毫米波无蜂窝网络中基于深度上下文多臂老虎机的邻节点辅助快速初始接入
信号处理
2021-10-20 v1
摘要
在毫米波(mmWave)与基于亚太赫兹(sub-THz)的用户中心式(UC)网络中,接入点(AP)将具备睡眠模式功能。因此,当睡眠中的 AP 被激活并开始服务用户时,初始接入(IA)问题的求解变得具有挑战性。本文提出一种新颖的深度上下文多臂老虎机(DCB)学习方法,利用来自邻近活跃 AP 的信息提供即时 IA。在所提方法中,邻近活跃 AP 的波束选择信息被用作神经网络的输入,该神经网络充当多臂老虎机算法的函数逼近器。仿真使用 Wireless Insight 光线追踪工具生成的真实信道模型进行。结果表明,与标准基线 5G IA 方案相比,系统能够以可忽略的延迟响应动态吞吐量需求。所提快速波束选择方案可使网络使用节能睡眠模式,而不会因为低效的 IA 而损害服务质量。
引用
@article{arxiv.2103.09694,
title = {Deep Contextual Bandits for Fast Neighbor-Aided Initial Access in mmWave Cell-Free Networks},
author = {Insaf Ismath and Samad Ali and Nandana Rajatheva and Matti Latva-aho},
journal= {arXiv preprint arXiv:2103.09694},
year = {2021}
}
备注
Submitted to IEEE Wireless Communication Letters