首页|基于分布式联邦学习的毫米波通信系统波束配置方法

基于分布式联邦学习的毫米波通信系统波束配置方法

扫码查看
原文链接
  • 万方数据
  • 维普
针对超密集组网中毫米波通信系统复杂的波束配置问题,该文提出一种基于分布式联邦学习(DFL)的波束配置算法(BMDFL),旨在利用有限的波束资源实现用户覆盖率最大化.考虑到传统集中式学习存在用户数据安全问题,基于分布式联邦学习框架构建系统模型,从而减少用户隐私信息的泄露.为了实现波束的智能化配置,引入双深度Q学习算法(DDQN)训练系统模型,并通过马尔可夫决策过程将长期的动态优化问题转化为相应的数学模型进行求解.仿真结果从系统的网络吞吐量和用户覆盖率方面验证了该方法的有效性和鲁棒性.
Beam Configuration for Millimeter Wave Communication Systems Based on Distributed Federated Learning
Considering the complex beam configuration problem of ultra-dense millimeter wave communication systems,a Beam management Method based on Distributed Federation Learning(BMDFL)is proposed to maximize the beam coverage by using the limited beam resources.To solve the problem of user data security in traditional centralized learning,the system model is constructed based on DFL,which can reduce the leakage of user privacy information.In order to realize intelligent configuration of beams,Double Deep Q-Network(DDQN)is introduced to train the system model,and the long-term dynamic optimization problem is transformed into the corresponding mathematical model through the Markov decision process.Simulation results demonstrate the effectiveness and robustness of the proposed method in terms of network throughput and user coverage.

Millimeter wave communicationBeam configurationUltra-dense networkDistributed Federation Learning(DFL)Reinforcement learning

薛青、来东、徐勇军、闫莉

展开 >

重庆邮电大学通信与信息工程学院 重庆 400065

澳门大学智慧城市物联网国家重点实验室 澳门 999078

西南交通大学信息科学与技术学院 成都 610031

毫米波通信 波束配置 超密集组网 分布式联邦学习 强化学习

国家自然科学基金国家自然科学基金国家自然科学基金澳门青年学者计划重庆市教委科学技术研究项目中国博士后科学基金

620010716210146062271094AM2021018KJZD-K2022006012022MD723725

2024

10.11999/JEIT221536

电子与信息学报
中国科学院电子学研究所 国家自然科学基金委员会信息科学部

电子与信息学报

CSTPCD北大核心
影响因子：1.302
ISSN：1009-5896
年,卷(期)：2024.46(1)
  • 2