自调谐扇区化：深度强化学习遇上广播波束优化
信号处理
2019-06-17 v1 信息论
math.IT
摘要
多输入多输出 (MIMO) 系统中的波束成形是现代无线通信的关键技术之一。构建合适的扇区专用广播波束对于增强蜂窝网络覆盖及改善控制信号的广播操作至关重要。然而，为使覆盖最大化，广播波束的方向图需随用户分布及随时间移动而自适应调整。本工作中，我们提出自调谐扇区化：一种深度强化学习框架，基于网络中用户分布自主动态地优化 MIMO 广播波束。深度强化学习智能体直接以 UE 测量结果作为输入，可追踪并预测 UE 分布模式，并为每个小区给出最佳广播波束。大量仿真结果表明，所引入的框架可实现最优覆盖，并在单扇区与多扇区环境以及周期性与马尔可夫移动模式下收敛至预言者解。
引用
@article{arxiv.1906.06021,
title = {Self-Tuning Sectorization: Deep Reinforcement Learning Meets Broadcast Beam Optimization},
author = {Rubayet Shafin and Hao Chen and Young Han Nam and Sooyoung Hur and Jeongho Park and Jianzhong and Zhang and Jeffrey Reed and Lingjia Liu},
journal= {arXiv preprint arXiv:1906.06021},
year = {2019}
}
备注
30 pages, 16 figures