无蜂窝大规模MIMO网络下基于联邦学习的用户接入策略及能耗优化

摘要

针对无蜂窝大规模多输入多输出(CF-mMIMO)网络中用户如何选择接入点的问题,提出了一种基于信道排序的较差用户优先接入策略。首先,用户进行信道感知后对其信道质量和稳定性进行评估和排序,用户按照信道状态信息的顺序依次选择合适的接入点;其次,考虑到用户的能耗与数据安全等问题,采用联邦学习框架以增强用户的数据隐私安全,并提出一种基于能耗优化的交替优化变量算法,对多维变量进行优化,使系统总能耗最小化。仿真结果表明,相较于传统的大规模MIMO中用户为中心的接入策略,所提接入策略可使用户平均上行可达速率提升20%,信道较差用户的上行速率可提升2倍;在能耗优化方面,优化后的总能耗可降低50%以上。