支持缓存的无人机NOMA网络中的缓存放置与资源分配
信号处理
2020-08-13 v1 机器学习
摘要
本文研究了由非正交多址（NOMA）提供支持、具备海量接入能力的支持缓存无人机（UAV）蜂窝网络。地面用户大量多媒体内容的投递由移动 UAV 基站辅助，该基站缓存部分热门内容以卸载无线回程链路流量。在支持缓存的 UAV NOMA 网络中，内容缓存阶段的缓存放置与内容投递阶段的无线资源分配对网络性能至关重要。为应对实际场景中的动态 UAV 位置与内容请求，我们将内容投递时延最小化的长期缓存放置与资源分配优化问题建模为马尔可夫决策过程（MDP）。UAV 作为智能体执行缓存放置与资源分配动作，包括内容请求的用户调度与 NOMA 用户的功率分配。为求解该 MDP，我们提出了一种基于 Q-learning 的缓存放置与资源分配算法，其中 UAV 以软 -贪婪策略学习并选择动作，以搜索动作与状态的最优匹配。由于 Q-learning 的动作-状态表大小随动态网络中状态数增长，我们提出了一种基于函数逼近、结合随机梯度下降与深度神经网络的算法，适用于大规模网络。最后，数值结果表明，所提算法相较基准算法具有可观性能，并在网络性能与计算复杂度之间取得折衷。
引用
@article{arxiv.2008.05168,
title = {Caching Placement and Resource Allocation for Cache-Enabling UAV NOMA Networks},
author = {Tiankui Zhang and Ziduan Wang and Yuanwei Liu and Wenjun Xu and Arumugam Nallanathan},
journal= {arXiv preprint arXiv:2008.05168},
year = {2020}
}