利用多智能体深度强化学习的毫米波 MU-MISO 系统混合波束成形
信号处理
2021-02-03 v1 人工智能
机器学习
摘要
在这封信中，我们研究了基于深度强化学习（DRL）的毫米波（mmWave）多用户（MU）多输入单输出（MISO）系统混合波束成形。提出了一种多智能体 DRL 方法来解决 DRL 中的探索效率问题。在所提方法中，应用优先经验回放缓冲区和信息更丰富的奖励以加速收敛。仿真结果表明，所提架构比基准方案实现了更高的频谱效率和更少的时间消耗，因此更适合实际应用。
引用
@article{arxiv.2102.00735,
title = {Hybrid Beamforming for mmWave MU-MISO Systems Exploiting Multi-agent Deep Reinforcement Learning},
author = {Qisheng Wang and Xiao Li and Shi Jin and Yijiain Chen},
journal= {arXiv preprint arXiv:2102.00735},
year = {2021}
}
备注
5 pages, 4 figures, journal paper in press for publication