基于优势演员-评论家学习的毫米波网络节能波束选择
信号处理
2023-02-02 v1 网络与互联网体系结构
摘要
为充分发挥 5G 潜力，毫米波频段的日益采用使波束成形成为当前及下一代无线技术的关键赋能因素。许多毫米波网络依赖基于波束栅格（GoB）方法的波束选择来处理用户-波束关联。在采用 GoB 的波束选择中，用户从一组预定义波束中选择合适波束，而波束选择过程中的开销是该领域的常见挑战。本文提出一种基于优势演员-评论家（A2C）学习的框架，以改进 GoB 与波束选择过程，并优化毫米波网络中的传输功率。所提波束选择技术在考虑传输功率的同时提升性能，从而改善能效（EE）并确保网络覆盖得以维持。我们进一步研究了所提算法如何部署于服务管理与编排（SMO）平台。仿真表明，基于 A2C 的波束选择与传输功率联合优化比采用等间距波束（ESB）与固定功率策略、或波束选择与传输功率分离优化更为有效。与 ESB 及固定传输功率策略相比，所提方法在测试场景下平均 EE 提升逾两倍，且更接近理论最大 EE。
引用
@article{arxiv.2302.00156,
title = {Beam Selection for Energy-Efficient mmWave Network Using Advantage Actor Critic Learning},
author = {Ycaro Dantas and Pedro Enrique Iturria-Rivera and Hao Zhou and Majid Bavand and Medhat Elsayed and Raimundas Gaigalas and Melike Erol-Kantarci},
journal= {arXiv preprint arXiv:2302.00156},
year = {2023}
}
备注
Accepted by 2023 IEEE International Conference on Communications (ICC)