基于学习的 D2D 底层蜂窝网络鲁棒资源分配
信息论
2021-05-19 v1 math.IT
摘要
在本文中,我们研究具有不确定信道状态信息(CSI)的 D2D 底层蜂窝网络中的资源分配。为满足不同用户的多样化需求,即蜂窝用户的最低速率要求和 D2D 用户的可靠性要求,我们试图最大化蜂窝用户的吞吐量,同时确保对 D2D 用户的机遇约束。然后,提出一种鲁棒资源分配框架以解决关于 D2D 可靠性要求高度难解的机遇约束,其中 CSI 不确定性被表示为确定性集合,且可靠性要求被强制对其内任意不确定 CSI 成立。接着,开发一种基于对称几何的学习方法,将不确定 CSI 建模为多面体、椭球体和盒形。此后,我们在这些不确定性集合下推导机遇约束的鲁棒对应形式作为计算便利的凸集。为克服基于对称几何的不确定性集合的保守性,我们开发一种基于支持向量聚类(SVC)的方法,将不确定 CSI 建模为紧致凸不确定性集合。基于此,D2D 的机遇约束被转化为线性凸集。然后,我们开发一种基于二分搜索的功率分配算法,用于求解具有不同鲁棒对应形式的 D2D 底层蜂窝网络资源分配。最后,我们进行仿真,将所提鲁棒优化方法与非鲁棒方法进行比较。
引用
@article{arxiv.2105.08324,
title = {Learning-Based Robust Resource allocation for D2D Underlaying Cellular Network},
author = {Weihua Wu and Runzi Liu and Qinghai Yang and Tony Q. S. Quek},
journal= {arXiv preprint arXiv:2105.08324},
year = {2021}
}