面向 NOMA mMTC 系统随机接入的多功率级 Q 学习算法
网络与互联网体系结构
2023-01-13 v1 机器学习
系统与控制
信号处理
系统与控制
摘要
大规模机器类通信（mMTC）服务将成为计划集成到第五代无线通信演进（B5G）中的新服务的一部分。在 mMTC 中，数千台设备零星地接入网络上的可用资源块。在此场景下，当两台或更多设备在选择相同资源块时发生碰撞，就会产生大规模随机接入（RA）问题。有多种技术可以处理这个问题。其中一种技术采用 Q 学习（QL），设备在其 Q 表中存储由中心节点发送的奖励，这些奖励指示所执行传输的质量。设备学习选择最佳资源块进行传输以避免碰撞。我们提出了一种多功率级 QL（MPL-QL）算法，该算法使用非正交多址（NOMA）传输方案来产生传输功率分集，并允许在同一时隙内容纳多于一台设备，只要信号与干扰加噪声比（SINR）超过阈值。数值结果表明，通过使用较高的功率级数（通常为八级），可以获得最佳的性能-复杂度权衡。与文献中近期其他基于 QL 的算法相比，所提出的 MPL-QL 能够提供更高的吞吐量和更低的延迟。
引用
@article{arxiv.2301.05196,
title = {Multi-Power Level $Q$-Learning Algorithm for Random Access in NOMA mMTC Systems},
author = {Giovanni Maciel Ferreira Silva and Taufik Abrão},
journal= {arXiv preprint arXiv:2301.05196},
year = {2023}
}
备注
13 pages, 9 figures, ETT-Wiley publication