可扩展多目标贝叶斯优化实现无细胞数据功率控制
探讨了利用大规模分布式基站和最小功耗控制算法,在时分双工操作中以无线信道直接测量为基础,通过共轭波束成形目的进行复用 / 分复用,对用户进行服务。对单个用户上下行吞吐量的封闭式表征,便于最小功耗控制。在与小型基站方案相比较中,无小区 Cell-Free Massive MIMO 表现出优异的性能表现,尤其是在阴影衰落条件下,可以提供近 10 倍的 95%- 可能性每用户吞吐量提升。
Feb, 2016
该论文研究了在具有不同数量活跃用户的多小区 Massive MIMO 系统中的总谱效率(SE)优化问题,并针对性地提出了一种深度学习解决方案来实现实时计算。研究结果表明,所提出的神经网络解决方案在保证计算速度的同时,只损失了 2% 的总谱效率。
Jan, 2019
本文提出了一种优化的最大最小功率控制方案,以确保所有用户获得相等的服务质量,并比较了小区系统和无小区海量 MIMO 系统的性能差异,结果发现 Cell-Free 系统的吞吐量更加集中且更加稳定。
May, 2015
本文提出了一种基于深度学习的功率控制算法,用于解决无蜂窝网络下具有最大最小用户公平性问题的大规模多输入多输出系统中的最大最小速率优化问题,使用无监督学习的方法使深度神经网络学习最佳用户功率分配方案,模型训练快速且灵活,性能显著且具有较低的计算复杂度和快速实现优势,同时提出了一个在线学习阶段,在处理速度较快的情况下实现了接近最优的性能。
Feb, 2021
本研究比较了深度确定性策略梯度(DDPG)和多目标贝叶斯优化(BO)两种方法,并利用实验表明 BO 比 DDPG 收敛更快,少用两个数量级的计算。这些结果表明数据驱动技术可以有效地进行无线蜂窝网络的覆盖和容量自优化。
Oct, 2020
该论文讨论了在 MIMO 多小区系统中,多个移动用户向公共云服务器请求计算卸载时的资源优化问题,通过联合优化广播和计算资源来最小化用户的能量消耗,提出了一种基于迭代优化的算法,通过限定与云的协同 / 信令,实现了分布式和并行实现的优化方法。
Dec, 2014
本文提出了一种新的结构化大规模接入算法框架,包括一种初始接入算法、一种部分大尺度衰落解码策略、两种导频分配方案和一种分式功率控制策略,模拟结果表明,该框架在局部部分最小均方误差 (LP-MMSE) 和最大比例 (MR) 合并时提供了高的谱效率。
Jun, 2020
本文利用随机几何工具来模拟未来的蜂窝网络,并得出了一种新的上行谱效率下界,从而能够建立一个可行的上行能量效率最大化问题,并针对基站密度、发射功率水平、基站天线数和每个小区用户数以及导频重用因子进行解析求解。结果表明,在小型蜂窝的情况下,多天线的大规模 MIMO 策略可以实现最大能量效率。
May, 2015
本文研究了异质网络中负载均衡和干扰抑制问题,提出了一种基于随机优化的框架,动态调度宏基站用户、提供小基站的回传以及按照干扰和回传链路把宏基站用户卸载到小基站上。数值结果表明,所提出的用户关联算法优于其他基线,开放式全双工小单元的性能优于封闭式,超密集网络中,开放式全双工小型单元的表现是封闭式的 5.6 倍。
Nov, 2016
通过使用空中基站(由无人机搭载)进行可靠和安全的电力再分配,减少基站的停电,并保持一致的吞吐稳定性,从而提高无线通信系统的可靠性和稳健性。
Nov, 2023