論文の概要: Digital Twin-Aided Learning for Managing Reconfigurable Intelligent
Surface-Assisted, Uplink, User-Centric Cell-Free Systems
- arxiv url: http://arxiv.org/abs/2302.05073v1
- Date: Fri, 10 Feb 2023 06:14:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-13 16:29:24.479298
- Title: Digital Twin-Aided Learning for Managing Reconfigurable Intelligent
Surface-Assisted, Uplink, User-Centric Cell-Free Systems
- Title(参考訳): 再構成可能なインテリジェント表面支援・アップリンク・ユーザ中心セルフリーシステムのためのデジタル双対学習
- Authors: Yingping Cui, Tiejun Lv, Wei Ni, Abbas Jamalipour
- Abstract要約: 本稿では、デジタルツイン(DT)の助けを借りて、新しい、再構成可能なインテリジェントサーフェス(RIS)支援、アップリンク、ユーザ中心のセルフリー(UCCF)システムを提案する。
具体的には、アクセスポイントとユーザアソシエーション(AUA)、電力制御、RISビームフォーミングを共同で最適化することで、総和率を最大化する新しい学習フレームワークを提案する。
- 参考スコア(独自算出の注目度): 34.81029978058933
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper puts forth a new, reconfigurable intelligent surface
(RIS)-assisted, uplink, user-centric cell-free (UCCF) system managed with the
assistance of a digital twin (DT). Specifically, we propose a novel learning
framework that maximizes the sum-rate by jointly optimizing the access point
and user association (AUA), power control, and RIS beamforming. This problem is
challenging and has never been addressed due to its prohibitively large and
complex solution space. Our framework decouples the AUA from the power control
and RIS beamforming (PCRB) based on the different natures of their variables,
hence reducing the solution space. A new position-adaptive binary particle
swarm optimization (PABPSO) method is designed for the AUA. Two twin-delayed
deep deterministic policy gradient (TD3) models with new and refined state
pre-processing layers are developed for the PCRB. Another important aspect is
that a DT is leveraged to train the learning framework with its replay of
channel estimates stored. The AUA, power control, and RIS beamforming are only
tested in the physical environment at the end of selected epochs. Simulations
show that using RISs contributes to considerable increases in the sum-rate of
UCCF systems, and the DT dramatically reduces overhead with marginal
performance loss. The proposed framework is superior to its alternatives in
terms of sum-rate and convergence stability.
- Abstract(参考訳): 本稿では、デジタルツイン(DT)の助けを借りて、新しい、再構成可能なインテリジェントサーフェス(RIS)支援、アップリンク、ユーザ中心のセルフリー(UCCF)システムを提案する。
具体的には,アクセスポイントとユーザアソシエーション(aua),電力制御,risビームフォーミングを共同で最適化し,総和率を最大化する新しい学習フレームワークを提案する。
この問題は困難であり、その巨大で複雑な解空間のために解決されたことはない。
我々のフレームワークは、AUAを出力制御とRISビームフォーミング(PCRB)から分離し、それらの変数の異なる性質に基づいて解空間を減少させる。
新しい位置適応二元粒子群最適化法(PABPSO)がAUA向けに設計されている。
PCRB向けには2つの2遅延深い決定論的ポリシー勾配 (TD3) モデルと、新しいおよび洗練された状態前処理層を開発した。
もうひとつの重要な側面は、DTが学習フレームワークのトレーニングに利用され、チャネル推定のリプレイが格納されていることだ。
AUA、パワーコントロール、RISビームフォーミングは、選択されたエポックの終わりの物理的環境でのみ試験される。
シミュレーションにより、RISの使用はUCCFシステムの総和率を大幅に向上させ、DTは限界性能損失でオーバーヘッドを劇的に減少させることが示された。
提案手法は, 総和率と収束安定性の点で, 代替案よりも優れている。
関連論文リスト
- Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。
STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。
複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
論文 参考訳(メタデータ) (2024-06-19T07:17:04Z) - Differentially Private Federated Learning via Reconfigurable Intelligent
Surface [27.004823731436765]
フェデレートラーニング(FL)は、分散化されたローカルデータセットを共有せずに、グローバルモデルの協調トレーニングを可能にする。
本稿では,学習精度とプライバシのジレンマを軽減するために,再構成可能インテリジェントサーフェス (RIS) を用いたオーバー・ザ・エア FLシステムを提案する。
論文 参考訳(メタデータ) (2022-03-31T13:45:02Z) - Reconfigurable Intelligent Surface Enabled Spatial Multiplexing with
Fully Convolutional Network [40.817290717344534]
RIS(Reconfigurable Surface)は、無線通信システムのための新興技術である。
本稿では,この問題を解決するために完全畳み込みネットワーク(WSNFC)を提案する。
我々は、RISとダイレクトチャネルを経由するカスケードチャネルを含む一連のチャネル機能を設計する。
論文 参考訳(メタデータ) (2022-01-08T14:16:00Z) - 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) - Ultra-Reliable Indoor Millimeter Wave Communications using Multiple
Artificial Intelligence-Powered Intelligent Surfaces [115.85072043481414]
複数人工知能(AI)対応再構成可能なインテリジェントサーフェス(RIS)を用いた超信頼性ミリ波(mmW)通信を保証する新しいフレームワークを提案する。
複数のAI駆動RISを使用することで、mmWアクセスポイント(AP)から送信される信号の伝搬方向を変更できます。
mmW APとRISのポリシーを制御するために、2つの集中型および分散コントローラが提案されている。
論文 参考訳(メタデータ) (2021-03-31T19:15:49Z) - 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) - Adaptive Subcarrier, Parameter, and Power Allocation for Partitioned
Edge Learning Over Broadband Channels [69.18343801164741]
パーティショニングエッジ学習(PARTEL)は、無線ネットワークにおいてよく知られた分散学習手法であるパラメータサーバトレーニングを実装している。
本稿では、いくつかの補助変数を導入してParticleELを用いてトレーニングできるディープニューラルネットワーク(DNN)モデルについて考察する。
論文 参考訳(メタデータ) (2020-10-08T15:27:50Z) - Simplified Swarm Optimization for Bi-Objection Active Reliability
Redundancy Allocation Problems [1.5990720051907859]
信頼性冗長性割り当て問題(RRAP)は、システム設計、開発、管理においてよく知られた問題である。
本研究では, コスト制約を新たな目標として変更することにより, 両対象RRAPを定式化する。
提案課題を解決するために,ペナルティ関数を備えた新しい簡易スワム最適化 (SSO) ,実効1型ソリューション構造,数値ベースの自己適応型新しい更新機構,制約付き非支配型ソリューション選択,および新しいpBest代替ポリシーを開発した。
論文 参考訳(メタデータ) (2020-06-17T13:15:44Z) - 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) - RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment
and Passive Beamforming Design [116.88396201197533]
再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。
エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。
リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。
RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-01-28T14:37:38Z)
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。