3TO：基于近端策略优化深度强化学习的 6G 网络太赫兹无人机吞吐量与轨迹优化
网络与互联网体系结构
2022-02-08 v1 信号处理
摘要
下一代网络需要满足无处不在与高数据速率的需求。因此，本文考虑第六代（6G）通信网络中太赫兹（THz）赋能无人机（UAV）的吞吐量与轨迹优化。在所考虑场景中，多架无人机须与现有地面网络一起为城市区域提供按需太比特每秒（TB/s）服务。然而，太赫兹赋能的无人机带来了一些新约束，例如地面用户（GUs）关联的动态太赫兹信道条件，以及为满足 GU 吞吐量需求的无人机轨迹优化。为此，提出一个框架以应对这些挑战，其中研究了无人机-地面用户关联、发射功率与轨迹优化的联合优化问题。该公式化问题为混合整数非线性规划（MINLP），求解为 NP-hard。进而，提出一种迭代算法来迭代求解三个子问题，即无人机-地面用户关联、发射功率与轨迹优化。仿真结果表明，与基线算法相比，所提算法将吞吐量分别提高了 10%、68.9% 与 69.1%。
引用
@article{arxiv.2202.02924,
title = {3TO: THz-Enabled Throughput and Trajectory Optimization of UAVs in 6G Networks by Proximal Policy Optimization Deep Reinforcement Learning},
author = {Sheikh Salman Hassan and Yu Min Park and Yan Kyaw Tun and Walid Saad and Zhu Han and Choong Seon Hong},
journal= {arXiv preprint arXiv:2202.02924},
year = {2022}
}