IEEE 802.11ax中上行OFDMA与MU-MIMO联合优化：深度分层强化学习方法
系统与控制
2024-04-16 v2 信息论
系统与控制
math.IT
摘要
本文针对IEEE 802.11ax中上行OFDMA的用户调度、频率资源分配(MU-MIMO模式选择(MIMO MS)在单用户MIMO和多用户(MU) MIMO之间,以及MU-MIMO用户选择问题,提出联合优化方法。具体而言,我们关注非饱和流量条件下用户数据需求波动的情况。在非饱和流量条件下,考虑每个用户的数据包量会引入组合问题,需要在时频空间轴上同时优化MU-MIMO用户选择和资源分配。因此,面对以大规模未知变量为特征的组合本质问题，传统优化方法几乎无法解决。为此，本文提出采用深度分层强化学习(DHRL)的方法进行求解。虽然直接采用现成的DHRL方法,但我们针对联合USRA和MS问题对DHRL进行了定制,从而显著提高了收敛速度和吞吐量。大量仿真结果表明,在各种非饱和流量条件下,本文提出的算法在吞吐量方面显著优于现有方案。
引用
@article{arxiv.2404.02486,
title = {Joint Optimization on Uplink OFDMA and MU-MIMO for IEEE 802.11ax: Deep Hierarchical Reinforcement Learning Approach},
author = {Hyeonho Noh and Harim Lee and Hyun Jong Yang},
journal= {arXiv preprint arXiv:2404.02486},
year = {2024}
}