基于 DRL 的 O-RAN 中 eMBB 与 URLLC 的联合资源调度
信号处理
2024-07-17 v1
摘要
本文解决了面向增强型移动宽带（eMBB）和超可靠低时延通信（URLLC）用户的多细胞无线系统中的资源分配挑战。我们提出了针对 O-RAN 网络架构的分布式学习框架。利用基于 Thompson 抽样的深度强化学习（DRL）算法，我们的方法提供实时的资源分配决策，符合不断演变的网络结构。该方法通过在位于网络边缘的近实时射频接入网智能控制器（Near-RT RIC）上部署训练好的执行智能体，实现在线资源分配决策。仿真结果表明，该算法在满足 eMBB 和 URLLC 用户的质量服务（QoS）要求方面效果显著，为在动态无线环境中优化资源利用提供了洞见。
引用
@article{arxiv.2407.11558,
title = {DRL-based Joint Resource Scheduling of eMBB and URLLC in O-RAN},
author = {Rana M. Sohaib and Syed Tariq Shah and Oluwakayode Onireti and Yusuf Sambo and Qammer H. Abbasi and M. A. Imran},
journal= {arXiv preprint arXiv:2407.11558},
year = {2024}
}