論文の概要: Self-Organizing mmWave MIMO Cell-Free Networks With Hybrid Beamforming:
A Hierarchical DRL-Based Design
- arxiv url: http://arxiv.org/abs/2103.11823v1
- Date: Wed, 17 Mar 2021 03:31:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 02:38:17.475588
- Title: Self-Organizing mmWave MIMO Cell-Free Networks With Hybrid Beamforming:
A Hierarchical DRL-Based Design
- Title（参考訳）: ハイブリッドビームフォーミングを用いた自己組織型mmWave MIMOセルフリーネットワーク:階層DRLに基づく設計
- Authors: Yasser Al-Eryani and Ekram Hossain
- Abstract要約: セルフリー無線ネットワークにおいて、分散アクセスポイント(AP)は、同じ時間/周波数リソースを用いて、カバーエリア内のすべてのユーザ機器(UE)を共同で提供する。
深層学習(DRL)に基づく複数のネットワーク分割を提案する。
異なるセルフリーワーク間の干渉を設計するために,新しいハイブリッドビームストデジタルビームモデルを開発した。
- 参考スコア（独自算出の注目度）: 30.70798412145064
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In a cell-free wireless network, distributed access points (APs) jointly
serve all user equipments (UEs) within the their coverage area by using the
same time/frequency resources. In this paper, we develop a novel downlink
cell-free multiple-input multiple-output (MIMO) millimeter wave (mmWave)
network architecture that enables all APs and UEs to dynamically self-partition
into a set of independent cell-free subnetworks in a time-slot basis. For this,
we propose several network partitioning algorithms based on deep reinforcement
learning (DRL). Furthermore, to mitigate interference between different
cell-free subnetworks, we develop a novel hybrid analog beamsteering-digital
beamforming model that zero-forces interference among cell-free subnetworks and
at the same time maximizes the instantaneous sum-rate of all UEs within each
subnetwork. Specifically, the hybrid beamforming model is implemented by using
a novel mixed DRL-convex optimization method in which analog beamsteering
between APs and UEs is conducted based on DRL while digital beamforming is
modeled and solved as a convex optimization problem. The DRL models for network
clustering and hybrid beamsteering are combined into a single hierarchical DRL
design that enables exchange of DRL agents' experiences during both network
training and operation. We also benchmark the performance of DRL models for
clustering and beamsteering in terms of network performance, convergence rate,
and computational complexity.
- Abstract（参考訳）: セルフリー無線ネットワークにおいて、分散アクセスポイント(AP)は同じ時間/周波数リソースを用いて、カバーエリア内のすべてのユーザ機器(UE)を共同で提供する。
本稿では,全てのAPとUEを独立セルフリーサブネットワークに動的に分割することのできる,新しいダウンリンクセルフリーマルチインプット・マルチインプット・マルチアウトプット(MIMO)ミリ波(mmWave)ネットワークアーキテクチャを開発する。
そこで本研究では,深部強化学習(DRL)に基づくネットワーク分割アルゴリズムを提案する。
さらに, セルフリーサブネットワーク間の干渉を軽減するため, セルフリーサブネットワーク間の干渉をゼロにし, 同時に各サブネットワーク内の全てのUEの瞬時和率を最大化するハイブリッドアナログビームステアリング・デジタルビームフォーミングモデルを開発した。
具体的には、デジタルビームフォーミングをモデル化し、凸最適化問題として解きながら、DRLに基づいてAPとUE間のアナログビームステアリングを行う新しい混合DRL凸最適化法を用いてハイブリッドビームフォーミングモデルを実現する。
ネットワーククラスタリングとハイブリッドビームステアリングのためのDRLモデルは、ネットワークトレーニングと運用の両方でDRLエージェントの経験を交換できる単一の階層型DRL設計に統合される。
また,クラスタリングおよびビームステアリングのためのDRLモデルの性能を,ネットワーク性能,収束率,計算複雑性の観点からベンチマークした。
関連論文リスト
- Multi-Flow Transmission in Wireless Interference Networks: A Convergent
Graph Learning Approach [9.852567834643292]
ネットワークデータ信号の2段階干渉対応マルチフロー最適化(DIAMOND)という新しいアルゴリズムを提案する。
集中型ステージは、グラフニューラルネットワーク(GNN)強化学習(RL)ルーティングエージェントの新しい設計を用いて、マルチフロー伝送戦略を計算する。
そして、分散学習更新の新しい設計に基づいて、分散ステージにより性能が向上する。
論文 参考訳（メタデータ） (2023-03-27T18:49:47Z) - Predictive GAN-powered Multi-Objective Optimization for Hybrid Federated
Split Learning [56.125720497163684]
無線ネットワークにおけるハイブリッド・フェデレーション・スプリット・ラーニング・フレームワークを提案する。
ラベル共有のないモデル分割のための並列計算方式を設計し,提案方式が収束速度に与える影響を理論的に解析する。
論文 参考訳（メタデータ） (2022-09-02T10:29:56Z) - Parallel Successive Learning for Dynamic Distributed Model Training over
Heterogeneous Wireless Networks [50.68446003616802]
フェデレートラーニング(Federated Learning, FedL)は、一連の無線デバイスにモデルトレーニングを配布する一般的なテクニックとして登場した。
我々は,FedLアーキテクチャを3次元に拡張した並列逐次学習(PSL)を開発した。
我々の分析は、分散機械学習におけるコールド対ウォームアップモデルの概念とモデル慣性について光を当てている。
論文 参考訳（メタデータ） (2022-02-07T05:11:01Z) - Data-Driven Deep Learning Based Hybrid Beamforming for Aerial Massive
MIMO-OFDM Systems with Implicit CSI [29.11998008894847]
本稿では,データ駆動型深層学習に基づく統合ハイブリッドビームフォーミングフレームワークを提案する。
TDDシステムでは、提案されたDLベースのアプローチは、E2Eニューラルネットワークとして、アップリンクパイロットの組み合わせとダウンリンクハイブリッドビームフォーミングモジュールを共同でモデル化する。
FDDシステムにおいて、我々は、E2Eニューラルネットワークとして、ダウンリンクパイロットトランスミッション、アップリンクCSIフィードバック、およびダウンリンクハイブリッドビームフォーミングモジュールを共同でモデル化する。
論文 参考訳（メタデータ） (2022-01-18T07:21:00Z) - Semantic-Aware Collaborative Deep Reinforcement Learning Over Wireless
Cellular Networks [82.02891936174221]
複数のエージェントが無線ネットワーク上で協調できるコラボレーティブディープ強化学習(CDRL)アルゴリズムは有望なアプローチである。
本稿では,リソース制約のある無線セルネットワーク上で,意味的にリンクされたDRLタスクを持つ未学習エージェントのグループを効率的に協調させる,新しい意味認識型CDRL手法を提案する。
論文 参考訳（メタデータ） (2021-11-23T18:24:47Z) - Unit-Modulus Wireless Federated Learning Via Penalty Alternating
Minimization [64.76619508293966]
Wireless Federated Learning(FL)は、分散データセットから無線通信を介してグローバルパラメトリックモデルをトレーニングする、新興機械学習パラダイムである。
本稿では、ローカルモデルパラメータをアップロードし、無線通信を介してグローバルモデルパラメータを算出する無線FLフレームワークを提案する。
論文 参考訳（メタデータ） (2021-08-31T08:19:54Z) - Limited-Fronthaul Cell-Free Hybrid Beamforming with Distributed Deep
Neural Network [0.0]
近接最適解は、アクセスポイント(AP)とネットワークコントローラ(NC)の間で大量の信号交換を必要とする。
本稿では,AP と NC 間の通信オーバーヘッドをゼロあるいは限定して協調ハイブリッドビームフォーミングを行うことができる2つの非教師なしディープニューラルネットワーク(DNN)アーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-06-30T16:42:32Z) - Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。
我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
論文 参考訳（メタデータ） (2021-06-15T09:03:28Z) - Federated Dropout Learning for Hybrid Beamforming With Spatial Path
Index Modulation In Multi-User mmWave-MIMO Systems [19.10321102094638]
SPIM-MIMOシステムにおけるビームフォーマー設計のためのモデルベースおよびモデルフリーフレームワークを紹介します。
提案手法は,最新のSPIM-MIMO法やmmWave-MIMO法よりも高いスペクトル効率を示す。
論文 参考訳（メタデータ） (2021-02-15T10:49:26Z) - Multiple Access in Dynamic Cell-Free Networks: Outage Performance and
Deep Reinforcement Learning-Based Design [24.632250413917816]
将来のセルフリー(またはセルレス)無線ネットワークでは、地理的領域の多数のデバイスが同時に多数の分散アクセスポイント(AP)によって提供される。
我々は,多数のデバイスやAPが存在する場合に,ユーザの信号の共同処理の複雑さを低減するために,新しい動的セルフリーネットワークアーキテクチャを提案する。
システム設定では, DDPG-DDQN方式は, 網羅的な検索ベース設計により, 達成可能なレートの約78%を達成できることがわかった。
論文 参考訳（メタデータ） (2020-01-29T03:00:22Z) - Model Fusion via Optimal Transport [64.13185244219353]
ニューラルネットワークのための階層モデル融合アルゴリズムを提案する。
これは、不均一な非i.d.データに基づいてトレーニングされたニューラルネットワーク間での"ワンショット"な知識伝達に成功していることを示す。
論文 参考訳（メタデータ） (2019-10-12T22:07:15Z)
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。