机构名称：
¥ 1.0
抽象的机器学习一直在赋予系统设计各个方面的无线通信能力，其中基于加固的方法（RL）方法可以直接与环境互动，并有效地从收集的经验中学习，从而引起了很多研究的关注。在本文中，我们提出了一种新颖且有效的基于RL的多光束组合方案，用于未来毫米波（MMWAVE）三维（3D）多输入多输入 - 多数输出（MIMO）通信系统。所提出的方案不需要完美的渠道状态信息（CSI）或通常在实践中很难获得的精确用户位置，并且很好地解决了由多用户，多路径和多孔通信系统的极为巨大状态和动作空间产生的计算复杂性的关键挑战。尤其是，提出了一个自我发项的深层确定性策略梯度（DDPG）的束选择和组合框架，以自适应地学习没有CSI的3D光束成型模式。我们旨在通过优化每个用户的服务束集和相应的组合权重来最大化MMWAVE 3D-MIMO系统的总和。为此，利用基于变压器的自我发项DDPG来获得输入元素的全局信息，并精确地捕获信号方向，从而实现了最佳的光束形式设计。仿真结果验证了所提出的自我发项DDPG的优越性，而不是在各种情况下的总和率方面的基于AI的光束成型方案。
MMWave中多光束组合的自我发注意力增强学习3D-MIMO Systems
主要关键词
相关文件推荐
