面向无人机辅助 RAN 切片中覆盖与资源联合分配的深度强化学习
网络与互联网体系结构
2022-11-18 v1 机器学习
摘要
网络切片是一种成熟的方法，可实现新兴第五代新空口（5G）中移动核心网与无线接入网（RAN）的虚拟化。在处理具有异构需求集合的新兴多样化垂直应用时，切片至关重要。5G 还设想将无人机（UAV）作为蜂窝网络标准中的关键要素，旨在将其用作空中基站，并利用其灵活快速的部署来增强无线网络性能。本工作提出一种无人机辅助的 5G 网络，其中空中基站（UAV-BS）被赋予网络切片能力，旨在优化一组用户的服务等级协议（SLA）满足率。这些用户属于三类异构的 5G 服务类型，即增强移动宽带（eMBB）、超可靠低时延通信（URLLC）和海量机器类通信（mMTC）。本文引入了多智能体多决策深度强化学习在切片背景下用于 UAV-BS 的首个应用，旨在通过向切片联合分配无线资源并优化 UAV-BS 的二维轨迹来提升用户的 SLA 满足率。所提策略的性能已通过测试并与基准启发式方法比较，在多种场景下显示出更高的用户满足百分比（至少高出 27%）。
引用
@article{arxiv.2211.09713,
title = {Deep Reinforcement Learning for Combined Coverage and Resource Allocation in UAV-aided RAN-slicing},
author = {Lorenzo Bellone and Boris Galkin and Emiliano Traversi and Enrico Natalizio},
journal= {arXiv preprint arXiv:2211.09713},
year = {2022}
}
备注
6 pages, 4 figures, submitted to IEEE ICC'23 - SAC-08 MLCN Track