云无线接入网络中波束成形与前传量化的联合优化深度学习方法
信号处理
2021-07-07 v1 信息论
机器学习
math.IT
摘要
接入点（AP）间的协作波束成形与前传量化策略对于云无线接入网络（C-RAN）系统至关重要。C-RAN优化问题的非凸性源于各AP的功率与前传容量约束，执行迭代算法需要很高的计算复杂度。为解决此问题，我们研究了一种深度学习方法，用训练良好的深度神经网络（DNN）替代优化模块。提出了一种高效的学习方案，其构建DNN以生成最优波束成形与量化策略的低维表示。数值结果验证了所提学习方案的优势。
引用
@article{arxiv.2107.02520,
title = {Deep Learning Methods for Joint Optimization of Beamforming and Fronthaul Quantization in Cloud Radio Access Networks},
author = {Daesung Yu and Hoon Lee and Seok-Hwan Park and Seung-Eun Hong},
journal= {arXiv preprint arXiv:2107.02520},
year = {2021}
}
备注
accepted for publication on IEEE Wireless Communications Letters