半授权免授权NOMA传输中基于功率池的功率控制
信息论
2022-06-03 v2 math.IT
摘要
在本文中，我们通过多智能体深度强化学习（MA-DRL）为采用半授权免授权非正交多址接入（SGF-NOMA）的物联网（IoT）网络生成发射功率池（PP），以实现开环功率控制（PC）。该PP与每个资源块（RB）映射以实现分布式功率控制（DPC）。我们首先将资源分配问题建模为随机马尔可夫博弈，然后使用两种MA-DRL算法求解，即双深度Q网络（DDQN）和竞争型DDQN（Dueling DDQN）。每个GF用户作为一个智能体，试图找出最优发射功率等级和RB以形成期望的PP。借助竞争型过程，可通过在不考虑各状态下每个动作影响的情况下评估有价值状态来增强学习过程。因此，DDQN针对动作-状态空间较小的通信场景设计，而Dueling DDQN针对大空间场景。此外，为减少训练时间，我们通过消除无效动作来缩减动作空间。为控制干扰并保证基于授权用户的服务质量要求，我们确定了每个子信道上GF用户的最优数量。我们表明PC方法对基于授权用户和GF用户的数据速率有重大影响。我们证明所提算法在计算上可扩展至大规模IoT网络并产生最小信令开销。我们的结果表明，所提出的基于MA-Dueling DDQN的SGF-NOMA结合DPC，在系统吞吐量上分别比现有SGF-NOMA系统和纯GF协议网络高出17.5%和22.2%。最后，我们表明所提算法优于传统开环PC机制。
关键词
引用
@article{arxiv.2106.11190,
title = {A Power-Pool-Based Power Control in Semi-Grant-Free NOMA Transmission},
author = {Muhammad Fayaz and Wenqiang Yi and Yuanwei Liu and Arumugam Nallanathan},
journal= {arXiv preprint arXiv:2106.11190},
year = {2022}
}