Perpustakaan Digital ITB

Cell-Free Massive MIMO (CF-mMIMO) menjanjikan penghapusan batasan sel, namun implementasi praktisnya terhambat oleh tantangan skalabilitas yang substansial, khususnya dalam lingkungan seluler yang dinamis. Tulisan ini mengusulkan kerangka kerja alokasi sumber daya baru yang memanfaatkan arsitektur Open-Radio Access Network (O-RAN) untuk menciptakan sistem CFmMIMO yang skalabel dan cerdas. Tesis ini memformulasikan masalah joint dynamic clustering and power allocation sebagai Markov Decision Process dan menyelesaikannya menggunakan agen Deep Reinforcement Learning (DRL) berbasis algoritma Soft Actor-Critic (SAC). Sebuah inovasi utama terletak pada desain fungsi reward komposit yang secara eksplisit mendorong agen untuk mengelola interference footprint dan signaling overhead-nya. Policy yang dipelajari oleh agen kemudian diimplementasikan melalui rantai pemrosesan skalabel yang memanfaatkan informasi cluster untuk melakukan interference-aware beamforming. Hasil simulasi dari ablation study menunjukkan bahwa kerangka kerja yang tesis ini usulkan secara signifikan meningkatkan reliabilitas jaringan dan stabilitas koneksi dibandingkan dengan heuristik konvensional maupun agen DRL baseline yang tidak memiliki interference-awareness, mendemonstrasikan jalur praktis menuju jaringan cell-free adaptif dengan kinerja yang tinggi. Meningkatkan ukuran cluster bermanfaat untuk mengurangi handover rate, namun meningkatkan interferensi uplink untuk skema yang tidak dilengkapi dengan mekanisme interference-aware, seperti JCPA. Clustering heuristik dan kurangnya mekanisme interference-aware menghasilkan ukuran cluster yang lebih rendah, yang mengurangi manfaat dari spatial diversity. Hanya melakukan joint clustering and power allocation tidak cukup untuk meningkatkan reliabilitas jaringan dan mengurangi kejadian rekonfigurasi clustering. Mekanisme interference-aware mampu membuat algoritma menggunakan ukuran cluster yang lebih besar yang memberikan spatial diversity lebih tinggi dan handover rate lebih rendah. Dalam jaringan CF-mMIMO, mobilitas UE menghadirkan trade-off yang signifikan terhadap kinerja sistem. Saat UE bergerak, kondisi kanalnya terhadap AP yang terdistribusi berubah secara terus-menerus. Jika serving cluster APtidak beradaptasi cukup cepat terhadap pergerakan UE, UE dapat kehilangan spatial diversity gain dan mengalami kualitas sinyal yang buruk, yang mengarah pada probabilitas outage yang tinggi. Sebaliknya, mengonfigurasi ulang cluster terlalu sering untuk melacak link terbaik UE menghasilkan handover rate yang tinggi. Handover rate yang tinggi akan meningkatkan signaling overhead dan gangguan layanan. Selain itu, keputusan untuk meningkatkan daya pancar UE guna mengatasi kondisi kanal yang buruk dapat meningkatkan kualitas link individu mereka, namun dengan biaya peningkatan intersite interference terhadap UE lain dan konsumsi daya keseluruhan yang lebih tinggi. Mengelola trade-off ini memerlukan optimasi dinamis dari serving cluster APMk(t) dan daya pancar uplink pk(t), sembari juga mempertimbangkan mitigasi inter-site interference. Tesis ini bertujuan untuk secara bersamaan mengoptimalkan clustering dan alokasi daya uplink dalam jaringan CF-mMIMO dinamis. Pendekatan tesis ini dibedakan oleh penyertaan tujuan baru yang interference-aware. Alih-alih hanya berfokus pada maksimalisasi SINR dari UE yang dilayani, formulasi tesis ini secara eksplisit bertujuan untuk mengelola interference footprint yang dihasilkan terhadap AP non-serving. Sementara itu, agen IAJCPA yang diusulkan dipandu oleh tujuan interference-aware, yang memungkinkan agen untuk memitigasi interferensi dengan mempelajari clustering dengan overhead rendah dan daya uplink UE yang efisien.Agen JCPA, meskipun mengelola ukuran cluster, tidak secara eksplisit diberi penalti atas potensi interferensi yang diciptakannya terhadap AP non-serving. Oleh karena itu, agen tersebut mungkin mengadopsi policy yang efisien dalam hal clustering overhead namun masih mengganggu link tetangga