一种基于强化学习的蜂窝网络自动调优框架
摘要
针对始终存在的无线损伤调优蜂窝网络性能可大幅改善终端用户的可靠性。在本文中，我们将蜂窝网络性能调优表述为一个强化学习（RL）问题，并提供一种改善室内与室外环境性能的方案。通过利用 Q-learning 估计未来性能提升奖励的能力，我们提出两种算法：（1）用于下行链路语音 over LTE（VoLTE）的闭环功率控制（PC）；（2）自组织网络（SON）故障管理。VoLTE PC 算法使用 RL 调节室内基站发射功率，使用户设备（UE）的信干噪比（SINR）达到目标 SINR。其实现无需 UE 发送功率控制请求。SON 故障管理算法使用 RL 通过配置管理解决网络中的故障，从而改善室外基站簇的性能。两种算法均利用来自连接用户、无线损伤以及相关配置参数的测量值，使用 RL 求解非凸性能优化问题。仿真结果表明，在真实蜂窝通信环境中，我们提出的基于 RL 的算法优于当今行业标准。
引用
@article{arxiv.1808.05140,
title = {A Framework for Automated Cellular Network Tuning with Reinforcement Learning},
author = {Faris B. Mismar and Jinseok Choi and Brian L. Evans},
journal= {arXiv preprint arXiv:1808.05140},
year = {2020}
}
备注
(c) 2019 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works