Deep Learning Scheme for Maximizing Data Rate in Heterogeneous Networks Using Outdated Partial Channel State Information

본 논문에서는 다수의 기지국이 협력적 다중 포인트 전송을 이용하는 이기종 네트워크를 고려한다. 여기서, 기지국과 단말간 채널 이득은 경로 손실과 레일레이 페이딩으로 구성된다. 이러한 가정에서 평균 데이터율을 최대화하는 딥러닝 기반 동적 셀 선택과 송신 전력 할당 기법을 제안한다. 여기서, 동적 셀 선택의 결과는 송신 전력 할당의 입력으로 이용되어 연합적인 학습과 테스트를 수행한다. 특히, 제안하는 기법은 실제 무선 통신 환경을 고려하여 지연된 부분 채널 상태 정보를 이용한다. 또한, 부분 채널 상태 정보는 채널 전력 대 간섭 채널 전력비를 이용해 피드백된다. 시뮬레이션을 통해 제안하는 기법이 완전 탐색을 이용한 동적 셀 선택과 신뢰 영역 내부점 기법을 이용한 송신 전력할당과 유사한 데이터율 성능을 제공함을 보여준다.