論文の概要: Enhancing User Throughput in Multi-panel mmWave Radio Access Networks for Beam-based MU-MIMO Using a DRL Method
- arxiv url: http://arxiv.org/abs/2603.02745v1
- Date: Tue, 03 Mar 2026 08:46:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-04 21:38:10.716581
- Title: Enhancing User Throughput in Multi-panel mmWave Radio Access Networks for Beam-based MU-MIMO Using a DRL Method
- Title（参考訳）: DRL法を用いたMMU-MIMO用マルチパネルミリ波無線アクセスネットワークのユーザスループット向上
- Authors: Ramin Hashemi, Vismika Ranasinghe, Teemu Veijalainen, Petteri Kela, Risto Wichman,
- Abstract要約: 本稿では,ミリ波無線アクセスネットワークにおけるユーザスループット向上のための深層強化学習(DRL)手法を提案する。
DRLに基づく定式化は,通信エージェントと環境間の相互作用をマルコフ決定プロセスとしてモデル化する適応ビーム管理戦略を利用する。
その結果,スループットが最大16%向上し,ベースラインに比べて3～7倍のレイテンシが低下した。
- 参考スコア（独自算出の注目度）: 5.152459469606549
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Millimeter-wave (mmWave) communication systems, particularly those leveraging multi-user multiple-input and multiple-output (MU-MIMO) with hybrid beamforming, face challenges in optimizing user throughput and minimizing latency due to the high complexity of dynamic beam selection and management. This paper introduces a deep reinforcement learning (DRL) approach for enhancing user throughput in multi-panel mmWave radio access networks in a practical network setup. Our DRL-based formulation utilizes an adaptive beam management strategy that models the interaction between the communication agent and its environment as a Markov decision process (MDP), optimizing beam selection based on real-time observations. The proposed framework exploits spatial domain (SD) characteristics by incorporating the cross-correlation between the beams in different antenna panels, the measured reference signal received power (RSRP), and the beam usage statistics to dynamically adjust beamforming decisions. As a result, the spectral efficiency is improved and end-to-end latency is reduced. The numerical results demonstrate an increase in throughput of up to 16% and a reduction in latency by factors 3-7x compared to baseline (legacy beam management).
- Abstract（参考訳）: ミリ波通信システム、特にマルチユーザマルチインプットとマルチアウトプット(MU-MIMO)をハイブリッドビームフォーミングで利用する場合、動的ビーム選択と管理の複雑さのため、ユーザスループットの最適化とレイテンシの最小化という課題に直面している。
本稿では,マルチパネルmmWave無線アクセスネットワークにおけるユーザスループットを実用的なネットワーク構成で向上するための,深層強化学習(DRL)アプローチを提案する。
DRLに基づく定式化では,通信エージェントと環境間の相互作用をマルコフ決定プロセス(MDP)としてモデル化し,リアルタイム観測に基づくビーム選択を最適化する適応ビーム管理手法を用いている。
提案フレームワークは、異なるアンテナパネルにビーム間の相互相関、測定基準信号受信電力(RSRP)、ビーム利用統計を取り入れ、ビーム形成決定を動的に調整することで空間領域(SD)特性を利用する。
その結果、スペクトル効率が向上し、エンドツーエンドのレイテンシが低減される。
その結果,最大16%のスループット向上と,ベースライン(レガシビーム管理)に比べて3～7倍のレイテンシ低下が認められた。
関連論文リスト
- PASS-Enhanced MEC: Joint Optimization of Task Offloading and Uplink PASS Beamforming [67.78883135636657]
ピンチアンテナシステム (PASS) によるモバイルエッジコンピューティング (MEC) アーキテクチャについて検討した。
PASSは、重要な経路損失と潜在的な信号遮断を効果的に軽減しつつ、短距離ライン・オブ・ライト(LoS)リンクを確立する。
ネットワーク遅延最小化問題を定式化し、アップリンクPASSビームフォーミングとタスクオフロードを共同で最適化する。
論文 参考訳（メタデータ） (2025-10-27T03:04:46Z) - Joint Channel Estimation and Computation Offloading in Fluid Antenna-assisted MEC Networks [81.36647816787713]
チャネル推定の遅延を最小限に抑えるためのFA支援オフロードフレームワークを提案する。
提案方式は,効率的な通信を行う場合の精度を大幅に低下させることを示す。
論文 参考訳（メタデータ） (2025-09-16T08:48:44Z) - Learning-Based Multiuser Scheduling in MIMO-OFDM Systems with Hybrid Beamforming [1.4272256806865102]
周波数分割多重化(OFDM)とハイブリッドビームフォーミングを用いたマルチ入力多重出力(MIMO)システムにおけるマルチユーザスケジューリング問題について検討する。
スケジューリングを行うために、グリージーやソートアルゴリズムなどのソリューションを提案し、次に機械学習(ML)アプローチを提案する。
論文 参考訳（メタデータ） (2025-06-09T21:59:05Z) - Beamforming and Resource Allocation for Delay Minimization in RIS-Assisted OFDM Systems [38.71413228444903]
本稿では、ダウンリンク再構成可能なインテリジェントサーフェス(RIS)支援OFDMシステムにおけるビームフォーミングと資源配分の問題について検討する。
混合作用空間を効果的に処理し, 状態空間次元を低減するために, ハイブリッド深部強化学習(DRL)手法を提案する。
提案アルゴリズムは, 平均遅延を著しく低減し, 資源配分効率を向上し, システムの堅牢性と公平性を向上する。
論文 参考訳（メタデータ） (2025-06-04T05:33:33Z) - Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。
マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。
その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
論文 参考訳（メタデータ） (2025-04-07T15:38:25Z) - Multi-Modal Transformer and Reinforcement Learning-based Beam Management [10.728362890819392]
動的ビーム指数予測のためのMMTとRLを組み合わせた2段階ビーム管理手法を提案する。
本研究では、利用可能なビーム指数を複数のグループに分割し、MMTを利用して様々なデータモダリティを処理し、最適なビーム群を予測する。
提案するフレームワークは6Gデータセットでテストされる。
論文 参考訳（メタデータ） (2024-10-22T21:44:25Z) - 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) - 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) - Multi-hop RIS-Empowered Terahertz Communications: A DRL-based Hybrid
Beamforming Design [39.21220050099642]
テラヘルツ帯における無線通信 (0.1-10thz) は、将来の第6世代 (6g) 無線通信システムの鍵となる技術の一つとして考えられている。
マルチホップRIS対応通信ネットワークのための新しいハイブリッドビームフォーミング方式を提案し,THz帯域でのカバレッジ範囲を改善する。
論文 参考訳（メタデータ） (2021-01-22T14:56:28Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳（メタデータ） (2020-11-03T16:50:37Z) - 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)
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。