基于深度学习的速率约束下多小区功率控制
信号处理
2020-12-09 v1 信息论
math.IT
摘要
在本文中，我们研究了一种基于深度学习的方法，用于求解在每用户速率约束与每基站(BS)功率约束下以和速率最大化为目标的多小区功率控制问题。该问题的核心难点在于如何确保深度神经网络(DNN)学习到的功率控制结果满足每用户速率约束。为应对该难点，我们提出在传统DNN之后级联一个投影模块，将不可行的功率控制结果投影到约束集上。该投影模块基于约束的几何解释设计，复杂度低，满足在线应用的实时性要求。我们推导了所提投影模块反向传播梯度的显式表达式，借此DNN可通过无监督学习直接最大化和速率。我们还开发了投影模块的启发式实现以减小DNN规模。仿真结果表明所提方法相对于现有深度学习与数值优化方法具有优势，并展示了所提方法在训练与测试数据集间存在模型失配时的鲁棒性。
引用
@article{arxiv.2012.03655,
title = {Multicell Power Control under Rate Constraints with Deep Learning},
author = {Yinghan Li and Shengqian Han and Chenyang Yang},
journal= {arXiv preprint arXiv:2012.03655},
year = {2020}
}