基于深度强化学习的无蜂窝系统无线接入点选择算法

来源：电讯技术杂志2024年第6期北京时间：

作者：赵婉楠,宋晓阳,赵迎新,吴虹,刘之洋

单位：(南开大学 电子信息与光学工程学院，天津 300350)

摘要：面向以用户为中心的无蜂窝分布式多输入多输出（Multiple睮nput Multiple睴utput,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，所提出的DRL接入点选择算法可以获得至少22.48%的总遍历频谱效率增益；与深度Q网络 (Deep睶睳etwork，DQN)算法相比，可以获得约14.17%的总频谱效率增益。

关键词：MIMO；以用户为中心的无蜂窝网络；接入点选择；深度强化学习；频谱效率增益；

基金资助：国家自然科学基金资助项目（61871239）