REINFORCEMENT LEARNING PARA ALOCAÇÃO DE POTÊNCIA EM SISTEMAS MIMO

Resumo

As comunicações sem fio têm sido indubitavelmente de grande importância na sociedade moderna e com o avanço tecnológico de dispositivos móveis nas últimas décadas, registrou-se uma enorme popularização desse tipo de meio de comunicação. Como resultado desse crescimento, nos últimos anos o consumo de energia para prover comunicações eficientes vem aumentando exponencialmente e, por conta disso, existe grande interesse no estudo sobre como a alocação de potência pode ser feita a fim aumentar a eficiência energética, capacidade e a confiabilidade de transmissão. As atividades desenvolvidas nesse trabalho, tiveram como objetivo o estudo e a implementação de conceitos e técnicas de aprendizado por reforço (reinforcement learning), na alocação de potência de sistemas MIMO (“Multiple Input Multiple Output”). Um sistema MIMO utiliza múltiplas antenas de transmissão e de recepção, e pode ser representando como um conjunto de vários subcanais independentes. A capacidade de um sistema MIMO pode ser dada como a soma da capacidade de cada subcanal. Para determinar a capacidade de cada subcanal é preciso encontrar a potência de cada um deles. Neste trabalho foi projetado uma política de alocação através do reinforcement learning. Essa política busca encontrar o melhor valor de potência a ser alocada em cada subcanal por meio do algoritmo SARSA. A fim de verificar a performance do método de alocação baseado em reinforcemente learning é de interesse a comparação com resultados obtidos a partir do algoritmo de water-filling, referência usual para este problema, para análise da qualidade da alocação de potência realizada pela política treinada. O autor agradece o financiamento desta pesquisa, concedido pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).