6G以用户为中心的无小区大规模MIMO中的频率资源管理：一种强化学习与元启发式混合方法
网络与互联网体系结构
2025-05-29 v1 信号处理
摘要
随着第六代（6G）网络的不断演进，AI 驱动的解决方案在实现更高效、更具适应性的无线通信资源管理方面正发挥着关键作用。6G 的一项关键创新是以用户为中心的无小区大规模多输入多输出（UC-CFmMIMO），该范式消除了传统的小区边界，并通过动态将接入点（AP）分配给用户来提升网络性能。这种方法特别适用于车辆网络，可提供无缝、同质、超可靠且低延迟的连接。然而，在密集网络中，一个关键挑战在于如何在有限的共享子带频谱内高效分配频率资源，同时兼顾频率选择性以及信号传播对带宽的依赖性。这些因素使得资源分配日益复杂，尤其是在维持服务质量至关重要的动态环境中。本文通过提出一种混合多用户分配策略来解决这些挑战，该策略集成了强化学习（RL）和元启发式优化，以提高频谱效率（SE）、确保公平性并减轻共享子带内的干扰。为评估其有效性，我们将这种混合方法与另外两种方法进行了比较：受生物学启发的 Aquila 优化器（AO）和基于深度确定性策略梯度（DDPG）的 Actor-Critic 强化学习（AC-RL）。我们的评估基于真实世界的模式和信道特性，利用 3GPP-3D 信道建模框架来捕捉真实的传播条件。结果表明，所提出的混合策略在相互竞争的目标之间实现了卓越的平衡，凸显了 AI 驱动的资源分配在推动下一代无线网络 UC-CFmMIMO 系统发展中的作用。
引用
@article{arxiv.2505.22443,
title = {Frequency Resource Management in 6G User-Centric CFmMIMO: A Hybrid Reinforcement Learning and Metaheuristic Approach},
author = {Selina Cheggour and Valeria Loscri},
journal= {arXiv preprint arXiv:2505.22443},
year = {2025}
}