认知飞蜂窝网络中基于Q-Learning的分布式干扰管理：一种基于USRP的新实现
网络与互联网体系结构
2016-04-19 v1
摘要
飞蜂窝网络已成为支持5G系统高数据速率的有前途的解决方案，其中使用小型飞蜂窝进行小区密集化。然而，飞蜂窝网络面临许多挑战。飞蜂窝网络的主要挑战之一是干扰管理问题，在宏小区范围内部署飞蜂窝可能会降低宏小区的性能。在本文中，我们开发了一个新平台，利用强化学习方法研究分布式飞蜂窝网络中的干扰管理。我们设计了一个完整的MAC协议，使用Q-Learning算法执行分布式功率分配，在网络节点间应用了独立和协作两种学习方法。Q-Learning算法的目标是在维持宏小区用户QoS的同时最大化飞蜂窝总容量。此外，我们给出了基于GNURadio和USRP平台上的算法实现。性能评估根据宏小区容量收敛到目标容量以及飞蜂窝总容量的提升来进行。
引用
@article{arxiv.1604.04699,
title = {Distributed interference management using Q-Learning in Cognitive Femtocell networks: New USRP-based Implementation},
author = {Medhat H. M. Elsayed and Amr Mohamed},
journal= {arXiv preprint arXiv:1604.04699},
year = {2016}
}