使用多智能体强化学习的能效 RIS 辅助无蜂窝大规模 MIMO 联合预编码与 AP 选择
信息论
2024-11-19 v1 信号处理
math.IT
摘要
无蜂窝（CF）大规模多输入多输出（mMIMO）和可重构智能表面（RIS）是实现未来第六代（6G）网络的两种先进收发技术。在本文中，我们研究了能效 RIS 辅助 CF mMIMO 系统的联合预编码与接入点（AP）选择。为了解决相关的计算复杂度和通信功耗问题，我们提倡以用户为中心的动态网络，其中每个用户由一部分 AP 而非所有 AP 提供服务。基于以用户为中心的网络，我们提出了一个联合预编码与 AP 选择问题，以最大化所考虑系统的能效（EE）。为了解决这个复杂的非凸问题，我们提出了一种创新的双层多智能体强化学习（MARL）方案。此外，我们提出了一种基于自适应功率阈值的 AP 选择方案，以进一步提高所考虑系统的 EE。为了降低 RIS 辅助 CF mMIMO 系统的计算复杂度，我们在 MARL 方案中引入了模糊逻辑（FL）策略以加速收敛。仿真结果表明，所提出的基于 FL 的 MARL 合作架构有效提高了 EE 性能，比迫零（ZF）方法提高了 85\%，并且与 MARL 相比实现了更快的收敛速度。值得注意的是，增加 AP 的发射功率或 RIS 元件的数量可以有效提高频谱效率（SE）性能，但这也会导致功耗增加，从而在服务质量和 EE 性能之间产生非平凡的权衡。
引用
@article{arxiv.2411.11070,
title = {Joint Precoding and AP Selection for Energy Efficient RIS-aided Cell-Free Massive MIMO Using Multi-agent Reinforcement Learning},
author = {Enyu Shi and Jiayi Zhang and Ziheng Liu and Yiyang Zhu and Chau Yuen and Derrick Wing Kwan Ng and Marco Di Renzo and Bo Ai},
journal= {arXiv preprint arXiv:2411.11070},
year = {2024}
}