基于深度强化学习的无人机辅助无线网络中集成接入与回传的部署优化
网络与互联网体系结构
2023-12-25 v1 机器学习
系统与控制
系统与控制
摘要
第五代（5G）网络的出现为增强连接性开辟了新途径，特别是在偏远地区或受灾地区等具有挑战性的环境中。无人机（UAV）已被视为这一背景下的多功能工具，特别是通过5G的集成接入与回传（IAB）功能来改善网络性能。然而，现有的无人机辅助网络增强方法在动态适应变化的用户位置和网络需求方面存在局限性。本文介绍了一种新颖的方法，利用深度强化学习（DRL）实时优化无人机部署，动态适应变化的网络条件和用户需求。我们的方法专注于前传和回传链路之间的微妙平衡，这是当前解决方案中经常被忽视的关键方面。这项工作的独特贡献在于其能够自主定位无人机，不仅确保与地面用户的稳健连接，还能与中央网络基础设施保持无缝集成。通过各种模拟场景，我们展示了我们的方法如何有效应对这些挑战，增强关键区域的覆盖范围和网络性能。这项研究填补了无人机辅助5G网络中的一个重要空白，为未来的移动网络提供了可扩展且自适应的解决方案。
引用
@article{arxiv.2312.14247,
title = {Deep Reinforcement Learning Based Placement for Integrated Access Backhauling in UAV-Assisted Wireless Networks},
author = {Yuhui Wang and Junaid Farooq},
journal= {arXiv preprint arXiv:2312.14247},
year = {2023}
}