基于机器学习的毫米波中波间小区间干扰抑制
网络与互联网体系结构
2021-03-10 v1
摘要
在本文中，我们解决采用毫米波(mmWave)、波束成形和非正交多址(NOMA)技术的 5G 网络中的波间小区间干扰抑制问题。这些技术通过在空间和功率域上复用用户，在提高网络容量和频谱效率方面起着关键作用。此外，来自不同小区的多个波束的覆盖区域可以相交，从而为用户-小区关联提供更大的灵活性。然而，覆盖区域的交叠也意味着波间小区间干扰的增加，即邻近小区形成的波束之间的干扰。因此，联合用户-小区关联与波间功率分配是抑制波间小区间干扰的一种有前景的方案。在本文中，我们考虑一个 5G 毫米波网络，并提出一种强化学习算法来执行联合用户-小区关联与波间功率分配，以最大化网络的和速率。所提算法与每小区在波束间平均分配功率的均匀功率分配进行了比较。仿真结果表明，对应于最低和最高业务负载，网络的和速率性能分别提升了 13% 至 30%。
引用
@article{arxiv.2103.05061,
title = {Machine Learning-based Inter-Beam Inter-Cell Interference Mitigation in mmWave},
author = {Medhat Elsayed and Kevin Shimotakahara and Melike Erol-Kantarci},
journal= {arXiv preprint arXiv:2103.05061},
year = {2021}
}