用于干扰抑制的深强化学习增强型速率分割多址接入
信息论
2024-12-20 v2 多智能体系统
信号处理
math.IT
摘要
本研究探讨了速率分割多址接入（RSMA）技术的应用，该技术对于现代通信系统中的干扰抑制至关重要。研究调查了 RSMA 中的预编码方法，特别是在复杂的多天线干扰信道中，并采用了深强化学习。其目的是优化涉及多个决策者的公共和私有数据流的预编码器和功率分配。为此采用多智能体深度确定性策略梯度（MADDPG）框架来解决这一复杂性，其中去中心化智能体在连续策略空间中共同学习以优化动作。我们还探讨了发射端信道状态信息不完备所带来的挑战。此外，研究了译码顺序估计问题，以确定公共和私有数据序列的最佳译码顺序。仿真结果证明了基于 MADDPG 的 proposed RSMA 方法的有效性，在单天线场景下达到了性能上界，并在多天线场景下接近理论极限。对比分析显示，该方法优于其他技术，如无速率分割的 MADDPG、最大比传输（MRT）、迫零（ZF）以及基于泄漏的预编码方法。这些发现突显了深强化学习驱动的 RSMA 在减少干扰和提升通信系统性能方面的潜力。
引用
@article{arxiv.2403.05974,
title = {Deep Reinforcement Learning Enhanced Rate-Splitting Multiple Access for Interference Mitigation},
author = {Osman Nuri Irkicatal and Elif Tugce Ceran and Melda Yuksel},
journal= {arXiv preprint arXiv:2403.05974},
year = {2024}
}