IRS辅助MISO-NOMA网络中的资源分配：一种机器学习方法
信息论
2020-12-02 v1 math.IT
摘要
本文提出一种智能反射面(IRS)辅助的多输入单输出(MISO)非正交多址(NOMA)网络新框架，其中基站(BS)为多个簇提供服务，每个簇内用户数量不固定。目标是在满足用户速率要求的约束下，通过联合优化IRS处的无源波束赋形向量、解码顺序和功率分配系数向量，最大化所有用户的和速率。为处理所建模问题，提出一种三步方法。更具体地，首先采用基于长短期记忆(LSTM)的算法预测用户移动性；其次，提出基于K均值的高斯混合模型(K-GMM)算法进行用户分簇；第三，调用基于深度Q网络(DQN)的算法联合确定相移矩阵与功率分配策略。仿真结果表明所提算法优于基准方案，且IRS-NOMA系统性能优于IRS-OMA系统。
引用
@article{arxiv.2012.00548,
title = {Resource Allocation in IRSs Aided MISO-NOMA Networks: A Machine Learning Approach},
author = {Xinyu Gao and Yuanwei Liu and Xiao Liu and Zhijin Qin},
journal= {arXiv preprint arXiv:2012.00548},
year = {2020}
}
备注
6 pages, 5 figures. It will be published in IEEE Global Communications Conference (GC) 2020