.png){kind=icon}
返回
Data-driven cell-free scheduler
.png){kind=icon}
PRE
AI
DOI：10.1016/j.adhoc.2024.103738.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效调度在无蜂窝（CF）网络中至关重要，其中用户设备（UEs）与连接到中央基站（BS）的多个分布式收发器（无线电单元（RUs））通信，该基站协调和处理接收或传输的信号。与传统的蜂窝网络不同，CF网络在无小区边界的条件下运行，允许UEs无缝连接到多个RUs，从而消除了收发器之间传统的切换需求。在本文中，我们介绍了一种新颖的CF调度器，旨在提升数据服务质量（QoS）参数，包括吞吐量和延迟。该调度器采用神经网络（NN）算法来自主管理分布式收发器网络中的用户交互。该方法利用模型驱动和数据驱动方法优化用户通信。为缓解传统模型驱动算法的高计算复杂度，我们提出了一种监督神经网络，该网络通过模型驱动方法进行学习。我们使用正交频分多址（OFDMA）波形在频率、时间、空间和极化（例如，资源块、OFDM符号、波束ID）方面的模拟数据，在多收发器RU环境中评估其性能。结果表明，模型驱动算法在性能上与传统穷举搜索方法相当，而监督神经网络在离线学习后展现出可比的效率。因此，我们的基于神经网络的调度器成为优化CF网络调度的可行、高效解决方案。
Keyword:
Cell-free
Deep-learning
Perfect match
Scheduler
Wireless communication
Power allocation
期刊
IF:
4.8
论文数:
499
被引数:
6.2K
机构
引用论文
.png){kind=icon}
Learning-Based Downlink Power Allocation in Cell-Free Massive MIMO Systems无小区大规模MIMO系统中基于学习的下行功率分配
OAAI
OAAI分享收藏A Deep Neural Architecture for Real-Time Access Point Scheduling in Uplink Cell-Free Massive MIMO
PREAI
分享收藏Hydrothermal preparation and low temperature magnetic properties of TbOOH, DyOOH, HoOOH, ErOOH, and YbOOHTbOOH，DyOOH，HoOOH，ErOOH和YbOOH的水热制备和低温磁性
PREAI
分享收藏
查看更多内容