基于DQN的xApp实现6G O-RAN中的节能

开放无线接入网（RAN）是一种支持开放性、互操作性和智能化的变革性范式，其中O-RAN架构是学术界和工业界最公认的框架。在Open RAN的背景下，节能（ES）的重要性更加突出，尤其是在当前第六代移动网络（6G）网络密集化的趋势下。RAN中传统的节能方法难以应对网络日益增长的动态性。本文提出使用强化学习（RL），一种机器学习（ML）的子集，来改进ES。我们提出了一种用于6G O-RAN中ES的新型深度RL方法，并将其实现为xApp（ES-xApp）。我们开发了两个基于深度Q网络（DQN）的ES-xApp。ES-xApp-1使用RSS和用户设备（UE）地理位置，而ES-xApp-2仅使用RSS。所提出的模型显著优于启发式算法和基线xApp，尤其是在超过20个UE的情况下。在50个UE时，50%的无线卡（RC）被关闭，而使用启发式算法时只有17%。我们观察到，更多信息的输入可能导致更稳定的训练和结果。本文强调了无线网络中节能的必要性，并为未来的研究和行业实践提供了实用的策略和证据。