AI-jal gyorsítják a 5G hálózatokat, nincs szükség CSI-re
A kutatók a hagyományos pilot-alapú csatornabecslést felhasználói lokalizációs adatokkal váltották ki, jelentősen csökkentve a számítási terhelést.
Új keretrendszert javasoltak kutatók a következő generációs milliméteres hullámhosszú (mmWave) hálózatokhoz, amely a Reconfigurable Intelligent Surfaces (RIS) technológiát a Hierarchical Multi-Agent Reinforcement Learning (HMARL) architektúrával ötvözi — írja az arXiv-on megjelent tanulmány.
A megoldás célja, hogy kiküszöbölje a Channel State Information (CSI) becslésének számításigényes feladatát, amely eddig akadályozta a nagyméretű telepítéseket. A kutatók egy „CSI-mentes” paradigmát vezettek be a mechanikusan újrakonfigurálható felületek irányítására, jelentősen csökkentve a rendszer terhelését.
A számítási terhelés átalakulása
A rendszer a térbeli intelligenciát használja fel a makroszintű hullámterjedés kezelésére. A vezérlési problémát egy kétszintű neurális architektúrára bontották: egy magas szintű vezérlő végzi a felhasználók és reflektorok közötti allokációt, míg az alacsony szintű vezérlők az autonóm működésért felelnek.
A felhasználói lokalizáció szerepe
Ez a megközelítés lehetővé teszi a hálózatok hatékonyabb és rugalmasabb működését, különösen azokban a környezetekben, ahol a hagyományos CSI becslés túl költséges vagy bonyolult lenne. A tanulmány az arXiv:2604.05165v1 azonosító alatt érhető el a kutatók által 2024. április 15-én publikált adatok szerint.