文献

J-GLOBAL ID：202102227762401848   整理番号：21A2489121

動的大規模MIMOクラウド無線アクセスネットワークにおけるマルチビーム電力割当【JST・京大機械翻訳】

Multi-Beam Power Allocation in Dynamic Massive MIMO Cloud Radio Access Networks

著者 (4件)： Dinh Son (The Catholic University of America,Dept. of Elec. Eng. & Comp. Sci.,Washintong,DC,USA) ,  Liu Hang (The Catholic University of America,Dept. of Elec. Eng. & Comp. Sci.,Washintong,DC,USA) ,  Chen Xianfu (VTT Technical Research Centre of Finland,Oulu,Finland) ,  Ouyang Feng (Johns Hopkins Applied Physics Laboratory,Laurel,MD,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： ICC  ページ： 1-6  発行年： 2021年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,フロントホールと無線アクセスリンクの両方が大規模なMIMOミリ波(mmWave)伝送を使用するクラウド無線アクセスネットワーク(Cloud-RAN)を研究した。このような全mmWaveクラウド-RANアーキテクチャは,高速成長モバイルデータトラヒックの要求を満たすために次世代(5Gおよびそれ以上)セルラネットワークを配置するための柔軟でコスト効率の良い手段を提供する。それにもかかわらず,mmWaveクラウド-RANにおけるフロントホールとアクセスリンクの両方に関する多重大規模MIMOビームのための送信電力割当方式の設計は,挑戦的である。特に,多重移動端末(MT)のトラヒックと無線チャネル状態は時間とともに変化するが,それらの統計は先験的には知られていない。クラウド-RANにおけるすべてのMTに対するサービスの長期的品質を最適化する目的で,Markov決定プロセス(MDP)として,結合フロントホールアクセスリンク大規模MIMOビーム電力割当問題を定式化した。強化学習アルゴリズムを設計して,それはフライに関する最適ビーム電力割当対策を学習して,ネットワーク動特性に適応した。さらに,基礎となる問題の構造を利用して,事後決定状態を導入し,学習過程中の探索空間を減らすために関数分解技術を開発した。評価結果は,提案スキームの収束を検証し,最先端のベースラインよりも優れた性能を示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *ネットワーク ,  多重化 ,  EHF波 ,  定式化 ,  計算機アーキテクチャ ,  学習アルゴリズム ,  携帯端末 ,  *MIMO ,  改変
準シソーラス用語： 送信電力 ,  *電力割当 ,  *無線アクセス ,  無線チャネル ,  *無線アクセスネットワーク ,  第5世代移動通信システム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 大規模MIMO ,  クラウド ,  無線アクセスネットワーク ,  マルチビーム ,  電力割当