基于分布式深度学习的蜂窝网下设备到设备通信自主功率分配
信号处理
2020-06-09 v3 机器学习
摘要
对于支持物联网（IoT）的 5G 系统中的设备到设备（D2D）通信，以集中方式考虑不同链路间复杂干扰来进行资源分配存在局限。若 D2D 链路由增强型节点基站（eNB）控制，则会给 eNB 带来负担并导致时延增加。本文提出一种利用深度学习的、蜂窝网下 IoT-D2D 通信的全自主功率分配方法。在所提方案中，IoT-D2D 发射机独立于 eNB 和其他 IoT-D2D 设备决定发射功率。此外，通过分布式深度学习可使功率集近乎优化，从而获得更高的小区吞吐量。我们提出一种分布式深度学习架构，其中设备作为群组进行训练但独立运行。该深度学习能在抑制对 eNB 干扰的同时，达到近乎最优的小区吞吐量。
引用
@article{arxiv.1802.02736,
title = {Autonomous Power Allocation based on Distributed Deep Learning for Device-to-Device Communication Underlaying Cellular Network},
author = {Jeehyeong Kim and Joohan Park and Jaewon Noh and Sunghyun Cho},
journal= {arXiv preprint arXiv:1802.02736},
year = {2020}
}
备注
accepted in IEEE Access, 2169-3536