基于 DRL 的能源效率 IRS-assisted UAV 频谱共享系统资源分配
系统与控制
2025-10-22 v1 人工智能
信息论
系统与控制
math.IT
摘要
智能反射面(IRS)辅助无人机(UAV)系统为可重构和灵活的无线通信提供了新范式。为实现更高效的能源和频谱效率的 IRS-assisted UAV 无线通信，本文引入一种基于正交频分复用(OFDM)的 novel IRS-assisted UAV 频谱共享系统。目标是通过联合优化波束赋形、子载波分配、IRS 相位移移和 UAV 轨迹，在实际的发射功率和被动反射约束以及 UAV 物理限制下，最大化次网的能源效率(EE)。采用基于物理的推进能源模型，并使用其紧密上界形成可处理的 EE 下界，用于频谱共享系统。为处理高度非凸、时序耦合的优化问题及其混合连续离散策略空间，我们开发了基于演员评论器框架的深度强化学习(DRL)方法。扩展实验表明，所提出的 DRL 方法在多个基准方案之上实现了显著的 EE 改进，展示了该方法在移动性下的有效性和鲁棒性。
引用
@article{arxiv.2510.17877,
title = {DRL-Based Resource Allocation for Energy-Efficient IRS-Assisted UAV Spectrum Sharing Systems},
author = {Yiheng Wang},
journal= {arXiv preprint arXiv:2510.17877},
year = {2025}
}
备注
7 pages, 3 figures, 1 algorithm. LaTeX class: IEEEtran