基于 DRL 的 LiDAL 辅助 RLNC-NOMA 光无线通信系统中的功率分配
系统与控制
2026-05-05 v2 系统与控制
信号处理
摘要
非正交多址 (NOMA) 是一种针对光无线通信 (OWC) 的有前景技术，使多个用户能够通过功率域同时共享光谱。然而， imperfect 信道状态信息 (CSI) 和残余解码误差会损害 NOMA 性能，尤其是在现实密集用户室内场景中。本文构建了一个将光检测与定位 (LiDAL) 和随机线性网络编码 (RLNC) 集成到 NOMA 框架内的 OWC 系统。LiDAL 利用时空信息改进用户 CSI，而 RLNC 在连续解码过程中提高数据韧性，从而形成 LiDAL 辅助 RLNC-NOMA OWC 系统。在该系统中，功率分配 (PA) 至关重要，因为多个用户与编码和检测过程之间存在复杂交互，但动态优化连续 PA 可能计算负担沉重。为此，我们采用深度强化学习 (DRL) 框架来高效学习近最优 PA 策略。具体而言，提出一种基于 DRL 的归一化优势函数 (NAF) 算法，以最大化平均总速率，并将其性能与深度确定性策略梯度 (DDPG)、收益比 PA (GRPA) 和穷举搜索进行比较。结果表明，NAF 与穷举搜索接近，在速度上比 DDPG 快 39%，并在考虑用户位置估计误差时，将平均总速率提高 4.6%。
引用
@article{arxiv.2601.08060,
title = {DRL-based Power Allocation in LiDAL-Assisted RLNC-NOMA OWC Systems},
author = {Ahmed A. Hassan and Ahmad Adnan Qidan and Taisir Elgorashi and Jaafar Elmirghani},
journal= {arXiv preprint arXiv:2601.08060},
year = {2026}
}