基于分布式联邦学习的毫米波通信系统波束配置方法

来源：电子与信息学报杂志2024年第1期北京时间：

作者：薛青, 来东, 徐勇军, 闫莉

单位：1.重庆邮电大学通信与信息工程学院 重庆 4000652.澳门大学智慧城市物联网国家重点实验室 澳门 9990783.西南交通大学信息科学与技术学院 成都 610031

摘要：针对超密集组网中毫米波通信系统复杂的波束配置问题，该文提出一种基于分布式联邦学习(DFL)的波束配置算法(BMDFL)，旨在利用有限的波束资源实现用户覆盖率最大化。考虑到传统集中式学习存在用户数据安全问题，基于分布式联邦学习框架构建系统模型，从而减少用户隐私信息的泄露。为了实现波束的智能化配置，引入双深度Q学习算法(DDQN)训练系统模型，并通过马尔可夫决策过程将长期的动态优化问题转化为相应的数学模型进行求解。仿真结果从系统的网络吞吐量和用户覆盖率方面验证了该方法的有效性和鲁棒性。

关键词：毫米波通信, 波束配置, 超密集组网, 分布式联邦学习, 强化学习

基金资助：国家自然科学基金(62001071, 62101460, 62271094)，澳门青年学者计划(AM2021018)，重庆市教委科学技术研究项目(KJZD-K202200601)，中国博士后科学基金(2022MD723725)