基于站点特定天线参数学习的上行-下行容量与覆盖联合优化
信号处理
2022-10-31 v1
摘要
我们提出了一种用于异构蜂窝网络中天线参数设置优化的新框架。我们针对下行链路(DL)和上行链路(UL)的覆盖与容量制定了一个优化问题，该问题配置网络中每个小区天线阵列的下倾角、垂直半功率波束宽度(HPBW)和水平 HPBW。针对这一非凸问题所提出的受贝叶斯优化(BO)和差分进化算法启发的新数据驱动框架，样本效率高且收敛迅速，同时可扩展至大型网络。通过联合优化 DL 和 UL 性能，我们考虑了这两条链路不同的信号功率与干扰特性，从而能够在各自的覆盖与容量之间实现平滑的权衡。我们在 AT&T Labs 开发的最先进 5G NR 蜂窝系统级仿真器上的实验表明，所提算法持续且显著优于 3GPP 默认设置、随机搜索和常规 BO。在一个现实设置中，与常规 BO 相比，我们的方法将平均求和对数速率提高了 60% 以上，同时将中断概率降低了 80% 以上。与 3GPP 默认设置相比，我们方法的增益要大得多。结果还表明，通过上行-下行联合优化可以大幅改善实际中重要的 DL 吞吐量与 UL 覆盖组合。
引用
@article{arxiv.2210.15732,
title = {Joint Uplink-Downlink Capacity and Coverage Optimization via Site-Specific Learning of Antenna Settings},
author = {Ezgi Tekgul and Thomas Novlan and Salam Akoum and Jeffrey G. Andrews},
journal= {arXiv preprint arXiv:2210.15732},
year = {2022}
}