基于深度强化学习的免授权NOMA-IoT网络发射功率池设计
信息论
2021-06-04 v2 math.IT
摘要
免授权非正交多址接入（GF-NOMA）是一种用于增强短包物联网（IoT）网络连接性的潜在多址接入框架。然而，由于缺少闭环功率控制，GF-NOMA中的资源分配问题具有挑战性。我们设计了一个发射功率池（PP）原型以提供开环功率控制。IoT用户仅根据自身通信距离从该原型PP中预先获取其发射功率。首先，提出一种多智能体深度Q网络（DQN）辅助的GF-NOMA算法来确定原型PP的最优发射功率等级。更具体地，每个IoT用户作为一个智能体，通过与无线环境交互学习策略，以指导其选择最优动作。其次，为防止Q学习模型的过估计问题，提出了基于双DQN的GF-NOMA算法。数值结果证实，基于双DQN的算法找出了构成PP的最优发射功率等级。与传统的在线学习方法相比，所提带有原型PP的算法由于基于先前学习限制了动作空间，在变化环境下收敛更快。在吞吐量方面，所考虑的GF-NOMA系统优于采用固定发射功率（即所有用户具有相同发射功率）的网络以及采用正交多址技术的传统GF网络。
引用
@article{arxiv.2012.06881,
title = {Transmit Power Pool Design for Grant-Free NOMA-IoT Networks via Deep Reinforcement Learning},
author = {Muhammad Fayaz and Wenqiang Yi and Yuanwei Liu and Arumugam Nallanathan},
journal= {arXiv preprint arXiv:2012.06881},
year = {2021}
}