基于深度学习的无线 D2D 系统信息年龄调度
信息论
2022-02-08 v1 math.IT
摘要
设备到设备(D2D)链路调度以避免过度干扰对无线 D2D 通信的成功至关重要。大多数传统调度方案仅考虑系统的最大吞吐量或公平性,而未考虑信息新鲜度。本文提出一种新颖的 D2D 链路调度方案,在 D2D 链路于带包替换的后到先服务策略(LCFS-PR)下传输数据包时,优化信息年龄(AoI)与吞吐量的联合调度问题。其动机在于最大吞吐量调度可能降低信道条件较差链路的激活概率,从而导致极差的 AoI 性能。具体而言,我们在平均场假设下,推导了具有时空干扰队列动态的网络的全体平均 AoI 与吞吐量表达式。此外,提出一种神经网络结构,以在平稳随机化策略下学习从地理位置到最优调度参数的映射,其中神经网络训练好后无需估计信道状态信息(CSI)即可作出调度决策。为克服隐式损失函数无法反向传播的问题,我们推导了梯度的数值解。最后,数值结果表明深度学习方法的性能接近于计算复杂度更高的局部最优算法。同时获得了 AoI 与吞吐量的权衡曲线,其中当吞吐量最大化时 AoI 趋于无穷。
引用
@article{arxiv.2202.02451,
title = {Age of Information-based Scheduling for Wireless D2D Systems with a Deep Learning Approach},
author = {Ling Luo and Zhenyu Liu and Zhiyong Chen and Min Hua and Wenqing Li and Bin Xia},
journal= {arXiv preprint arXiv:2202.02451},
year = {2022}
}
备注
to appear in IEEE Transactions on Green Communications and Networking