DRL Enabled Coverage and Capacity Optimization in STAR-RIS Assisted Networks

要約

同時送信および反射再構成可能インテリジェント サーフェス (STAR-RIS) は、入射信号の送信と反射を同時に行うことで全空間のカバレッジに貢献する有望な受動デバイスです。
ワイヤレス通信の新しいパラダイムとして、STAR-RIS のカバレッジと容量パフォーマンスを分析する方法が重要になりますが、それは困難です。
STAR-RIS 支援ネットワークにおけるカバレッジと容量の最適化 (CCO) 問題を解決するために、従来の最適化アルゴリズムよりも長期的な利点を処理する多目的近接ポリシー最適化 (MO-PPO) アルゴリズムが提案されています。
各目的間のバランスをとるために、MO-PPO アルゴリズムは、パレート フロント (PF) を形成するための最適なソリューションのセットを提供します。PF 上の任意のソリューションは最適な結果とみなされます。
さらに、MO-PPO アルゴリズムのパフォーマンスを向上させるために、2 つの更新戦略、つまりアクション値ベースの更新戦略 (AVUS) と損失関数ベースの更新戦略 (LFUS) が研究されています。
AVUS の改善点は、カバレッジとキャパシティの両方のアクション値を統合し、損失関数を更新することです。
LFUS の場合、改善された点は、カバレッジと容量の両方の損失関数に動的重みを割り当てることだけであり、重みは更新ごとに最小ノルム ソルバーによって計算されます。
数値結果は、調査した更新戦略が、サンプル グリッドの数、STAR-RIS の数、STAR-RIS の要素の数、STAR-RIS のサイズなど、さまざまなケースで固定重み付け MO 最適化アルゴリズムよりも優れていることを示しました。
さらに、STAR-RIS 支援ネットワークは、STAR-RIS を使用しない従来のワイヤレス ネットワークよりも優れたパフォーマンスを実現します。
さらに、同じ帯域幅では、ミリ波はサブ 6 GHz よりも高い容量を提供できますが、カバレッジは狭くなります。

要約(オリジナル)

Simultaneously transmitting and reflecting reconfigurable intelligent surfaces (STAR-RISs) is a promising passive device that contributes to a full-space coverage via transmitting and reflecting the incident signal simultaneously. As a new paradigm in wireless communications, how to analyze the coverage and capacity performance of STAR-RISs becomes essential but challenging. To solve the coverage and capacity optimization (CCO) problem in STAR-RIS assisted networks, a multi-objective proximal policy optimization (MO-PPO) algorithm is proposed to handle long-term benefits than conventional optimization algorithms. To strike a balance between each objective, the MO-PPO algorithm provides a set of optimal solutions to form a Pareto front (PF), where any solution on the PF is regarded as an optimal result. Moreover, in order to improve the performance of the MO-PPO algorithm, two update strategies, i.e., action-value-based update strategy (AVUS) and loss function-based update strategy (LFUS), are investigated. For the AVUS, the improved point is to integrate the action values of both coverage and capacity and then update the loss function. For the LFUS, the improved point is only to assign dynamic weights for both loss functions of coverage and capacity, while the weights are calculated by a min-norm solver at every update. The numerical results demonstrated that the investigated update strategies outperform the fixed weights MO optimization algorithms in different cases, which includes a different number of sample grids, the number of STAR-RISs, the number of elements in the STAR-RISs, and the size of STAR-RISs. Additionally, the STAR-RIS assisted networks achieve better performance than conventional wireless networks without STAR-RISs. Moreover, with the same bandwidth, millimeter wave is able to provide higher capacity than sub-6 GHz, but at a cost of smaller coverage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google