이 논문은 빔 호핑(BH) 저궤도(LEO) 위성 통신 시스템에서 에너지 효율(EE)을 최대화하기 위한 심층 신경망(DNN) 기반 자원 할당 프레임워크를 제시한다. 구체적으로 BH-LEO 위성 시스템에서는 원래의 혼합정수 비선형계획(MINLP) 형태가 갖는 본질적 복잡성과 비볼록성으로 인해 시간 슬롯 스케줄링과 송신 전력 제어의 결합 최적화를 해결하기가 어렵다. 이를 완화하기 위해 본 연구는 문제를 두 개의 다루기 쉬운 하위 문제로 분해하는 전략을 제안한다. 즉, 시간 슬롯 할당을 위한 정수계획 모형과 송신 전력 할당을 위한 비선형계획 모형이다. 시간 슬롯 할당 하위 문제에서는 듀얼링과 더블 Q-러닝의 장점을 결합하여 안정적이고 효율적인 의사결정을 가능하게 하는 듀얼링 더블 딥 Q-네트워크(D3QN)를 사용한다. 이어서 전력 할당 하위 문제에서는 송신 전력을 간접적으로 결정하기 위해 분광 효율을 추정하는 새로운 비지도 DNN(UDNN) 기반 모형을 설계하여, EE 최대화를 위한 비볼록 최적화 문제를 푸는 데 따르는 어려움을 회피한다. 광범위한 시뮬레이션 결과는 제안한 D3QN 및 UDNN 기반 방식이 EE와 차단(outage) 성능 모두에서 기존의 반복적 및 DNN 기반 접근법보다 우수함을 보여주었으며, 동시에 계산 복잡도(연산 오버헤드)를 유의미하게 감소시킨다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.