深度强化学习与展开联合设计：基于透镜阵列的毫米波多用户 MIMO 波束选择与预编码
信息论
2021-01-06 v1 机器学习
信号处理
math.IT
摘要
具有离散透镜阵列（DLA）的毫米波（mmWave）多用户多输入多输出（MU-MIMO）系统因其简单的硬件实现和优异的性能而受到极大关注。在这项工作中，我们研究了具有 DLA 的毫米波 MU-MIMO 系统的波束选择与数字预编码矩阵的联合设计，以在发射功率约束和选择矩阵结构约束下最大化总和速率。所研究的具有离散变量和耦合约束的非凸问题难以求解，为此提出了一种联合神经网络（NN）设计的高效框架来应对。具体而言，该框架由基于深度强化学习（DRL）的 NN 和深度展开 NN 组成，分别用于优化波束选择矩阵和数字预编码矩阵。对于基于 DRL 的 NN，我们将波束选择问题建模为马尔可夫决策过程，并开发了双深度 Q 网络算法来求解。基站被视为智能体，其状态、动作和奖励函数经过精心设计。关于数字预编码矩阵的设计，我们开发了由迭代加权最小均方误差算法诱导的深度展开 NN，将该算法展开为具有可训练参数的分层结构。仿真结果验证了该联合训练的 NN 以更低的复杂度和更强的鲁棒性显著优于现有迭代算法。
引用
@article{arxiv.2101.01336,
title = {Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays},
author = {Qiyu Hu and Yanzhen Liu and Yunlong Cai and Guanding Yu and Zhi Ding},
journal= {arXiv preprint arXiv:2101.01336},
year = {2021}
}