NOMA非地面网络中的基于AI的无线与计算资源分配及路径规划：CSI不确定下的AoI最小化
网络与互联网体系结构
2023-05-31 v2 机器学习
信号处理
摘要
本文提出了一种由高空平台(HAP)与无人机(UAVs)组成的分层空中计算框架，用于计算通过上行非正交多址(UL-NOMA)连接的地面移动用户的完全卸载任务。为更好地评估计算密集型应用中信息的新鲜度，采用了信息年龄(AoI)准则。具体地，问题被表述为在CSI不确定及UAV与HAP多资源约束下，通过调整UAV轨迹及UAV与HAP上的资源分配，最小化具有弹性任务的用户的平均AoI。为求解该非凸优化问题，提出了多智能体深度确定性策略梯度(MADDPG)与联邦强化学习(FRL)两种方法来设计UAV轨迹，并获取信道、功率与CPU分配。结果表明，任务调度显著降低了平均AoI，且对较大任务尺寸此改善更明显。一方面，与对所有用户使用全传输功率相比，功率分配对平均AoI影响甚微。与传统传输方案相比，仿真结果显示我们的调度方案在平均AoI上有大幅改善。
引用
@article{arxiv.2305.00780,
title = {AI-based Radio and Computing Resource Allocation and Path Planning in NOMA NTNs: AoI Minimization under CSI Uncertainty},
author = {Maryam Ansarifard and Nader Mokari and Mohammadreza Javan and Hamid Saeedi and Eduard A. Jorswieck},
journal= {arXiv preprint arXiv:2305.00780},
year = {2023}
}