Energy-Efficient Sleep Mode Optimization of 5G mmWave Networks Using Deep Contextual MAB

要約

5G 通信に不可欠なミリ波 (mmWave) ネットワークは、スペクトル不足の問題に対処し、ピーク レートと容量を強化する広大なスペクトルを提供します。
ただし、伝搬損失を防ぐために必要な高密度の配置により、消費電力が高くなります。
モバイル ネットワークにおけるこのエネルギー消費を削減する効果的な戦略は、基地局 (BS) のスリープ モード最適化 (SMO) です。
この論文では、3D 都市環境におけるミリ波 BS のための新しい SMO アプローチを提案します。
このアプローチは、イプシロン減衰アルゴリズムを備えたニューラル ネットワーク (NN) ベースのコンテキスト マルチアーム バンディット (C-MAB) を組み込んでおり、それぞれのトラッキング エリアで UE をクラスタリングすることにより、ユーザー機器 (UE) の動的で多様なトラフィックに対応します (
TA）。
当社の戦略には、UE 側からのエネルギー消費を削減するのに役立つビームフォーミングが含まれており、SMO は BS の観点からエネルギー使用を最小限に抑えます。
私たちは調査を拡張し、ランダム、イプシロン グリーディ、上限信頼限界 (UCB)、および負荷ベースのスリープ モード (SM) 戦略を含めました。
私たちは、提案した C-MAB ベースの SM アルゴリズムのパフォーマンスを、All On および他の代替アプローチのパフォーマンスと比較しました。
シミュレーション結果は、私たちが提案した方法がユーザー レートの $10^{th}$ パーセンタイルと平均スループットの点で他のすべての SM 戦略より優れていることを示し、All On アプローチと同等の平均スループットを示しています。
重要なのは、エネルギー効率 (EE) の点ですべてのアプローチよりも優れていることです。

要約(オリジナル)

Millimeter-wave (mmWave) networks, integral to 5G communication, offer a vast spectrum that addresses the issue of spectrum scarcity and enhances peak rate and capacity. However, their dense deployment, necessary to counteract propagation losses, leads to high power consumption. An effective strategy to reduce this energy consumption in mobile networks is the sleep mode optimization (SMO) of base stations (BSs). In this paper, we propose a novel SMO approach for mmWave BSs in a 3D urban environment. This approach, which incorporates a neural network (NN) based contextual multi-armed bandit (C-MAB) with an epsilon decay algorithm, accommodates the dynamic and diverse traffic of user equipment (UE) by clustering the UEs in their respective tracking areas (TAs). Our strategy includes beamforming, which helps reduce energy consumption from the UE side, while SMO minimizes energy use from the BS perspective. We extended our investigation to include Random, Epsilon Greedy, Upper Confidence Bound (UCB), and Load Based sleep mode (SM) strategies. We compared the performance of our proposed C-MAB based SM algorithm with those of All On and other alternative approaches. Simulation results show that our proposed method outperforms all other SM strategies in terms of the $10^{th}$ percentile of user rate and average throughput while demonstrating comparable average throughput to the All On approach. Importantly, it outperforms all approaches in terms of energy efficiency (EE).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google