大規模MIMO空中通信のためのロバストビームフォーミング

本論文は、将来の通信システムにとって重要な技術である、大規模MIMO空中ネットワークにおけるビームフォーミングという重要な課題に取り組んでいます。分散型深層強化学習（DRL）アプローチ、特にフーリエニューラルオペレーター（FNO）の使用は、不完全なチャネル状態情報（CSI）、ユーザーのモビリティ、およびスケーラビリティの複雑さを処理するために、斬新で有望です。転送学習と低ランク分解の統合は、提案された方法の実用性をさらに高めます。確立されたベースラインとの比較を通じて示されている、堅牢性と計算効率に焦点を当てていることは、実際の展開にとって特に重要です。

• •大規模MIMO空中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。
• •FNOを用いた、新しいエントロピーベースのマルチエージェントDRLアプローチを採用。
• •スケーラビリティと堅牢性のために、転送学習と低ランク分解を統合。
• •さまざまなベースライン手法と比較して優れた性能を実証。
• •大幅な計算効率と通信オーバーヘッドの削減を実現。