空中大規模MIMOにおける分散ビームフォーミング

本論文は、空中プラットフォームを使用して遠隔地や高密度地域で無線カバレッジを提供するという課題に取り組んでいます。大規模MIMOネットワーク向けの新しい分散ビームフォーミングフレームワークを提案し、深層強化学習アプローチを活用しています。重要な革新は、CSI共有を必要としないエントロピーベースのマルチエージェントDRLモデルの使用であり、これによりオーバーヘッドが削減され、スケーラビリティが向上します。本論文の重要性は、次世代ネットワーク、特に動的で干渉の多い環境における、堅牢でスケーラブルな無線ソリューションを実現する可能性にあります。

• •空中プラットフォーム（HAPS/HAB）を使用した大規模MIMOネットワーク向けの分散ビームフォーミングフレームワークを提案。
• •エントロピーベースのマルチエージェント深層強化学習（DRL）モデルを採用。
• •モデルはCSI共有を必要とせず、オーバーヘッドを削減。
• •ZFおよびMRTよりも優れており、特に高干渉シナリオで有効。
• •ユーザー数とクラスタ構成の増加に対するスケーラビリティを実証。