基于分层深度强化学习的自组织毫米波MIMO无蜂窝网络与混合波束成形设计
信息论
2021-03-23 v1 机器学习
math.IT
摘要
在无蜂窝无线网络中，分布式接入点（AP）通过使用相同的时间/频率资源，联合服务其覆盖范围内的所有用户设备（UE）。在本文中，我们开发了一种新颖的下行链路无蜂窝多输入多输出（MIMO）毫米波（mmWave）网络架构，使所有AP和UE能够在时隙基础上动态自划分为一组独立的无蜂窝子网。为此，我们提出了几种基于深度强化学习（DRL）的网络划分算法。此外，为减轻不同无蜂窝子网间的干扰，我们开发了一种新颖的混合模拟波束导向-数字波束成形模型，该模型对无蜂窝子网间的干扰进行零强迫，同时最大化每个子网内所有UE的瞬时和速率。具体而言，该混合波束成形模型通过使用一种新颖的混合DRL-凸优化方法实现，其中AP与UE间的模拟波束导向基于DRL进行，而数字波束成形被建模并求解为一个凸优化问题。用于网络聚类和混合波束导向的DRL模型被组合为一个单一的分层DRL设计，使得DRL智能体经验在网络训练与运行期间均可交换。我们还从网络性能、收敛速度和计算复杂度方面对聚类和波束导向的DRL模型性能进行了基准测试。
引用
@article{arxiv.2103.11823,
title = {Self-Organizing mmWave MIMO Cell-Free Networks With Hybrid Beamforming: A Hierarchical DRL-Based Design},
author = {Yasser Al-Eryani and Ekram Hossain},
journal= {arXiv preprint arXiv:2103.11823},
year = {2021}
}