基于DQN的上行毫米波蜂窝连接无人机波束成形
信号处理
2021-10-14 v1
摘要
无人机（UAVs）是毫米波（mmWave）无线系统中新兴的关键组成部分。精确的波束对准对于无人机与基站（BSs）之间基于波束的高效毫米波通信至关重要。由于无人机的高机动性和自主运行，传统的波束扫描方法通常具有较大开销。基于学习的方法通过利用无人机数据（如位置）来识别最优波束方向，从而大幅降低开销。在本文中，我们提出了一种基于强化学习（RL）的框架，用于在毫米波环境下利用深度Q网络（DQN）实现无人机-基站波束对准。我们考虑上行链路通信场景，其中无人机在5G新空口（NR）基站覆盖区域内悬停，信道条件不断变化。所提出的学习框架利用位置信息，在多位置环境中每次收到无人机通信请求时，通过最优波束对高效地最大化数据速率。我们分别将所提框架与基于多臂老虎机（MAB）学习的方法以及传统的穷举方法进行比较，并分析了基于DQN的波束对准在不同覆盖区域需求和信道条件下的训练性能。我们的结果表明，所提出的基于DQN的波束对准收敛更快，且对不同环境条件具有通用性。该框架还能在实时条件下以在线方式学习到与穷举方法相当的最优波束对准。
引用
@article{arxiv.2110.06318,
title = {DQN-based Beamforming for Uplink mmWave Cellular-Connected UAVs},
author = {Susarla Praneeth and Gouda Bikshapathi and Deng Yansha and Juntti Markku and Silven Olli and Tolli Antti},
journal= {arXiv preprint arXiv:2110.06318},
year = {2021}
}
备注
Accepted to IEEE Global Communication Conference (GLOBECOM), 2021