Apprentissage conjoint et gestion des ressources basée sur l’optimisation dans un réseau hybride de systèmes MIMO massifs coopératifs et non coopératifs
Abstract or Summary
Les systèmes multi-cellules à entrées et sorties multiples (MIMO) ont le potentiel d’améliorer de manière significative le débit des réseaux sans fil. Cependant, le réseau MIMO coopératif est confronté à une capacité de liaison limitée, tandis que le réseau MIMO non coopératif nécessite une grande largeur de bande de liaison frontale. Pour surmonter ces problèmes, nous considérons les réseaux MIMO hybrides qui tirent parti à la fois des réseaux MIMO non coopératifs et des réseaux MIMO coopératifs. Dans un tel système hybride, la décision de savoir si les cellules fonctionnent en mode non coopératif ou coopératif, ainsi que la largeur de bande allouée aux cellules, sont difficiles à prendre en raison de l’indisponibilité des informations sur l’état du canal (CSI). En outre, les cellules fonctionnant en mode coopératif devraient optimiser la sélection des niveaux quantifiés et l’attribution de puissance lorsque la capacité de transmission est limitée. Pour résoudre ce problème, nous proposons un cadre conjoint basé sur l’apprentissage et l’optimisation. En particulier, nous utilisons des modèles d’évanouissement à grande et à petite échelle pour formuler les problèmes d’optimisation, puis nous utilisons les solutions obtenues pour déterminer les caractéristiques de taille fixe dans les réseaux dynamiques pour l’apprenant. Nos résultats numériques montrent que lorsque la décision de placement et l’affectation de la largeur de bande pour les cellules sont déterminées, l’algorithme proposé peut calculer le niveau quantifié et allouer la puissance pour améliorer de manière significative la performance du système. En outre, le modèle de réseau hybride proposé, contrôlé par nos algorithmes, est plus performant que les systèmes MIMO coopératifs et non coopératifs en termes de débit net.
