基于深度强化学习的无蜂窝系统无线接入点选择算法

作者：赵婉楠; 宋晓阳; 赵迎新; 吴虹; 刘之洋^*

来源：电讯技术, 2023, 1-12.

DOI：10.20079/j.issn.1001-893x.230418003

• MIMO
• 接入点选择
• 以用户为中心的无蜂窝网络
• 深度强化学习
• 频谱效率

无蜂窝分布式多输入多输出（Multiple Input Multiple Output， MIMO）以高频谱效率和灵活的部署方式有望成为下一代移动通信系统提高频谱效率的重要技术。面向以用户为中心的无蜂窝分布式MIMO架构，研究利用不完备信道状态信息（Channel State Information， CSI）下实现无线接入点（Access Point，AP）与用户（User Equipment，UE）之间的选择，提出基于深度强化学习（Deep Reinforcement Learning，DRL）的高效分配算法，通过使用不完备CSI快速生成以用户为中心的AP集合，减少了对前馈链路容量的占用。仿真结果表明，与其他传统选择算法相比，提出的DRL接入点选择算法可以获得至少约22.48%的总遍历频谱效率增益，与深度Q网络 (Deep-Q-Network，DQN)算法相比，提出的DRL接入点选择算法可以获得约14.17%的总频谱效率增益。

• 出版日期2023
• 单位南开大学