5G毫微型基地台網路中人工智慧物聯網技術之研究

毫微型基地台(Femtocell)與物聯網(Internet of Things，IoT)將在5G通訊系統中扮演重要角色。在5G毫微型基地台網路中利用D2D (Device-to-Device)通訊方式佈署物聯網可以使得設備與設備之間直接近距離傳輸，不需透過基地台轉送資料，可以降低基地台負擔並且有效提升系統容量。但D2D通訊也可能引起和蜂巢式網路相互之間跨層干擾(Inter-interference)問題，導致系統容量不增反減。在本計畫中，我們研究5G毫微型基地台與D2D通訊共存的異質性網路(Heterogeneous Networks，HeNets)之功率控制與資源分配問題，並提出基於人工智慧(Artificial Intelligence，AI)的功率控制與資源分配演算法，藉以提升異質性網路之整體系統總效能與使用者之感受品質(Quality of Experience，QoE)。本計畫建立5G毫微型基地台與D2D共存異質性網路之理論模型，並提出基於人工智慧長短期記憶(LSTM，Long Short-Term Memory)網路與強化學習(Reinforce Learning)所設計的功率控制與資源分配演算法，根據干擾情境、使用者密度、以及流量變化動態調整功率與資源塊分配，降低5G毫微型基地台與D2D異質性網路之跨層干擾並提升系統總效能與使用者之感受品質。本計畫中所提出之5G毫微型基地台與D2D共存異質性網路之系統理論模型，以及基於人工智慧的功率控制與資源分配演算法，希望可以成為下世代行動通訊系統設計之參考。