基于深度情境 MAB 的 5G 毫米波网络能效睡眠模式优化
信号处理
2024-05-16 v1 人工智能
摘要
毫米波 (mmWave) 网络是 5G 通信的重要组成部分，提供广阔的频谱资源以解决频谱短缺问题并提升峰值速率和容量。然而，其稠密部署（为克服传输损耗所必需）导致高功耗。有效降低能源消耗的策略是基站 (BS) 的睡眠模式优化 (SMO)。本文提出一种 novel SMO 方法，用于 3D 城市环境中的 mmWave BS。该方法采用包含神经网络 (NN) 的情境多臂老虎机 (C-MAB) 策略，结合 epsilon 衰减算法，能够适应用户设备 (UE) 的动态多样化流量，通过对 UE 在各自跟踪区域 (TA) 中的聚类来实现。我们的策略包括波束赋形，有助于减少 UE 端的能源消耗，而 SMO 可最小化 BS 端的能源使用。我们还扩展了研究，包括 Random、Epsilon Greedy、Upper Confidence Bound (UCB) 和基于负载的睡眠模式 (SM) 策略。我们将提出的 C-MAB 基于 SM 的算法与 All On 以及其他替代方法进行了比较。仿真结果表明，我们提出的方法在第 10 百分位用户速率和平均吞吐量方面均优于所有其他 SM 策略，同时在能源效率 (EE) 方面也优于所有方法。
引用
@article{arxiv.2405.09528,
title = {Energy-Efficient Sleep Mode Optimization of 5G mmWave Networks Using Deep Contextual MAB},
author = {Saad Masrur and Ismail Guvenc and David Lopez-Perez},
journal= {arXiv preprint arXiv:2405.09528},
year = {2024}
}