CoMP-NOMA 网络中空中 RIS 轨迹与相位偏移优化的深度强化学习
信号处理
2024-11-05 v1
摘要
本文探讨了空中可重构智能表面（ARIS）在增强协调多点非正交多址接入（CoMP-NOMA）网络中的潜力。我们考虑了一个系统模型，其中无人机搭载的 RIS 通过 NOMA 协助服务多个用户，并与多个基站进行协调。无人机轨迹、RIS 相位偏移和 NOMA 功率控制的最优化构成了一个复杂问题，因为这些参数具有混合性质，涉及连续值和离散值。为应对这一挑战，我们提出了一种利用多输出近端策略优化（MO-PPO）算法的新框架。MO-PPO 有效处理了这些优化参数的多样性，并通过大量模拟证明了其在实现近最优性能和适应动态环境方面的有效性。我们的研究结果强调了将 ARIS 集成到 CoMP-NOMA 网络中以改善未来无线网络的频谱效率和覆盖范围的好处。
引用
@article{arxiv.2411.01338,
title = {Deep Reinforcement Learning for Trajectory and Phase Shift Optimization of Aerial RIS in CoMP-NOMA Networks},
author = {Muhammad Umer and Muhammad Ahmed Mohsin and Aamir Mahmood and Kapal Dev and Haejoon Jung and Mikael Gidlund and Syed Ali Hassan},
journal= {arXiv preprint arXiv:2411.01338},
year = {2024}
}
备注
IEEE Globecom 2024