논문제목: RSMA를 적용한 5G MIMO 네트워크에서의 강화학습 기반 자원 최적화 연
논문요약: 5G MIMO 네트워크 환경에서는 사용자 이동에 따른 핸드오버와 셀 간 간섭으로 인해 네트워크 상태가 실시간으로 변화하므로, 이에 대응할 수 있는 제어 기법이 요구된다. RSMA는 간섭 완화와 전송 효율 향상을 동시에 고려할 수 있는 기술로 주목받고 있으나, 기존 빔포밍, 전력 할당, 전송률 할당을 포함한 최적화 방식은 높은 연산 복잡도를 야기하며, 1-layer 구조에서는 공통 스트림이 열악한 사용자에 의해 제한되는 문제가 발생한다. 이러한 조건하에 RSMA 기반 물리계층 제어만으로는 네트워크 자원을 최적화하기 어렵고, 사용자 접속 및 부하 분산을 조정하는 네트워크 계층 제어가 함께 고려되어야 한다. 본 논문에서는 이러한 한계를 고려하여 PF metric과 channel spatial correlation을 반영한 저복잡도 사용자 선택 기반 RSMA 구조를 채택하고, 이를 5G MIMO 네트워크에 적용한 강화학습 기반 교차 계층 제어 기법을 제안한다. 제안 기법은 사용자 접속 및 부하 분산을 제어하는 CIO와 RSMA split ratio를 공동 최적화하여, 네트워크 처리율과 부하 분산 성능을 개선하는 것을 목표로 한다.
학위연월: 26년 08월
E-mail: ehxhfl1589@pusan.ac.kr
지도교수: 유영환 교수님
키워드: 5G MIMO 네트워크, RSMA, 강화학습, 자원 최적화, 부하 분산