蜂窝无人机到设备通信：基于多智能体深度强化学习的轨迹设计与模式选择
信号处理
2020-03-13 v2 网络与互联网体系结构
摘要
在当前的用于感知服务的无人机系统（UASs）中，无人机（UAVs）通过非授权频谱将其感知数据传输至地面移动设备。然而，由于机会式信道接入，来自周边终端的干扰是不可控的。本文考虑一种蜂窝物联网无人机（cellular Internet of UAVs）以保证服务质量（QoS），其中感知数据可通过蜂窝网络上的无人机到设备（U2D）通信，或经基站（BS）直接传输至移动设备。由于无人机的感知与传输可能影响其轨迹，我们研究在考虑感知与传输情况下的无人机轨迹设计问题。这是一个具有大状态-动作空间的马尔可夫决策问题（MDP），因此我们利用多智能体深度强化学习（DRL）来逼近状态-动作空间，并提出一种多无人机轨迹设计算法来求解该问题。仿真结果表明，我们所提算法相比策略梯度算法与单智能体算法能获得更高的总效用。
引用
@article{arxiv.2002.08040,
title = {Cellular UAV-to-Device Communications: Trajectory Design and Mode Selection by Multi-agent Deep Reinforcement Learning},
author = {F. Wu and H. Zhang and J. Wu and L. Song},
journal= {arXiv preprint arXiv:2002.08040},
year = {2020}
}
备注
33 pages, 12 figures