优化无细胞大规模MIMO系统中的能源效率：一种基于分布式深度神经网络的方法

《IEEE Wireless Communications Letters》：Optimizing Energy Efficiency in Cell-Free Massive MIMO Systems: A Distributed DNN-Driven Method

　　针对细胞外大规模MIMO系统下行功率分配挑战，提出基于深度神经网络的分布式框架，通过无监督学习及本地大尺度信道统计实现高效能效优化，验证其在不同接入点场景下的优越性。

　　

摘要：

本文探讨了无蜂窝大规模多输入多输出（MIMO）系统中的下行链路功率分配问题。聚焦于能效（EE）优化，我们提出了一种由深度神经网络（DNN）驱动的分布式功率分配框架。该方法采用无监督学习策略，仅依赖于局部的大规模衰落信道统计信息来高效运行。此外，所提出的方法能够适应接入点（AP）数量不同的场景。数值结果凸显了该方法相对于各种基准方案的优势。

引言

无蜂窝大规模多输入多输出（MIMO）被认为是第六代（6G）无线通信系统的关键组成部分，它通过利用众多分布式接入点（AP）的协作传输，为用户设备（UE）提供统一的服务质量（QoS）[1]、[2]、[3]。随着移动流量的迅速增长和新用例的出现，无线通信网络面临高带宽需求和能耗增加的挑战，因此提高能效（EE）成为6G发展的重要目标[4]、[5]。