基于学习的时延受限前端压缩优化在 C-RAN 中

通过深度强化学习控制前传带宽压缩，该方法在不同的前传负载水平下实现了显著的前传带宽利用率和空中接口吞吐量提升，并能够满足预定的前传时延约束。

该研究优化了云无线电接入网络中远程无线电头的模拟和数字部分，使用加权下行总速率和网络能源效率最大化的目标进行联合优化，并提出了块协调下降算法。同时，研究了不完美信道状态信息对性能的影响，并应用采样平均近似扩展算法。数值结果证实了所提出方案的有效性，表明所提出的算法对估计误差具有鲁棒性。