⚡ electrical engineering

DRL-based Power Allocation in LiDAL-Assisted RLNC-NOMA OWC Systems

यह शोध पत्र एक LiDAL-सहायता प्राप्त RLNC-NOMA ऑप्टिकल वायरलेस संचार प्रणाली में औसत योग दर (average sum rate) को अनुकूलित करने के लिए एक नॉर्मलाइज्ड एडवांटेज फंक्शन एल्गोरिदम का उपयोग करते हुए एक डीप रिइन्फोर्समेंट लर्निंग-आधारित पावर एलोकेशन फ्रेमवर्क प्रस्तावित करता है, जो दोषपूर्ण चैनल स्टेट इंफॉर्मेशन और उपयोगकर्ता स्थान त्रुटियों को ध्यान में रखते हुए मौजूदा विधियों की तुलना में बेहतर प्रदर्शन और दक्षता प्रदर्शित करता है।

मूल लेखक: Ahmed A. Hassan, Ahmad Adnan Qidan, Taisir Elgorashi, Jaafar Elmirghani

प्रकाशित 2026-05-05

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ahmed A. Hassan, Ahmad Adnan Qidan, Taisir Elgorashi, Jaafar Elmirghani

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

मुख्य चित्र: एक व्यस्त लाइट बल्ब पार्टी

कल्पना कीजिए कि एक कमरा लोगों (उपयोगकर्ताओं) से भरा है जो एक ही समय में एक केंद्रीय लाइट बल्ब (ट्रांसमीटर) से बात करना चाहते हैं। पुराने दिनों में, लाइट बल्ब को प्रत्येक व्यक्ति से बात करने के लिए बारी-बारी से समय लेना पड़ता था, जैसे एक शिक्षक एक-एक करके छात्रों को बुलाता है। यह धीमा है।

NOMA (नॉन-ऑर्थोगोनल मल्टीपल एक्सेस) उस लाइट बल्ब की तरह है जो एक ही बार में एक जटिल संदेश चिल्लाकर भेजता है जिसमें सभी के लिए निर्देश होते हैं। यह एक रेडियो स्टेशन की तरह है जो गानों का मिश्रण प्रसारित करता है, लेकिन प्रत्येक श्रोता के पास एक विशेष डिकोडर होता है जिससे वह केवल अपना गाना चुन सके।

हालाँकि, इस "चिल्लाने" वाली विधि के साथ दो बड़ी समस्याएँ हैं:

प्रकाश धुंधला है: लाइट बल्ब को ठीक से पता नहीं होता कि हर कोई कहाँ खड़ा है या वे इसे कितनी अच्छी तरह सुन सकते हैं। यदि कमरे के एक कोने में रोशनी कम है, तो उस व्यक्ति को सुनने के लिए अधिक "वॉल्यूम" (शक्ति) की आवश्यकता होगी। यदि वे पास हैं, तो उन्हें कम आवश्यकता होगी।
डिकोडिंग अव्यवस्थित है: क्योंकि हर कोई एक ही मिश्रण को सुन रहा है, इसलिए जिस व्यक्ति के पास "सबसे अच्छा" सिग्नल है, उसे अपना संदेश खोजने के लिए अन्य लोगों के संदेशों की परतों को हटाना पड़ता है। यदि वे एक परत हटाने में गलती करते हैं, तो पूरा संदेश बिगड़ जाता है।

पेपर का समाधान: एक स्मार्ट, तीन-भागों वाली टीम

लेखक इन समस्याओं को ठीक करने के लिए तीन उच्च-तकनीकी उपकरणों को संयोजित करने वाला एक नया सिस्टम प्रस्तावित करते हैं:

1. LiDAL (सिस्टम की "आंखें")
लोगों के स्थान का अनुमान लगाने के बजाय, सिस्टम LiDAL (लाइट डिटेक्शन एंड लोकलाइजेशन) का उपयोग करता है। इसे ऐसे समझें कि लाइट बल्ब के पास "सुपर-विज़न" है। यह लोगों और फर्नीचर से टकराकर वापस आने वाले प्रकाश के सूक्ष्म, अदृश्य पल्स भेजता है। यह मापकर कि उछाल (bounce) में कितना समय लगा, सिस्टम कमरे का वास्तविक समय (real-time) में 3D मानचित्र बनाता है।

यह कैसे मदद करता है: यह सिस्टम को बताता है कि हर कोई वास्तव में कहाँ खड़ा है, ताकि वह केवल अनुमान लगाने के बजाय यह बेहतर ढंग से अनुमान लगा सके कि सिग्नल कितना मजबूत होगा।

2. RLNC (एक "सुरक्षा जाल")
परफेक्ट आँखों के बावजूद, गलतियाँ होती हैं। इसे ठीक करने के लिए, वे RLNC (रैंडम लीनियर नेटवर्क कोडिंग) का उपयोग करते हैं। कल्पना कीजिए कि आप पत्रों का एक पैकेज भेज रहे हैं। पत्र A, फिर पत्र B भेजने के बजाय, सिस्टम उन्हें गणितीय रूप से मिला देता है और "पत्र A + पत्र B" और "पत्र A - पत्र B" भेजता है।

यह कैसे मदद करता है: यदि आप मिश्रण का एक हिस्सा खो देते हैं, तो आप अभी भी मूल पत्रों का पता लगा सकते हैं क्योंकि आपके पास पहेली को सुलझाने के लिए अन्य मिश्रित टुकड़े मौजूद हैं। यह सिस्टम को त्रुटियों के प्रति लचीला बनाता है।

3. DRL-NAF (एक "स्मार्ट कंडक्टर")
यही असली सितारा है। सिस्टम को यह तय करने की आवश्यकता है कि प्रत्येक व्यक्ति को कितना "पावर" (वॉल्यूम) देना है।

समस्या: यदि आप हर संभावना का परीक्षण करके (जैसे किसी ताले के हर संयोजन को आज़माना) प्रत्येक व्यक्ति के लिए सटीक वॉल्यूम की गणना करने की कोशिश करते हैं, तो इसमें बहुत समय लगता है। यदि आप एक साधारण नियम का उपयोग करते हैं, तो यह बहुत कुशल नहीं होता है।
समाधान: वे DRL-NAF (डीप रिइन्फोर्समेंट लर्निंग विद नॉर्मलाइज्ड एडवांटेज फंक्शन्स) का उपयोग करते हैं। इसे एक ऑर्केस्ट्रा के स्मार्ट कंडक्टर के रूप में सोचें।
- कंडक्टर कमरे (वातावरण) को देखता है।
- वह अलग-अलग वॉल्यूम सेटिंग्स (एक्शन) आज़माता है।
- यदि संगीत अच्छा सुनाई देता है (उच्च डेटा दर), तो उसे एक "रिवॉर्ड" (पुरस्कार) मिलता है। यदि संगीत खराब है, तो उसे "पेनल्टी" (दंड) मिलती है।
- समय के साथ, कंडक्टर हर एक संभावना का परीक्षण किए बिना ही एक आदर्श सिम्फनी सीख जाता है। "NAF" वाला हिस्सा एक विशिष्ट गणितीय ट्रिक है जो कंडक्टर को अन्य AI तरीकों की तुलना में तेजी से और अधिक स्थिरता से सीखने में मदद करता है।

उन्होंने क्या पाया (परिणाम)

लेखकों ने 8 लाइट स्रोतों और 32 लोगों वाले एक व्यस्त इनडोर कमरे का सिमुलेशन बनाया। उन्होंने अपने "स्मार्ट कंडक्टर" (NAF) का परीक्षण तीन अन्य विधियों के विरुद्ध किया:

एग्जॉस्टिव सर्च (Exhaustive Search): "ब्रूट फोर्स" तरीका जो हर एक संयोजन को आज़माता है। यह सही उत्तर तो ढूंढ लेता है लेकिन इसमें बहुत लंबा समय लगता है (जैसे सही नोट खोजने के लिए पियानो की हर कुंजी को चेक करना)।
DDPG: एक अन्य प्रकार का AI कंडक्टर।
GRPA: आज उपयोग की जाने वाली एक मानक, नियम-आधारित विधि।

परिणाम:

गति: NAF कंडक्टर, DDPG कंडक्टर की तुलना में 39% तेज़ था। इसने बहुत तेज़ी से सबसे अच्छी रणनीति सीखी।
प्रदर्शन: NAF सिस्टम ने एक डेटा स्पीड (सम रेट) प्राप्त की जो "ब्रूट फोर्स" परफेक्ट तरीके के लगभग समान थी, लेकिन बिना प्रतीक्षा समय के।
सुधार: यह मानक नियम-आधारित विधि (GRPA) से 4.6% तेज़ था।
निष्पक्षता: इसने सुनिश्चित किया कि हर किसी को डेटा का उचित हिस्सा मिले, भले ही वे छाया या प्रतिबिंबों (reflections) वाले खराब स्थान पर खड़े हों।

निचोड़ (The Bottom Line)

यह पेपर दिखाता है कि सुपर-विज़न (LiDAL) से यह जानने के लिए कि लोग कहाँ हैं, सुरक्षा जाल (RLNC) से त्रुटियों को ठीक करने के लिए, और वॉल्यूम को प्रबंधित करने के लिए एक तेज़-सीखने वाले AI कंडक्टर (NAF) को मिलाकर, हम इनडोर लाइट-आधारित इंटरनेट को बहुत तेज़, निष्पक्ष और अधिक विश्वसनीय बना सकते हैं। AI भीड़भाड़ वाले कमरे के अराजक माहौल को पुराने नियमों या धीमी AI विधियों की तुलना में बहुत बेहतर तरीके से प्रबंधित करना सीख जाता है।

तकनीकी सारांश: LiDAL-सहायता प्राप्त RLNC-NOMA OWC प्रणालियों में DRL-आधारित पावर एलोकेशन

समस्या विवरण
नॉन-ऑर्थोगोनल मल्टीपल एक्सेस (NOMA) का उपयोग करने वाला ऑप्टिकल वायरलेस कम्युनिकेशन (OWC), उच्च-गति वाले इनडोर कनेक्टिविटी के लिए एक आशाजनक समाधान प्रदान करता है, जो कई उपयोगकर्ताओं को पावर डोमेन के माध्यम से ऑप्टिकल स्पेक्ट्रम साझा करने में सक्षम बनाता है। हालांकि, NOMA-आधारित OWC प्रणालियों का प्रदर्शन अपूर्ण चैनल स्टेट इंफॉर्मेशन (CSI) और अवशिष्ट डिकोडिंग त्रुटियों (residual decoding errors) द्वारा महत्वपूर्ण रूप से बाधित होता है, विशेष रूप से उपयोगकर्ता गतिशीलता वाले घने-उपयोगकर्ता इनडोर परिदृश्यों में। पारंपरिक पावर एलोकेशन (PA) रणनीतियाँ अक्सर स्थिर चैनल धारणाओं या मानक संभाव्यता वितरणों (जैसे कि रेले या गॉसियन) पर निर्भर करती हैं, जो छायांकन (shadowing), क्वांटिज़ेशन त्रुटियों और उपयोगकर्ता की आवाजाही द्वारा चिह्नित गतिशील इनडोर वातावरण की वास्तविक स्थिति को पकड़ने में विफल रहती हैं। इसके अलावा, सिस्टम थ्रूपुट को अधिकतम करने के लिए निरंतर PA को गतिशील रूप से अनुकूलित करना कम्प्यूटेशनल रूप से अत्यधिक कठिन है, क्योंकि यह समस्या अक्सर NP-hard होती है। मौजूदा ह्यूरिस्टिक विधियाँ (जैसे जेनेटिक एल्गोरिदम) स्थानीय इष्टतम (local optima) पर अभिसरण (converge) कर सकती हैं, जबकि मानक सुदृढीकरण लर्निंग (RL) एल्गोरिदम "डायमेंशनलिटी के अभिशाप" (curse of dimensionality) और धीमी अभिसरण दर के कारण बड़े, निरंतर स्टेट-एक्शन स्पेस के साथ संघर्ष करते हैं।

कार्यप्रणाली
इन चुनौतियों को संबोधित करने के लिए, लेखक एक LiDAL-सहायता प्राप्त RLNC-NOMA OWC सिस्टम प्रस्तावित करते हैं जिसे डीप रिइन्फोर्समेंट लर्निंग (DRL) फ्रेमवर्क के साथ एकीकृत किया गया है। कार्यप्रणाली में तीन मुख्य घटक शामिल हैं:

सिस्टम मॉडल (LiDAL और RLNC):
- LiDAL एकीकरण: स्थानिक-कालिक (spatio-temporal) जानकारी का लाभ उठाने के लिए एक लाइट डिटेक्शन एंड लोकलाइजेशन (LiDAL) सिस्टम का उपयोग किया जाता है। उपयोगकर्ता की उपस्थिति और स्थान को निष्क्रिय रूप से कैप्चर करके, LiDAL अनुमानित CSI को परिष्कृत करने के लिए सहायक डेटा प्रदान करता है। सिस्टम अपूर्ण CSI को स्थान त्रुटियों के क्रेमर-राव लोअर बाउंड (CRLB) और लाइन-ऑफ-साइट (LOS) दूरी के फलन के रूप में मॉडल करता है, यह स्वीकार करते हुए कि ऑप्टिकल स्रोत की गैर-रैखिकता और नेत्र-सुरक्षा बाधाएं स्थान निर्धारण सटीकता को RF सिस्टम की तुलना में अलग तरह से आकार देती हैं।
- RLNC एकीकरण: NOMA फ्रेमवर्क के भीतर रैंडम लीनियर नेटवर्क कोडिंग (RLNC) को एकीकृत किया गया है। ऑप्टिकल एक्सेस पॉइंट (AP) सुपरइम्पोज्ड NOMA सिग्नल्स के रूप में डेटा पैकेटों को रैंडम लीनियर कॉम्बिनेशन के रूप में एनकोड करता है। यह रिसीवर्स को पर्याप्त संख्या में स्वतंत्र कॉम्बिनेशन प्राप्त होने पर मूल जानकारी को विश्वसनीय रूप से पुनर्गठित करने की अनुमति देता है, जिससे अपूर्ण सक्सेसिव इंटरफेरेंस कैंसिलेशन (SIC) के कारण होने वाले एरर प्रोपेगेशन को कम किया जा सके।
अनुकूलन सूत्रीकरण (Optimization Formulation):
लेखक एक जटिल अनुकूलन समस्या को सूत्रबद्ध करते हैं जिसका उद्देश्य उपयोगकर्ता निष्पक्षता सुनिश्चित करते हुए और न्यूनतम डेटा दर बाधाओं ( $\gamma_{min}$ ) को पूरा करते हुए सिस्टम के औसत सम-दर (average sum rate) को अधिकतम करना है। इस समस्या में विशिष्ट ऑप्टिकल APs के तहत समूहबद्ध उपयोगकर्ताओं के लिए इष्टतम पावर एलोकेशन गुणांक ( $\alpha$ ) निर्धारित करना शामिल है, जो कुल शक्ति, पावर ऑर्डरिंग (SIC के लिए), और न्यूनतम दर आवश्यकताओं के अधीन है।
DRL समाधान (NAF एल्गोरिदम):
गैर-कॉन्वेक्स, गतिशील अनुकूलन समस्या को कुशलतापूर्वक हल करने के लिए, लेखक नॉर्मलाइज्ड एडवांटेज फंक्शन (NAF) एल्गोरिदम पर आधारित एक डीप रिइन्फोर्समेंट लर्निंग फ्रेमवर्क प्रस्तावित करते हैं।
- एजेंट आर्किटेक्चर: NAF एजेंट एक डीप न्यूरल नेटवर्क आर्किटेक्चर का उपयोग करता है जिसमें तीन हेड्स हैं: एक स्टेट-वैल्यू फंक्शन $V(s)$ , एक मीन-एक्शन फंक्शन $\mu(s)$ (पॉलिसी), और एक क्वाड्रेटिक एडवांटेज फंक्शन $A(s, a)$ । यह संरचना निरंतर स्पेस में सीधे कार्यों के अनुकूलन की अनुमति देती है।
- लर्निंग प्रक्रिया: एजेंट एक वातावरण (जो एक मार्कोव निर्णय प्रक्रिया के रूप में मॉडल किया गया है) के साथ इंटरैक्ट करता है जहाँ स्टेट में अनुमानित चैनल गेन्स, लोकेशन नॉइज़ कोएफिशिएंट्स और वर्तमान पावर फैक्टर्स शामिल हैं। रिवॉर्ड को औसत सम-दर के रूप में परिभाषित किया गया है, और यदि बाधाओं का उल्लंघन होता है तो इसे दंडित किया जाता है। NAF एल्गोरिदम लर्निंग को स्थिर करने और पारंपरिक एक्टर-क्रिटिक विधियों जैसे डीप डिटरमिनिस्टिक पॉलिसी ग्रेडिएंट (DDPG) की तुलना में अभिसरण को तेज करने के लिए एक टारगेट नेटवर्क और सॉफ्ट अपडेट के साथ एक इवैल्यूएशन नेटवर्क का उपयोग करता है।

प्रमुख योगदान

सिस्टम मॉडलिंग: यह पेपर एक नवीन LiDAL-सहायता प्राप्त RLNC-NOMA OWC सिस्टम को मॉडल करता है जो उन्नत CSI अनुमान के लिए स्थान-आधारित जानकारी और अपूर्ण डिकोडिंग त्रुटियों की उपस्थिति में मजबूत डेटा ट्रांसमिशन के लिए RLNC का संयुक्त रूप से लाभ उठाता है।
एल्गोरिद्मिक नवाचार: निरंतर पावर एलोकेशन समस्या को गतिशील, उच्च-आयामी वातावरण में हल करने के लिए एक NAF-आधारित DRL मॉडल पेश किया गया है। यह दृष्टिकोण निरंतर एक्शन स्पेस में अभिसरण गति और स्थिरता के संबंध में पारंपरिक RL एल्गोरिदम (जैसे Q-लर्निंग) और एक्टर-क्रिटिक विधियों (जैसे DDPG) की सीमाओं को पार करता है।
प्रदर्शन विश्लेषण: अध्ययन उपयोगकर्ता स्थान अनुमान सटीकता और नेटवर्क प्रदर्शन पर इसके प्रभाव का व्यापक मूल्यांकन प्रदान करता है। यह प्रस्तावित NAF एल्गोरिदम को DDPG, गेन रेशियो पावर एलोकेशन (GRPA), और एग्जॉस्टिव सर्च के विरुद्ध बेंचमार्क करता है।

परिणाम
8 ऑप्टिकल APs और 32 उपयोगकर्ताओं तक के इनडोर स्टडी स्पेस में किए गए सिमुलेशन परिणाम निम्नलिखित दर्शाते हैं:

अभिसरण और दक्षता: NAF एल्गोरिदम DDPG की तुलना में काफी तेजी से (लगभग 56% तेज़ अभिसरण समय) अभिसरण करता है और प्रति इटरेशन कम प्रशिक्षण समय (DDPG के 0.44s के मुकाबले 0.27s) लेता है। हालांकि इसके क्वाड्रेटिक एडवांटेज स्ट्रक्चर के कारण मेमोरी की मांग थोड़ी अधिक है, लेकिन यह एग्जॉस्टिव सर्च की तुलना में स्पष्ट कार्यान्वयन लाभ प्रदान करता है, जो घने परिदृश्यों के लिए कम्प्यूटेशनल रूप से अव्यवहार्य है।
सम-दर प्रदर्शन: NAF-आधारित पावर एलोकेशन 1.882 Gbps की औसत सम-दर प्राप्त करता है। यह पारंपरिक GRPA योजना पर 4.6% का सुधार और DDPG एजेंट पर 1.64% का सुधार प्रदर्शित करता है।
इष्टतमता (Optimality): NAF एल्गोरिदम का प्रदर्शन एग्जॉस्टिव सर्च पद्धति के करीब है, जिसे डिस्क्रीट ग्रिड के भीतर ग्लोबल ऑप्टिमम माना जाता है, जो सीखे गए नीति (learned policy) की निकट-इष्टतमता को प्रमाणित करता है।
निष्पक्षता और मजबूती: प्रस्तावित विधि उच्च उपयोगकर्ता निष्पक्षता (जैन का फेयरनेस इंडेक्स) सुनिश्चित करती है, जो एग्जॉस्टिव सर्च के तुलनीय है, और स्थान अनुमान त्रुटियों के विरुद्ध मजबूती प्रदर्शित करती है। एल्गोरिदम सिस्टम विश्वसनीयता बनाए रखने के लिए उच्च स्थान अनुमान त्रुटियों वाले उपयोगकर्ताओं को अधिक शक्ति आवंटित करने में प्रभावी ढंग से काम करता है।

महत्व
पेपर का दावा है कि प्रस्तावित फ्रेमवर्क वास्तविक, घने-उपयोगकर्ता वाले इनडोर OWC सिस्टम में पावर एलोकेशन को अनुकूलित करने के लिए एक व्यावहारिक और कुशल समाधान प्रदान करता है। LiDAL और RLNC को एकीकृत करके, सिस्टम उन्नत CSI और अवशिष्ट डिकोडिंग त्रुटियों की दोहरी चुनौतियों को संबोधित करता है। NAF-आधारित DRL दृष्टिकोण को अपनाने से कम्प्यूटेशनल रूप से अत्यधिक कठिन एग्जॉस्टिव सर्च और धीमी गति से अभिसरण करने वाली DRL विधियों के मुकाबले एक कम-जटिलता वाला, उच्च-प्रदर्शन वाला विकल्प मिलता है। परिणाम बताते हैं कि यह दृष्टिकोण गतिशील इनडोर वातावरणों में निहित अनिश्चितताओं के प्रति मजबूत है, जो इसे अगली पीढ़ी के उच्च-गति वाले ऑप्टिकल वायरलेस नेटवर्क के लिए एक व्यवहार्य उम्मीदवार बनाता है।

मुख्य चित्र: एक व्यस्त लाइट बल्ब पार्टी

पेपर का समाधान: एक स्मार्ट, तीन-भागों वाली टीम

उन्होंने क्या पाया (परिणाम)

निचोड़ (The Bottom Line)

इसी तरह के और पेपर