Core Concepts
提案するFL-MARLアルゴリズムは、従来のアプローチと比較して計算複雑性を大幅に削減しつつ、同等のスペクトル効率性能を達成する。
Abstract
本論文では、RIS搭載型セルフリーマッシブMIMOシステムにおける下りリンクの共同プリコーディングおよびフェーズシフト最適化問題を検討する。従来のアプローチでは、交互最適化手法に依存しており、高いバックホール容量を必要としていた。
提案するアプローチでは、マルチエージェント強化学習(MARL)に基づいた2層のネットワークを設計する。各アクセスポイント(AP)は局所的なチャネル状態情報(CSI)のみを必要とするため、バックホールリンクの負荷を軽減できる。さらに、ファジィロジック(FL)を導入することで、MARLアルゴリズムの収束速度を向上させ、計算複雑性をさらに削減する。
シミュレーション結果より、提案するFL-MARLアルゴリズムは、限られた学習時間内で従来のアプローチと同等のスペクトル効率(SE)性能を達成しつつ、計算複雑性を大幅に削減できることが示された。
Stats
RIS搭載型セルフリーマッシブMIMOシステムにおける下りリンクのSINRは以下のように表される:
γk = | PL
l=1 ˆ
hH
l,kwl|2 / (P
j̸=k | PL
l=1 ˆ
hH
l,kwj|2 + σ2)
ユーザkのスペクトル効率は以下のように表される:
Rk = log2(1 + γk)
全体のスペクトル効率の最大化問題は以下のように定式化される:
max sum-SE = PK
k=1 log2(1 + γk)
s.t. PK
k=1 ∥wk∥2 ≤ Pl,max, ∀k ∈ K, l ∈ L
θr,n ∈ [0, 2π], ∀r ∈ R, n ∈ N
Quotes
"従来のアプローチは交互最適化手法に依存しており、高いバックホール容量を必要としていた。"
"提案するFL-MARLアルゴリズムは、限られた学習時間内で従来のアプローチと同等のスペクトル効率性能を達成しつつ、計算複雑性を大幅に削減できる。"