基于多智能体强化学习的细胞免费大规模 MIMO 多目标定位
信息论
2024-10-10 v1 信号处理
math.IT
摘要
细胞免费大规模多输入多输出 (mMIMO) 是赋能下一代移动通信网络的有前景技术。在本文中，为解决传统指纹定位方法所致的计算复杂度问题，我们考虑一种涉及特定相关接入点 (AP) 的新型合作定位架构，以建立定位相似系数。然后，我们提出一种创新的联合定位和校正框架，采用多智能体强化学习 (MARL) 以解决高维复杂信号处理的挑战，主要利用接收信号强度信息进行粗略定位，并利用来程角信息对初始位置估计进行细化。此外，为缓解远程 AP 引起的偏差效应，我们设计一种基于合作加权 K 最近邻 (Co-WKNN) 的估计方案，以选择与用户定位高度相关的 AP 参与定位。在数值结果中，我们比较了各种用户定位方案，表明所提出的 MARL 基于定位方案与 Co-WKNN 可有效提高定位性能。值得注意的是，合作定位架构是在协调定位性能和计算复杂度之间取得平衡的关键要素。
引用
@article{arxiv.2410.06506,
title = {Cooperative Multi-Target Positioning for Cell-Free Massive MIMO with Multi-Agent Reinforcement Learning},
author = {Ziheng Liu and Jiayi Zhang and Enyu Shi and Yiyang Zhu and Derrick Wing Kwan Ng and Bo Ai},
journal= {arXiv preprint arXiv:2410.06506},
year = {2024}
}