Deep neural network based resource allocation in D2D wireless networks

Цюши Сунь; Юйи Чжан; Хайтао Ву; Ованес Леонович Петросян

doi:10.21638/11701/spbu10.2023.409

Авторы

Цюши Сунь Санкт-Петербургский государственный университет, 199034, Санкт-Петербург, Российская Федерация https://orcid.org/0000-0002-6932-1596
Юйи Чжан Санкт-Петербургский государственный университет, 199034, Санкт-Петербург, Российская Федерация
Хайтао Ву Санкт-Петербургский государственный университет, 199034, Санкт-Петербург, Российская Федерация
Ованес Леонович Петросян Санкт-Петербургский государственный университет, 199034, Санкт-Петербург, Российская Федерация

DOI:

https://doi.org/10.21638/11701/spbu10.2023.409

Аннотация

Возросшая сложность будущих сетей беспроводной связи 5G представляет собой фундаментальную проблему для оптимального распределения ресурсов. Эта непрерывная, ограниченная задача оптимального управления должна решаться в режиме реального времени, поскольку распределение мощности должно соответствовать мгновенно меняющемуся состоянию канала. В статье особое внимание уделяется применению глубокого обучения для разработки решений проблем распределения радиоресурсов в системах с несколькими входами и несколькими выходами. Контролируемая модель глубокой нейронной сети представлена в сочетании с оптимизацией роя частиц для решения проблемы с использованием эвристически сгенерированных данных. Мы обучаем модель и оцениваем ее способность точно прогнозировать решения по распределению ресурсов. Результат моделирования показывает, что хорошо обученная предложенная модель может обеспечить почти оптимальное решение.

Ключевые слова:

системы с несколькими входами и несколькими выходами, глубокие нейронные сети, эвристика, оптимизация роя частиц

Скачивания

Данные скачивания пока недоступны.

Библиографические ссылки

References

Lu L., Li G. Y., Swindlehurst A. L., Ashikhmin A., Zhang R. An overview of massive MIMO: Benefits and challenges. Journal of Applied Statistics, 2014, vol. 8, no. 5, pp. 742–758.

Akbar N., Bjornson E., Larsson E. G., Yang N. Downlink power control in massive MIMO networks with distributed antenna arrays. IEEE International Conference on Communications (ICC), 2018, pp. 1–6.

Zhang X., Zhao H., Xiong J., Liu X., Zhou L., Wei J. Scalable power control/beamforming in heterogeneous wireless networks with graph neural networks. IEEE Global Communications Conference (GLOBECOM), 2021, pp. 1–6.

Ngo H. Q., Larsson E. G., Marzetta T. L. Energy and spectral efficiency of very large multiuser MIMO systems. IEEE Transactions on Communications, 2013, vol. 61, no. 4, pp. 1436–1449.

Shi Q., Razaviyayn M., Luo Z. Q., He C. An iteratively weighted MMSE approach to distributed sum-utility maximization for a MIMO interfering broadcast channel. IEEE Transactions on Signal Processing, 2011, vol. 59, no. 9, pp. 4331–4340.

Shen K., Yu W. Fractional programming for communication systems. Pt I. Power control and beamforming. IEEE Transactions on Signal Processing, 2011, vol. 66, no. 10, pp. 2616–2630.

Zhao Y., Niemegeers I. G., De Groot S. H. Power allocation in cell-free massive MIMO: A deep learning method. IEEE Access, 2020, vol. 8, pp. 87185–87200.

Reddy Y. B. Genetic algorithm approach for adaptive subcarrier, bit, and power allocation. IEEE International Conference on Networking, Sensing and Control, 2007, pp. 14–19.

Mukherjee A., Goswami P., Yan Z., Yang L., Rodrigues J. J. ADAI and adaptive PSO-based resource allocation for wireless sensor networks. IEEE Access, 2019, vol. 7, pp. 131163–131171.

Khanolkar S., Sharma N., Anpalagan A. Energy-efficient resource allocation in underlay D2D communication using ABC algorithm. Wireless Personal Communications, 2022, vol. 125, no. 2, pp. 1443–1468.

Bezmaslov M., Belyaev D., Vasilev V., Dolgintseva E., Yamshchikova L., Petrosian O. Optimizing DSO requests management flexibility for home appliances using CBCC–RDG3. Computation, 2022, vol. 10, no. 10, p. 188.

Sun H., Chen X., Shi Q., Hong M., Fu X., Sidiropoulos N. D. Learning to optimize: Training deep neural networks for interference management. IEEE Transactions on Signal Processing, 2018, vol. 66, no. 20, pp. 5438–5453.

Lee W., Kim M., Cho D. H. Deep power control: Transmit power control scheme based on convolutional neural network. IEEE Communications Letters, 2018, vol. 22, no. 6, pp. 1276–1279.

Eisen M., Zhang C., Chamon L. F., Lee D. D., Ribeiro A. Learning optimal resource allocations in wireless systems. IEEE Transactions on Signal Processing, 2019, vol. 67, no. 10, pp. 2775–2790.

Kennedy J., Eberhart R. Particle swarm optimization. Proceedings of ICNN'95 International Conference on neural networks, 1995, vol. 22, pp. 1942–1948.

Hamdi R., Driouch E., Ajib W. Resource allocation in downlink large-scale MIMO systems. IEEE Access, 2016, vol. 4, pp. 8303–8316.

Pellaco L., Bengtsson M., Jalden J. Deep unfolding of the weighted MMSE beamforming algorithm. arXiv preprint, 2020, arXiv:2006.08448.

Yang Z., Xia J. Y., Luo J., Zhang S., Gunduz D. A learning-aided flexible gradient descent approach to MISO beamforming. IEEE Wireless Communications Letters, 2022, vol. 11, no. 9, pp. 1895–1899.

Sun Q., Wu H., Petrosian O. Optimal power allocation based on metaheuristic algorithms in wireless network. Mathematics, 2022, vol. 10, no. 18, pp. 33–36.

Wang T. Y., Zhou H., Kannan R., Swami A., Prasanna V. Throughput optimization in heterogeneous MIMO networks: A GNN-based approach. Proceedings of the 1^st International Workshop on Graph Neural Networking, 2022, pp. 42–47.

Alsharoa A., Ghazzai H., Alouini M. S. Energy efficient design for MIMO two-way AF multiple relay networks. IEEE Wireless Communications and Networking Conference (WCNC), 2014, pp. 1007–1011.

Koc A., Wang M., Le-Ngoc T. Deep learning based multi-user power allocation and hybrid precoding in massive MIMO systems. IEEE International Conference on Communications, 2022, pp. 5487–5492.

Kim D., Jung H., Lee I. H. Deep learning-based power control scheme with partial channel information in overlay device-to-device communication systems. IEEE Access, 2021, vol. 9, pp. 122125–122137.

Koc A., Le-Ngoc T. Swarm intelligence based power allocation in hybrid millimeter-wave massive MIMO systems. IEEE Wireless Communications and Networking Conference (WCNC), 2021, pp. 1–7.

Bezmaslov M., Belyaev D., Vasilev V., Dolgintseva E., Yamshchikova L., Petrosian O. Optimizing DSO requests management flexibility for home Appliances Using CBCC-RDG3. Computation, 2022, vol. 10, no. 10, pp. 188–201.

Markelova A. Y., Allahverdyan A. L., Martemyanov A. A., Sokolova I. S., Petrosian O. L., Svirkin M. V. Applied routing problem for a fleet of delivery drones using a modified parallel genetic algorithm. Vestnik of Saint Petersburg University. Applied Mathematics. Computer Science. Control Processes, 2022, vol. 18, iss. 1, pp. 135–148. https://doi.org/10.21638/11701/spbu10.2022.111

Markelova A., Petrosian O., Laistseva M. Microgrid management with energy storage system and renewable energy generation. Control Processes and Stability, 2021, vol. 6, pp. 430–434.