用于蜂窝连接无人机动态频段切换的深度强化学习
信号处理
2021-08-30 v1
摘要
为提供蜂窝连接无人机（UAV）可靠连接与移动性支持而选择发射频率带来了若干挑战。传统的 sub-6 GHz 网络针对地面用户（UE）优化。在毫米波（mmWave）频段工作将提供高容量但高度间歇的链路。为在到达目的地的同时最小化飞行时间与无线电失败次数的加权函数，我们在本文中提出一种 UAV 联合轨迹与频段切换方法。通过利用 Double Deep Q-Learning，我们开发了两种不同方法以学习轨迹并同时管理频段切换。第一种盲切换方法在 UAV-UE 吞吐量低于预定义阈值时沿轨迹随时切换频段。此外，我们提出了一种用于 UAV 路径规划与频段切换同步基于学习的智能方法。将两种方法在不同阈值下就无线电失败与频段切换次数与最优频段切换策略进行比较。结果表明，智能方法在高阈值机制下能够减少无线电失败次数与频段切换次数，同时到达期望目的地。
引用
@article{arxiv.2108.12054,
title = {Deep Reinforcement Learning for Dynamic Band Switch in Cellular-Connected UAV},
author = {Gianluca Fontanesi and Anding Zhu and Hamed Ahmadi},
journal= {arXiv preprint arXiv:2108.12054},
year = {2021}
}
备注
6 pages, 4 figures, 1 table, Published at IEEE VTC Fall 2021