論文の概要: Deep Reinforcement Learning Powered IRS-Assisted Downlink NOMA

• arxiv url: http://arxiv.org/abs/2104.01414v1
• Date: Sat, 3 Apr 2021 14:10:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-07 12:24:26.876607
• Title: Deep Reinforcement Learning Powered IRS-Assisted Downlink NOMA
• Title（参考訳）: 深部強化学習型IRS支援ダウンリンクNOMA
• Authors: Muhammad Shehab, Bekir S. Ciftler, Tamer Khattab, Mohamed Abdallah, and Daniele Trinchero
• Abstract要約: DRL方式に基づくIRS支援NOMAは、OMA方式に比べて高い総和率を実現し、電力の増大に伴い、より多くの利用者が利用できるようになることを示す。
• 参考スコア（独自算出の注目度）: 6.3510536583205255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we examine an intelligent reflecting surface (IRS) assisted downlink non-orthogonal multiple access (NOMA) scenario with the aim of maximizing the sum rate of users. The optimization problem at the IRS is quite complicated, and non-convex, since it requires the tuning of the phase shift reflection matrix. Driven by the rising deployment of deep reinforcement learning (DRL) techniques that are capable of coping with solving non-convex optimization problems, we employ DRL to predict and optimally tune the IRS phase shift matrices. Simulation results reveal that IRS assisted NOMA based on our utilized DRL scheme achieves high sum rate compared to OMA based one, and as the transmit power increases, the capability of serving more users increases. Furthermore, results show that imperfect successive interference cancellation (SIC) has a deleterious impact on the data rate of users performing SIC. As the imperfection increases by ten times, the rate decreases by more than 10%.
• Abstract（参考訳）: 本研究では、ユーザの総和率を最大化するために、インテリジェント反射面(IRS)を利用したダウンリンク非直交多重アクセス(NOMA)シナリオを検討する。 IRSにおける最適化問題は、位相シフト反射行列のチューニングを必要とするため、非常に複雑で非凸である。 非凸最適化問題に対処可能な深部強化学習(DRL)技術の展開が増加する中で,我々はDRLを用いてIRS位相シフト行列の予測と最適調整を行う。 シミュレーションの結果,我々の利用したDRL方式に基づくIRS支援NOMAはOMA方式に比べて高い総和率を実現し,送信電力の増加に伴い,より多くのユーザに提供する能力が向上することがわかった。 さらに、不完全な逐次干渉キャンセル(SIC)がSICを行うユーザのデータレートに悪影響を及ぼすことを示す。 不完全性が10倍に増加すると、その率は10%以上減少する。

関連論文リスト

• Large Language Model Empowered Embedding Generator for Sequential Recommendation [57.49045064294086]
  大言語モデル(LLM)は、その人気に関係なく、項目間の意味的関係を理解する能力を持つ。 LLMEmbは、LCMを利用してアイテム埋め込みを作成し、シークエンシャル・レコメンダ・システムの性能を高める革新的な技術である。
  論文  参考訳（メタデータ） (2024-09-30T03:59:06Z)
• IRS-Assisted Lossy Communications Under Correlated Rayleigh Fading: Outage Probability Analysis and Optimization [23.863453726808796]
  本稿では,レイリーフェーディングを用いたインテリジェント反射面(IRS)を用いた損失通信システムについて述べる。 相関チャネルモデルを分析し,システム停止確率を導出する。 そして、IRSの位相シフトを最適化するために、深層強化学習法(DRL)を設計する。
  論文  参考訳（メタデータ） (2024-08-13T15:27:30Z)
• 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 Reinforcement Learning-Based Adaptive IRS Control with Limited Feedback Codebooks [26.312293813063558]
  我々は、インテリジェント反射面(IRS)を制御するための適応型コードブックベースの制限フィードバックプロトコルを開発した。 適応型IRSコードブック設計のための2つのソリューションを提案する。 (i) チャネル実現間の相関を利用したランダム・アジャクシー(RA) と (ii) ディープニューラルネットワークポリシーに基づくIDS制御 (DPIC) である。 数値評価の結果,提案手法により,コヒーレンス時間におけるデータレートと平均データレートが大幅に改善された。
  論文  参考訳（メタデータ） (2022-05-07T11:21:19Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• On the Robustness of Deep Reinforcement Learning in IRS-Aided Wireless Communications Systems [31.70191055921352]
  我々は、ダウンリンク伝送のためのインテリジェントリフレクティングサーフェス(IRS)支援マルチインプット・シングルアウトプット(MISO)システムについて検討する。 我々は、IRS要素の最適位相シフトを求める際に、Deep Reinforcement Learning(DRL)と従来の最適化手法の性能を比較した。 DRLソリューションは,ノイズの多いチャネルやユーザモビリティに対して,より堅牢性を示すことを示す。
  論文  参考訳（メタデータ） (2021-07-17T17:42:25Z)
• Optimization-driven Machine Learning for Intelligent Reflecting Surfaces Assisted Wireless Networks [82.33619654835348]
  インテリジェントサーフェス(IRS)は、個々の散乱素子の位相シフトを制御して無線チャネルを再形成するために用いられる。 散乱素子の規模が大きいため、受動ビームフォーミングは一般に高い計算複雑性によって挑戦される。 本稿では、IRS支援無線ネットワークの性能向上のための機械学習(ML)アプローチに焦点を当てる。
  論文  参考訳（メタデータ） (2020-08-29T08:39:43Z)
• Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
  Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。 我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。 過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-05-25T01:42:55Z)
• 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。