Power and Interference Control for VLC-Based UDN: A Reinforcement Learning Approach

要約

可視光通信 (VLC) は、現代の短距離通信の有望なソリューションとして広く適用されています。
VLC ネットワークでの LED アレイの展開に関しては、新しい超高密度ネットワーク (UDN) テクノロジを採用して、VLC ネットワークの容量を拡張できます。
ただし、VLC ベースの UDN におけるセル間干渉 (ICI) の緩和と効率的な電力制御の問題は、依然として重要な課題です。
この目的のために、強化学習 (RL) ベースの VLC UDN アーキテクチャがこの論文で考案されました。
セルの展開は、ICI を軽減するために空間再利用によって最適化されます。
電力と干渉制御のポリシーを動的に最適化し、複雑で動的な環境でシステムの有用性を最大化するために、RL ベースのアルゴリズムが提案されています。
シミュレーション結果は、提案されたスキームの優位性を示しています。システムのユーティリティと達成可能なデータ レートが向上し、エネルギー消費と ICI が削減され、ベンチマーク スキームよりも優れています。

要約(オリジナル)

Visible light communication (VLC) has been widely applied as a promising solution for modern short range communication. When it comes to the deployment of LED arrays in VLC networks, the emerging ultra-dense network (UDN) technology can be adopted to expand the VLC network’s capacity. However, the problem of inter-cell interference (ICI) mitigation and efficient power control in the VLC-based UDN is still a critical challenge. To this end, a reinforcement learning (RL) based VLC UDN architecture is devised in this paper. The deployment of the cells is optimized via spatial reuse to mitigate ICI. An RL-based algorithm is proposed to dynamically optimize the policy of power and interference control, maximizing the system utility in the complicated and dynamic environment. Simulation results demonstrate the superiority of the proposed scheme, it increase the system utility and achievable data rate while reducing the energy consumption and ICI, which outperforms the benchmark scheme.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google