Optimizing Multi-User Uplink Cooperative Rate-Splitting Multiple Access: Efficient User Pairing and Resource Allocation With Gradient-Based Meta Learning

doi:10.1109/TCOMM.2025.3550371

Optimizing Multi-User Uplink Cooperative Rate-Splitting Multiple Access: Efficient User Pairing and Resource Allocation With Gradient-Based Meta Learning

0

PRE

AI

DOI：10.1109/TCOMM.2025.3550371

原文链接

原文求助

摘要

En 中文

本文研究了上行多输入单输出（MISO）多用户协作率分割多址接入（C-RSMA）网络在半双工（HD）模式下的联合用户配对、功率和时间槽持续时间分配问题。我们假设存在两类用户：小区中心用户（CCU）和小区边缘用户（CEU）；首先，我们提出了一种利用半正交用户选择（SUS）和基于匹配博弈（MG）的方法进行用户配对的方案，其中SUS算法用于选择每对中的CCU。随后，通过考虑CCU与CEU之间的最高信道增益来选择每对中的CEU。配对完成后，通信分为两个阶段进行：在第一阶段，给定配对中的CEU广播其信号，该信号被基站（BS）和CCU接收；在第二阶段，给定配对中的CCU解码其配对的CEU的信号，叠加自身信号，并向BS发送。此外，利用上行RSMA原理，仅CCU将其消息分割为两个子消息，而CEU的消息保持不分割。我们构建了一个联合优化问题，以在用户设备（UE）的功率预算约束和各UE的最小数据速率要求下最大化总速率。由于所构建的优化问题是非凸的，我们采用双层优化方法使问题可解。我们将原始问题分解为两个子问题：用户配对子问题和资源分配子问题，其中用户配对子问题独立于资源分配子问题，一旦配对确定，资源分配子问题便针对给定配对进行求解。资源分配子问题通过调用一种低复杂度、无需预训练的基于梯度的元学习（GML）算法进行求解。仿真结果表明，在CEU功率预算为17 dBm时，我们提出的C-RSMA方案相比固定时间槽分配的C-NOMA、RSMA、NOMA以及随机配对的C-RSMA，分别实现了约100%、51%、53%和215%的性能提升。

Keyword:

Cooperative communications

uplink

half-duplex

RSMA

user pairing

6G

meta learning

Optimizing Multi-User Uplink Cooperative Rate-Splitting Multiple Access: Efficient User Pairing and Resource Allocation With Gradient-Based Meta Learning

摘要

期刊

机构

引用论文