基于 AI 的安全 NOMA 与认知无线电赋能的绿色通信：信道状态信息与电池价值不确定性
信号处理
2021-07-01 v1
摘要
本文考虑能量收集认知无线电网络中的安全感知鲁棒资源分配，两个发射机间存在协作，且信道增益与电池能量值存在不确定性。具体而言，主接入点从绿色资源收集能量，并使用时间切换协议向次接入点（SAP）发送能量与数据。利用功率域非正交多址技术，SAP 借助主网络的频带帮助主网络提升数据传输安全性。就此，我们引入在信道增益与电池能量值存在不确定性及实际约束下最大化比例公平能量效率（PFEE）的问题。此外，假设窃听者的信道增益未知。采用分散部分可观测马尔可夫决策过程，我们研究相应资源分配问题的解。我们利用多智能体单奖励深度确定性策略梯度（MASRDDPG）与循环确定性策略梯度（RDPG）方法，并与多智能体及单智能体 DDPG 等最先进方法比较。仿真结果表明，MASRDDPG 与 RDPG 方法均通过为网络提供更高 PFEE 而优于最先进方法。
引用
@article{arxiv.2106.15964,
title = {AI-Based Secure NOMA and Cognitive Radio enabled Green Communications: Channel State Information and Battery Value Uncertainties},
author = {Saeed Sheikhzadeh and Mohsen Pourghasemian and Mohammad R. Javan and Nader Mokari and Eduard A. Jorswieck},
journal= {arXiv preprint arXiv:2106.15964},
year = {2021}
}