높은 스펙트럴 효율을 유지하면서 전력 소모를 줄이는 것은 현대 통신 시스템에서 매우 중요하며, 특히 네트워크 서비스와 기기의 급속한 확장에 따라 그 필요성이 더욱 커지고 있다. 본 연구에서는 이러한 과제에 대응하기 위해 업링크 양자화 MIMO(다중 입력 다중 출력) 시스템에서 NOMA(비직교 다중 접속)로 구동되는 에너지 효율 문제를 탐구한다. 이 맥락에서 저해상도 양자화기를 사용하면 전력 소모를 크게 줄일 수 있는 반면, NOMA는 MIMO 시스템에서 스펙트럴 효율을 향상시킨다. 본 연구에서는 사용자들의 전처리(pre-coding) 및 기지국의 검출 행렬을 제약 조건을 고려하면서 최적화하기 위해 DDPG 학습 알고리즘에 새로운 포스트-액터(post-actor) 과정을 통합한 포스트-액터-추가 딥 결정론적 정책 기울기(post-actor-added deep deterministic policy gradient, P-DDPG) 알고리즘을 제안한다. P-DDPG 알고리즘을 활용함으로써 스펙트럴 효율을 증대하면서도 전력 소모를 최소화하여 시스템의 에너지 효율을 향상시키는 것을 목표로 한다. 또한 추론 과정에서 학습된 모델에 추가되는 전력 소진(power-exhaustive) 탐색 함수를 설계하여 기기 다양성을 보장한다. 수치 결과는 알고리즘의 수렴을 확인하며, 다양한 환경 조건에서 벤치마크 방식에 비해 우수한 성능을 보임을 보여준다. 아울러 저해상도 양자화기가 시스템 성능에 미치는 영향을 면밀히 분석한다.

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