针对移动场景中毫米波MISO系统的可靠性通信问题,提出一种基于深度Q网络(deep Q network,DQN)的下行链路波束成形优化方案.考虑用户快速移动导致的多普勒频移来构建移动场景中的毫米波信道模型,结合功率控制和干扰约束,将MISO系统下行...针对移动场景中毫米波MISO系统的可靠性通信问题,提出一种基于深度Q网络(deep Q network,DQN)的下行链路波束成形优化方案.考虑用户快速移动导致的多普勒频移来构建移动场景中的毫米波信道模型,结合功率控制和干扰约束,将MISO系统下行链路的波束成形联合设计方案(joint beamforming-power control and interference coordination,JB-PCIC)建模为非凸优化问题.根据最大化信干噪比(signal to interference plus noise ratio,SINR)及用户的位置坐标,构建智能体-无线环境交互,利用DQN的贪婪属性估计动作的未来奖励,求解该优化问题.仿真结果表明:与穷举搜索的蛮力算法相比,所提出的基于DQN算法的JB-PCIC方案在显著降低复杂度的情况下,可以达到蛮力算法的速率和容量.展开更多
文摘针对移动场景中毫米波MISO系统的可靠性通信问题,提出一种基于深度Q网络(deep Q network,DQN)的下行链路波束成形优化方案.考虑用户快速移动导致的多普勒频移来构建移动场景中的毫米波信道模型,结合功率控制和干扰约束,将MISO系统下行链路的波束成形联合设计方案(joint beamforming-power control and interference coordination,JB-PCIC)建模为非凸优化问题.根据最大化信干噪比(signal to interference plus noise ratio,SINR)及用户的位置坐标,构建智能体-无线环境交互,利用DQN的贪婪属性估计动作的未来奖励,求解该优化问题.仿真结果表明:与穷举搜索的蛮力算法相比,所提出的基于DQN算法的JB-PCIC方案在显著降低复杂度的情况下,可以达到蛮力算法的速率和容量.