論文の概要: Multi-IRS-assisted Multi-Cell Uplink MIMO Communications under Imperfect
CSI: A Deep Reinforcement Learning Approach
- arxiv url: http://arxiv.org/abs/2011.01141v6
- Date: Thu, 1 Apr 2021 10:22:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 11:49:26.374058
- Title: Multi-IRS-assisted Multi-Cell Uplink MIMO Communications under Imperfect
CSI: A Deep Reinforcement Learning Approach
- Title（参考訳）: 非完全csi下のマルチirs支援マルチセルアップリンクmimo通信:深層強化学習アプローチ
- Authors: Junghoon Kim, Seyyedali Hosseinalipour, Taejoon Kim, David J. Love,
Christopher G. Brinton
- Abstract要約: アップリンクにおけるマルチIRS支援マルチセルネットワークのための新しい手法を開発した。
我々は、IRSビームリフレクター、BSコンバインダ、UE送信パワーを共同最適化することを目的とした和率問題を定式化する。
その結果,本手法はベースライン手法と比較して,平均データレートが大幅に向上していることが示唆された。
- 参考スコア（独自算出の注目度）: 27.93504884774207
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Applications of intelligent reflecting surfaces (IRSs) in wireless networks
have attracted significant attention recently. Most of the relevant literature
is focused on the single cell setting where a single IRS is deployed and
perfect channel state information (CSI) is assumed. In this work, we develop a
novel methodology for multi-IRS-assisted multi-cell networks in the uplink. We
consider the scenario in which (i) channels are dynamic and (ii) only partial
CSI is available at each base station (BS); specifically, scalar effective
channel powers from only a subset of user equipments (UE). We formulate the
sum-rate maximization problem aiming to jointly optimize the IRS reflect
beamformers, BS combiners, and UE transmit powers. In casting this as a
sequential decision making problem, we propose a multi-agent deep reinforcement
learning algorithm to solve it, where each BS acts as an independent agent in
charge of tuning the local UE transmit powers, the local IRS reflect
beamformer, and its combiners. We introduce an efficient information-sharing
scheme that requires limited information exchange among neighboring BSs to cope
with the non-stationarity caused by the coupling of actions taken by multiple
BSs. Our numerical results show that our method obtains substantial improvement
in average data rate compared to baseline approaches, e.g., fixed UE transmit
power and maximum ratio combining.
- Abstract（参考訳）: 近年,無線ネットワークにおけるインテリジェント反射面(IRS)の応用が注目されている。
関連する文献のほとんどは、単一のIRSがデプロイされ、完全なチャネル状態情報(CSI)が想定される単一セル設定に焦点を当てている。
本研究では,アップリンクにおけるマルチIRS支援マルチセルネットワークのための新しい手法を開発する。
我々はそのシナリオを考察する
i)チャネルは動的で動的である
(ii)各基地局(bs)には部分csiのみがあり、具体的には、ユーザ機器(ue)のサブセットのみから有効チャネル電力をスカラーする。
我々は,irs反射ビームフォーマ,bsコンバイン,ue伝送パワーを共同で最適化することを目的とした合計レート最大化問題を定式化する。
これを逐次的意思決定問題としてキャスティングするにあたって,我々は,各bsが独立エージェントとして,局所ue送信電力のチューニング,局所irs反射ビームフォーマとそのコンビネータの調整を行うマルチエージェント深層強化学習アルゴリズムを提案する。
複数のBSが行う動作のカップリングによって生じる非定常性に対処するために、近隣のBS間で限られた情報交換を必要とする効率的な情報共有方式を提案する。
提案手法は,固定UE送信電力と最大比の組合せなどのベースライン手法と比較して,平均データレートが大幅に向上することを示す。
関連論文リスト
- Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。
DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。
本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:13:02Z) - Benchmarking Semantic Communications for Image Transmission Over MIMO Interference Channels [11.108614988357008]
一般マルチインプット・マルチアウトプット(MIMO)干渉チャネルに対するインターフェクト・ロバスト・セマンティック通信(IRSC)方式を提案する。
このスキームはニューラルネットワーク(NN)に基づくトランシーバの開発を伴い、チャネル状態情報(CSI)を受信機のみ、または送信機と受信機の両方の端で統合する。
実験結果から、IRSC方式は干渉を緩和し、ベースラインアプローチより優れることを示す。
論文 参考訳（メタデータ） (2024-04-10T11:40:22Z) - Joint User Association, Interference Cancellation and Power Control for
Multi-IRS Assisted UAV Communications [80.35959154762381]
インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。
既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。
我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
論文 参考訳（メタデータ） (2023-12-08T01:57:10Z) - Deep Learning Based Uplink Multi-User SIMO Beamforming Design [32.00286337259923]
5G無線通信ネットワークは、高いデータレート、広範なカバレッジ、最小レイテンシ、エネルギー効率のパフォーマンスを提供する。
計算複雑性や動的条件に適応する能力に関して、従来のアプローチには欠点がある。
本稿では,アップリンク受信型マルチユーザ入力多重出力(MU-SIMO)ビームフォーミングの設計のための,NNBFと呼ばれる新しい教師なしディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-28T17:04:41Z) - Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable
Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。
しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。
本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
論文 参考訳（メタデータ） (2022-09-18T03:07:37Z) - A Robust Deep Learning-Based Beamforming Design for RIS-assisted
Multiuser MISO Communications with Practical Constraints [4.727307803726522]
RIS支援マルチユーザマルチインプットシングルアウトプットダウンリンク通信システムについて検討する。
我々は、アクティブビームフォーミングとパッシブビームフォーミングを同時に設計するディープ量子化ニューラルネットワーク(DQNN)を開発した。
提案した2つのDQNNアルゴリズムは、離散位相シフトと不完全なCSIが同時に考慮される場合に拡張する。
論文 参考訳（メタデータ） (2021-11-12T03:53:20Z) - Optimal Power Allocation for Rate Splitting Communications with Deep
Reinforcement Learning [61.91604046990993]
このレターでは、レート分割多重アクセスネットワークにおいて、ユーザの電力割り当てを最適化するための新しいフレームワークを紹介します。
ネットワークでは、ユーザのために意図されたメッセージは、単一の共通部分と個々のプライベート部分に分割される。
論文 参考訳（メタデータ） (2021-07-01T06:32:49Z) - Binarized Aggregated Network with Quantization: Flexible Deep Learning
Deployment for CSI Feedback in Massive MIMO System [22.068682756598914]
アグリゲートチャネル再構築ネットワーク(ACRNet)と呼ばれる新しいネットワークは、フィードバックパフォーマンスを高めるように設計されています。
異なる資源制約を満たすために,ネットワークを柔軟に適応させる弾性フィードバック方式を提案する。
実験の結果、提案したACRNetは従来の最先端ネットワークの負荷よりも優れていた。
論文 参考訳（メタデータ） (2021-05-01T22:50:25Z) - Phase Configuration Learning in Wireless Networks with Multiple
Reconfigurable Intelligent Surfaces [50.622375361505824]
RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。
RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。
RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
論文 参考訳（メタデータ） (2020-10-09T05:35:27Z) - Millimeter Wave Communications with an Intelligent Reflector:
Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。
チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。
最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-02-24T22:18:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。