基于深度强化学习的rsma-irs辅助isac系统能效最大化
信息论
2025-01-28 v1 信号处理
math.IT
摘要
本文提出一种三维几何基于信道模型，准确表示智能反射面(irs)增强的集成感知和通信(isac)网络中使用率分裂多接入(rsma)的实际都市环境。基于此模型，我们构建能效(ee)最大化问题，纳入收发器波束赋形约束、irs相位调整以及服务质量(qos)要求，以优化通信和感知功能。为解决此问题，我们在深度强化学习(drl)框架中采用近端策略优化(ppo)算法。我们的数值结果确认所提方法在提高ee和满足qos要求方面的有效性。此外，我们观察到在更高频率下，尤其是在双rayleigh衰落下，系统ee会下降。
引用
@article{arxiv.2501.15091,
title = {Deep Reinforcement Learning for Energy Efficiency Maximization in RSMA-IRS-Assisted ISAC System},
author = {Zhangfeng Ma and Ruichen Zhang and Bo Ai and Zhuxian Lian and Linzhou Zeng and Dusit Niyato},
journal= {arXiv preprint arXiv:2501.15091},
year = {2025}
}
备注
5 pages, 4 figures