深度强化学习优化的主动RIS集成TN-NTN网络中的智能资源分配
信号处理
2025-01-14 v1
摘要
本文探索了主动可重构智能表面(A-RIS)在集成地面和非地面网络(TN-NTN)中的部署，同时利用协调多点非正交多址接入(CoMP-NOMA)。我们的系统模型包含一个无人机辅助的RIS与一个地面RIS协调，旨在增强信号。我们旨在通过优化无人机轨迹、基站(BS)功率分配因子、主动RIS放大因子和相位偏移矩阵，使用自定义的混合近端策略优化(H-PPO)算法最大化网络中所有用户的总速率。我们将边缘用户集成到NOMA对中以实现分集增益，进一步增强边缘用户的整体体验。与被动RIS辅助网络进行了详尽的比较，以证明主动RIS在能量效率、中断概率和网络总速率方面的优越性能。
引用
@article{arxiv.2501.06482,
title = {Deep Reinforcement Learning Optimized Intelligent Resource Allocation in Active RIS-Integrated TN-NTN Networks},
author = {Muhammad Ahmed Mohsin and Hassan Rizwan and Muhammad Jazib and Muhammad Iqbal and Muhammad Bilal and Tabinda Ashraf and Muhammad Farhan Khan and Jen-Yi Pan},
journal= {arXiv preprint arXiv:2501.06482},
year = {2025}
}
备注
Accepted to WCNC 2025