过使用不完备CSI快速生成以用户为中心的AP集合,减少了对前馈链路容量的占用.仿真结果表明,与其他传统选择算法相比,所提出的DRL接入点选择算法可以获得至少22.48％的总遍历频谱效率增益;与深度Q网络(Deep-Q-Network,DQN)算法相比,可以获得约14.17％的总频谱效率增益.
Abstract：Theselectionproblembetweenwirelessaccesspoint(AP)anduserequipment(UE)inauser-centriccell-freedistributedmultiple-inputmultiple-output(MIMO)systemisinvestigatedwhenonlypartialchannelstateinformation(CSI)isavailable.Basedondeepreinforcementlearning(DRL),anefficientAPselectionalgorithmisproposed,whichusespartialCSItorapidlygenerateauser-centricsetofAPstoreducetheoccupancyofthefronthaullink.SimulationresultsdemonstratethattheproposedDRL-basedAPselectionalgorithmcanachievesumergodicspectrumefficiencygainofatleast22.48％comparedwithothertraditionalselectionalgorithms.Additionally,comparedwiththeDeep-Q-Network(DQN)algorithm,theDRL-basedAPselectionalgorithmcanachievesumergodicspectrumefficiencygainofabout14.17％.
作者：赵婉楠 宋晓阳 赵迎新 吴虹 刘之洋Author：ZHAOWannan SONGXiaoyang ZHAOYingxin WUHong LIUZhiyang
作者单位：南开大学电子信息与光学工程学院,天津300350
刊名：电讯技术 ISTICPKU
Journal：TelecommunicationEngineering
年，卷(期)：2024, 64(6)
分类号：TN929.5
关键词：MIMO 以用户为中心的无蜂窝网络 接入点选择 深度强化学习 频谱效率增益
Keywords：MIMO user-centriccell-freenetwork APselection deepreinforcementlearning spectralefficiencygain
机标分类号：TN929.53TP391G43
在线出版日期：2024年7月15日
基金项目：国家自然科学基金基于深度强化学习的无蜂窝系统无线接入点选择算法[
期刊论文] 电讯技术--2024, 64(6)赵婉楠 宋晓阳 赵迎新 吴虹 刘之洋面向以用户为中心的无蜂窝分布式多输入多输出(Multiple-InputMultiple-Output,MIMO)架构,研究利用不完备信道状态信息(ChannelStateInformation,CSI)下实现无线接入点(AccessPoint,AP)与用户(UserEquipment,UE)之...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于深度强化学习的无蜂窝系统无线接入点选择算法 An Access Point Selection Algorithm for Cell-free Systems Based on Deep Reinforcement Learning
基于深度强化学习的无蜂窝系统无线接入点选择算法.pdf
- 文件大小:
- 2.5 MB
- 下载次数:
- 60
-
高速下载
|
|
