深度强化学习驱动的混合 LiFi/WiFi 室内网络的用户关联
机器学习
2025-03-04 v1 信号处理
摘要
混合光通信 (LiFi) 与无线通信 (WiFi) 室内网络被视为缓解室内场景下射频频谱紧张以满足日益增长的数据速率需求的有前景技术. 这种混合 LiFi/WiFi 室内网络能够充分利用 LiFi 快速数据传输与 WiFi 更广阔覆盖的优势, 两者相互补充, 进一步提升网络性能, 优于单一网络. 然而, 为实现协同存在, 亟需解决用户关联、移动性支持与高效资源分配等诸多挑战. 本文旨在设计一种新的用户接入点关联算法以最大化混合网络的总吞吐量. 我们首先在考虑用户移动性与实际容量限制的前提下, 对每个用户的 AP 选择进行数学刻画求和数据率最大化问题, 这是一个非凸的二进制整数规划问题. 为求解该问题, 我们提出一种基于顺序-近似策略优化 (S-PPO) 的深度强化学习方法. 通过与穷举搜索 (ES)、信号强度策略 (SSS) 与信任域策略优化 (TRPO) 方法进行大量实验评估, 我们证明所提出的解法在总吞吐量与公平性方面分别优于 SSS 32.25% 与 19.09%, 优于 TRPO 10.34% 与 10.23%.
引用
@article{arxiv.2503.01803,
title = {Deep Reinforcement Learning-Based User Association in Hybrid LiFi/WiFi Indoor Networks},
author = {Peijun Hou and Nan Cen},
journal= {arXiv preprint arXiv:2503.01803},
year = {2025}
}
备注
12 pages, 15 figures