Der Artikel untersucht Netzwerk-unterstützte Vollduplexx-Zellfreie mmWave-Netzwerke, bei denen die Verteilung der sendenden und empfangenden Zugangspunkte über verschiedene geografische Standorte die Überlagerungsinterferenz reduziert und einen flexiblen Duplexmodus ermöglicht. Um die Kosten und den Energieverbrauch für den mmWave-Betrieb zu senken, verwendet jeder Zugangspunkt eine hybride digital-analoge Struktur für Vorcodierung und Kombination.
Zunächst wird ein hybrides MIMO-Verarbeitungsrahmenwerk präsentiert, das explizite Ausdrücke für die erreichbaren Raten im Uplink und Downlink ableitet. Dann wird ein Leistungszuweisungsproblem formuliert, um die gewichtete bidirektionale Summenrate zu maximieren. Um dieses nicht-konvexe Problem zu lösen, wird ein kollaborativer Multi-Agenten-Deep-Reinforcement-Learning-Algorithmus (MATD3) entwickelt. Da die Uplink- und Downlink-Leistungskoeffizienten in Netzwerk-unterstützten Vollduplexx-Zellfreien mmWave-Netzwerken eng miteinander verbunden sind, löst der MATD3-Algorithmus diese gekoppelten Konflikte durch einen interaktiven Lernprozess zwischen Agenten und Umgebung.
Die Simulationsergebnisse validieren die Effektivität der vorgeschlagenen Kanalschätzverfahren innerhalb des hybriden MIMO-Verarbeitungsparadigmas und zeigen, dass der MATD3-Algorithmus sowohl den MADDPG-Algorithmus als auch herkömmliche Leistungszuweisungsstrategien übertrifft.
Til et annet språk
fra kildeinnhold
arxiv.org
Viktige innsikter hentet fra
by Qingrui Fan,... klokken arxiv.org 04-02-2024
https://arxiv.org/pdf/2404.00631.pdfDypere Spørsmål