$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

이기종 이동통신 네트워크에서 에너지 효율화를 위한 DNN 기반 동적 셀 선택과 송신 전력 할당 기법
DNN-Based Dynamic Cell Selection and Transmit Power Allocation Scheme for Energy Efficiency Heterogeneous Mobile Communication Networks 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.26 no.10, 2022년, pp.1517 - 1524  

김동현 (School of Electronic and Electrical Engineering, Hankyong National University) ,  이인호 (School of Electronic and Electrical Engineering, and Research Center for Hyper-Connected Convergence Technology, Hankyong National University)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 하나의 매크로 기지국과 다수의 소형 기지국들로 구성된 이기종 네트워크를 고려하고, 그 기지국들간 협력적 다중 포인트 전송을 가정한다. 또한, 기지국과 단말간 채널은 경로 손실과 레일레이 페이딩으로 구성된다고 가정한다. 이러한 가정에서 주어진 기지국에 대해 단말이 달성할 수 있는 에너지 효율을 제시하고, 이기종 네트워크의 총 에너지 효율을 최대화하기 위한 동적 셀 선택과 송신 전력 할당의 최적화 문제를 공식화한다. 본 논문에서는 최적화 문제를 해결하기 위하여 비지도 딥러닝 기법을 제안한다. 제안된 딥러닝 기법은 기존의 반복적 수렴 방식의 기법들에 비해서 낮은 복잡도를 갖는 동시에 높은 에너지 효율을 제공하는 것이 가능하다. 시뮬레이션을 통해서 제안된 동적 셀 선택 기법이 최대 신호 대 간섭 및 잡음비 기법과 Lagrangian dual decomposition 기법 보다 높은 에너지 효율 성능을 제공함을 보여주고, 제안된 송신 전력 할당 기법은 최대 에너지 효율을 달성할 수 있는 trust region interior point 기법과 유사한 성능을 제공함을 보여준다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we consider a heterogeneous network (HetNet) consisting of one macro base station and multiple small base stations, and assume the coordinated multi-point transmission between the base stations. In addition, we assume that the channel between the base station and the user consists of ...

주제어

#동적 셀 선택   #딥러닝   #송신 전력 할당   #이기종 네트워크   #에너지 효율  

표/그림 (5)

참고문헌 (16)

  1. N. Yang, H. Zhang, K. Long, H. Hsieh, and J. Liu, "Deep Neural Network for Resource Management in NOMA Networks," IEEE Transactions on Vehicular Technology, vol. 69, no. 1, pp. 876-886, Jan. 2020. 

    상세보기

  2. H. Sun, X. Chen, Q. Shi, M. Hong, X. Fu, and N. D. Sidiropoulos, "Learning to Optimize: Training Deep Neural Networks for Interference Management," IEEE Transactions on Signal Processing, vol. 66, no. 20, pp. 5438-5453, Oct. 2018. 

    상세보기

  3. K. N. Doan, M. Vaezi, W. Shin, H. V. Poor, H. Shin, and T. Q. S. Quek, "Power Allocation in Cache-Aided NOMA Systems: Optimization and Deep Reinforcement Learning Approaches," IEEE Transactions on Communications, vol. 68, no. 1, pp. 630-644, Jan. 2020. 

    상세보기

  4. Y. S. Nasir and D. Guo, "Multi-Agent Deep Reinforcement Learning for Dynamic Power Allocation in Wireless Networks," IEEE Journal on Selected Areas in Communications, vol. 37, no. 10, pp. 2239-2250, Oct. 2019. 

    상세보기

  5. D. Kim, H. Jung, and I. -H. Lee, "Deep Learning-Based Power Control Scheme With Partial Channel Information in Overlay Device-to-Device Communication Systems," IEEE Access, vol. 9, pp. 122125-122137, Sep. 2021. 

    상세보기

  6. W. Lee and R. Schober, "Deep Learning-Based Resource Allocation for Device-to-Device Communication," IEEE Transactions on Wireless Communications, vol. 21, no. 7, pp. 5235-5250, Jul. 2022. 

    상세보기

  7. Q. Ye, B. Rong, Y. Chen, M. Al-Shalash, C. Caramanis, and J. G. Andrews, "User Association for Load Balancing in Heterogeneous Cellular Networks," IEEE Transactions on Wireless Communications, vol. 12, no. 6, pp. 2706-2716, Jun. 2013. 

    상세보기

  8. K. M. S. Huq, S. Mumtaz, J. Bachmatiuk, J. Rodriguez, X. Wang, and R. L. Aguiar, "Green HetNet CoMP: Energy Efficiency Analysis and Optimization," IEEE Transactions on Vehicular Technology, vol. 64, no. 10, pp. 4670-4683, Oct. 2015. 

    상세보기

  9. D. Kim and I. -H. Lee, "User Association and Power Allocation Scheme Using Deep Learning Algorithmin Non-Orthogonal Multiple Access Based Heterogeneous Networks," Journal of the Korea Institute of Information and Communication Engineering, vol. 26, no. 3, pp. 430- 435, Mar. 2022. 

  10. H. Zhang, S. Huang, C. Jiang, K. Long, V. C. M. Leung, and H. V. Poor, "Energy Efficient User Association and Power Allocation in Millimeter-Wave-Based Ultra Dense Networks With Energy Harvesting Base Stations," IEEE Journal on Selected Areas in Communications, vol. 35, no. 9, pp. 1936-1947, Sep. 2017. 

    상세보기

  11. R. H. Byrd, M. E. Hribar, and J. Nocedal, "An Interior Point Algorithm for Large-Scale Nonlinear Programming," SIAM Journal on Optimization, vol. 9, no. 4, pp. 877-900, Sep. 1999. 

    상세보기

  12. U. F. Siddiqi, S. M. Sait, and M. Uysal, "Deep Reinforcement Based Power Allocation for the Max-Min Optimization in Non-Orthogonal Multiple Access," IEEE Access, vol. 8, pp. 211235-211247, Nov. 2020. 

    상세보기

  13. X. Huang, S. Liu, Y. Li, F. Zhu, and Q. Chen, "Dynamic cell selection and resource allocation in cognitive small cell networks," in Proceedings of the 2016 IEEE 27th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC), Valencia, Spain, pp. 1-6, 2016. 

  14. A. Kroah and J. A. Hertz, "A simple weight decay can improve generalization," in Proceedings of the Advances in Neural Information Processing, Denver: CO, USA, pp. 951-957, 1991. 

  15. S. Ioffe and C. Szegedy, "Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift," in Proceedings of the 32nd International Conference on Machine Learning, Lille, France, pp. 448-456, 2015. 

  16. D. P. Kingma and J. Ba. (2014, December). Adam: a method for stochastic optimization [Internet]. Available: http://arxiv.org/abs/1412.6980. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로