Dynamic Spectrum Access for Ambient Backscatter Communication-assisted D2D Systems with Quantum Reinforcement Learning
작성자
Haebom
저자
Nguyen Van Huynh, Bolun Zhang, Dinh-Hieu Tran, Dinh Thai Hoang, Diep N. Nguyen, Gan Zheng, Dusit Niyato, Quoc-Viet Pham
개요
본 논문은 기기 간 통신(D2D)에서의 스펙트럼 접근 문제를 해결하기 위해 주변 환경의 RF 신호를 이용한 백스캐터링 통신 기술을 제안합니다. D2D 기기가 공유 스펙트럼이 점유된 경우 백스캐터링을 통해 데이터를 전송함으로써 스펙트럼 효율을 높이고자 합니다. 최적의 스펙트럼 접근 정책 (대기, 능동 전송, 백스캐터링)을 찾기 위해 양자 강화 학습(QRL) 알고리즘을 제시합니다. 기존 심층 강화 학습(DRL)보다 적은 매개변수와 빠른 수렴 속도를 달성하기 위해 매개변수화된 양자 회로를 사용하여 최적 정책을 근사합니다. 시뮬레이션 결과, 제안된 QRL 기반 방식이 D2D 기기의 평균 처리량을 향상시키고, DRL 기반 방식보다 수렴 속도와 학습 복잡도 면에서 훨씬 우수한 성능을 보임을 확인했습니다.
시사점, 한계점
•
시사점:
◦
양자 강화 학습을 활용하여 D2D 통신에서의 스펙트럼 접근 문제를 효과적으로 해결할 수 있는 새로운 방법 제시.
◦
기존 DRL 기반 방법보다 빠른 수렴 속도와 향상된 학습 효율을 달성.
◦
주변 환경의 RF 신호를 활용하여 스펙트럼 효율을 증대시키는 백스캐터링 통신 기술의 효용성을 입증.
