搜索
查看: 390|回复: 0

[分享] AI 使能的资源调度

[复制链接]

111

主题

112

帖子

462

积分

中级会员

Rank: 3Rank: 3

积分
462
发表于 2024-1-23 10:17:20 | 显示全部楼层 |阅读模式
AI 使能的资源调度
AI 辅助资源调度的优化目标包括以下方面:频谱和能源效率、环境感知范围、系统部署成本和网络拓扑等,多个 BS 和 RIS 的联合波束赋形设计以及联合功率分配。此外,在高移动性场景中,由于信道链路与 RIS 和 BS 上的调度密切相关,用户移动性将进一步影响RIS 通信的最佳网络拓扑。因此,还应讨论移动性场景中的网络拓扑优化。为了最大化下行链路非正交多址接入(Non-Orthgonal Multiple Access,NOMA)网络的和速率,调用一种修改的对象迁移自动化算法,将用户划分为几个相同大小的簇,通过深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法,以协同控制 RIS 处的多个反射元素。与先训练后测试的过程不同,采用长期的自调整学习方案,通过迭代探索和开发,在每个给定环境中搜索最佳动作,即用户分区和 RIS波束赋形。这种 RIS 辅助的 NOMA 下行链路网络实现了比传统正交多址(Orthgonal Multiple Access,OMA)网络更高的和数据速率。此外,DDPG 算法可以长期有效地学习资源分配策略的动态特性。


为了提高 RIS 辅助毫米波通信的性能,提出了一种机器学习授权的波束管理框架,以精确对齐 BS 和用户终端之间的波束。在此框架内,利用 DNN 来识别复杂的网络环境,这可以帮助每个 BS 选择其最佳 RIS。此外,采用在线学习方法来预测终端的移动性。通过集成环境和移动性感知,可以通过将用户的位置映射到其最佳 RIS 来实现主动波束切换方案。除了许多具有单个 RIS 的工作外,还有许多工作讨论了多个 RIS 的协作。例如,RIS 通信中的信道链路也可以以多跳方式进行调度,这可以有效地对抗严重的传播衰减并提高环境传感的覆盖范围。然而,由于多用户干扰、数学上难以处理的多跳信号和非线性约束,关于最大化多 RIS 系统的和速率的优化问题的公式是非凸的。提出一种基于DRL 的算法,用 DDPG 算法扩大 RIS 通信的感知范围。为了克服 DRL 框架中超大 Q 表的不切实际的搜索复杂性,使用了基于 DNN 的 Q 学习方法。此外,DDPG 结构的核心是由完全连接的 DNN 组成的评论家和演员网络。输入波束赋形矩阵和信道信息后,DDPG 算法将输出当前迭代的波束赋形设计。


采用 DRL 方法,通过联合优化发射功率分配、RIS 波束赋形矩阵和 RIS 单元的开/关状态,最大化了平均能量效率。尽管预定义的奖励可能受到各种未知方面的影响,例如用户信道上的不确定性,但预期奖励和实际奖励之间的差异可以由 DNN 在 DRL 框架中使用,其中反馈来自不确定环境。虽然 RIS 通信中的资源调度涉及对多个用户的 NN 进行训练,但 FL 框架也是处理资源调度问题的可行方法。将 FL 应用于 RIS 辅助的毫米波系统,并实现了隐私保护设计。FL 被应用于训练 DNN 模型,用于用户信道与其最优 RIS 波束赋形之间的映射。此外,FL 可以帮助并行优化多个 RIS,同时保护私有 CSI。然而,由于所有本地参数都是在共享无线信道上传输的,因此不期望的传播误差将不可避免地恶化全局聚合的性能。提出了一种交替优化算法,以最小化聚合误差并加快 FL 的收敛速度。通过调用半定松弛方法,解决了联合优化发射功率、接收标量和相移的非线性和非凸


问题。此外,基站、RIS 和用户的位置信息也可以辅助资源调度。利用位置信息的知识,可以通过几何方法容易地获得不同对象之间的位置关系,即基站-RIS 或 RIS-用户。利用用于波束赋形选择的预定义集合,可以利用适当设计的 NN 来搜索位置信息和最佳波束赋形索引之间的映射。


在移动场景中,由于用户的位置在变化,因此对变化环境的适应对于资源调度是必要的。为了在移动性场景中最大化多 RIS 辅助的多小区网络的上行链路和速率,提出了一种基于多代理 DRL 的动态控制方案,其中 BS 被视为独立的代理。特别地,每个 BS 自适应地配置其本地 UE 功率、本地 RIS 波束赋形及其组合器。针对多个基站动作耦合导致的非平稳性,提出了一种有效的消息传递方案,该方案要求相邻基站之间仅有有限的信息交换。对于车辆通信,路侧单元(RoadSide Unit,RSU)可以利用 RIS 在未覆盖区域内提供间接无线传输。由于车辆以不同的方向和移动速度移动,并且在盲区有不同的停留时间。如果向盲区内的所有车辆提供相同的业务量,低机动性车辆将比高机动性车辆获得较差的服务质量。


因此,研究了 RIS 赋能车辆通信中的联合车辆调度和无源波束赋形,以最大化盲区中车辆的最小可达速率。这个问题被分解为两个子问题:无线调度和 RIS 相移优化。前者通过 DRL 解决,以获得各种道路条件和 RIS 选择情况下的最优 RSU 调度方案,而后者通过块坐标下降(Block Coordinate Descent,BCD)算法解决,以最大化当前服务车辆的瞬时和速率。


回复

使用道具 举报

您需要登录后才可以回帖 注册/登录

本版积分规则

关闭

站长推荐上一条 /2 下一条

Archiver|手机版|小黑屋|RF技术社区

GMT+8, 2024-4-13 02:39 , Processed in 0.076058 second(s), 9 queries , MemCache On.

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表