基于深度强化学习的 SWIPT-EH CIoT 中联合时隙与功率管理
信号处理
2025-12-18 v1 网络与互联网体系结构
摘要
本文提出一种新型深度强化学习（DRL）方法，用于认知Internet of Things（CIoT）系统中联合时隙分配和功率控制，该系统实现了同步无线信息和能量传输（SWIPT）。CIoT 发射器通过可学习的时隙切换因子自主管理能量采集（EH）和传输，以提升吞吐量和寿命。联合优化在小尺度衰落、真实的 EH 以及干扰约束下建模为马尔可夫决策过程。我们开发了增强上置信界限的双深 Q 网络（DDQN）。仿真结果表明，我们的方法在现有 DRL 方法之上表现卓越。
引用
@article{arxiv.2512.15062,
title = {Deep Reinforcement Learning for Joint Time and Power Management in SWIPT-EH CIoT},
author = {Nadia Abdolkhani and Nada Abdel Khalek and Walaa Hamouda and Iyad Dayoub},
journal= {arXiv preprint arXiv:2512.15062},
year = {2025}
}
备注
Published in IEEE Communications Letters, 2025. This arXiv version is the authors' accepted manuscript