Key points are not available for this paper at this time.
Le problème de maximisation du taux de somme pondéré des réseaux d'accès radio en nuage ultra-denses est considéré. Le clustering centré sur l'utilisateur est adopté pour réduire la complexité. Pour réduire la surcharge d'entraînement, il suffit d'estimer l'information de l'état de canal (CSI) intra-cluster, tandis que seules les grandes gains de canal sont disponibles en dehors du cluster. Nous dérivons d'abord la borne inférieure du taux (LB) en nous basant sur l'inégalité de Jensen. Pour le cas particulier des clusters non superposés, l'expression du taux de données précise est dérivée sous forme fermée. Les résultats de simulation montrent la justesse de la LB tant pour les cas superposés que non superposés. Ensuite, nous considérons un problème alternatif où le taux de données réel est remplacé par sa LB, ce qui constitue un problème d'optimisation non convexe. D'abord, la solution optimale globale est obtenue en appliquant l'algorithme d'approximation polybloc externe (OPA) à haute complexité. Ensuite, nous invoquons l'algorithme WMMSE modifié à complexité réduite pour atténuer les effets délétères du CSI imparfait réaliste. Pour le sous-problème résolu par chaque itération WMMSE, les vecteurs de formation de faisceau sont dérivés sous forme fermée en s'appuyant sur la méthode de décomposition duale lagrangienne. Enfin, nos résultats de simulation montrent que la performance de l'algorithme WMMSE modifié est comparable à celle de l'algorithme OPA à haute complexité, qui surpasse d'autres algorithmes de référence.
Pan et al. (Wed,) ont étudié cette question.