多小区NOMA联合用户配对与关联：一种基于指针网络的方法
信息论
2020-04-17 v1 机器学习
信号处理
math.IT
机器学习
摘要
本文研究多小区非正交多址（NOMA）系统的联合用户配对与关联问题。我们考虑用户设备（UE）位于配备多个基站的多小区网络中的场景。每个基站具有多个正交物理资源块（PRB）。每个PRB可使用NOMA分配给一对UE。每个UE还可自由由任一基站服务，这进一步增加了联合用户配对与关联算法设计的复杂度。利用机器学习求解数值优化问题的近期成功，我们将联合用户配对与关联问题表述为组合优化问题。解通过一种称为指针网络（PtrNet）的新兴深度学习架构求得，其计算复杂度低于基于迭代算法的方案，且已被证明可达到近最优性能。PtrNet的训练阶段基于深度强化学习（DRL），不需要将所表述问题的最优解作为训练标签。仿真结果表明，所提联合用户配对与关联方案在总数据速率方面达到近最优性能，并比随机用户配对与关联启发式方法高出至多30%。
引用
@article{arxiv.2004.07395,
title = {Joint User Pairing and Association for Multicell NOMA: A Pointer Network-based Approach},
author = {Manyou Ma and Vincent W. S. Wong},
journal= {arXiv preprint arXiv:2004.07395},
year = {2020}
}
备注
accepted for publication in Proc. of 6th International Workshop on NOMA for 5G and Beyond, co-located with IEEE International Conference on Communications (ICC), Dublin, Ireland, Jun. 2020