基于无人机载超对角有源智能超表面的高能效 RSMA 低轨卫星通信：一种深度强化学习方法
信号处理
2025-05-08 v1 系统与控制
系统与控制
摘要
本文提出一种先进的非地面通信架构，该架构在低地球轨道（LEO）卫星覆盖下，将速率分割多址接入（RSMA）与搭载于无人机上的超对角有源可重构智能表面（BD-ARIS）相结合。BD-ARIS 采用分组连接结构以增强信号放大和适应性，而 RSMA 通过将消息分为公共部分和私有部分来实现高效的多用户接入。该系统联合优化卫星波束成形、无人机定位、功率分配和速率分割比，以最大化整体能量效率（EE）。为解决由此产生的非凸高维问题，我们采用了三种最先进的深度强化学习（DRL）算法：信赖域策略优化（TRPO）、双延迟深度确定性策略梯度（TD3）和异步优势演员-评论家（A3C）。此外，还考虑了无人机和 BD-ARIS 功耗的现实模型。仿真结果表明，TRPO 在能效和总速率方面始终取得最佳性能，尤其是在高发射功率和具有挑战性的部署场景下。TD3 收敛速度更快，在中等设置下表现具有竞争力，而 A3C 则因其高方差而存在不稳定性。此外，还评估了每种算法在信道状态信息（CSI）不确定性下的鲁棒性，证实了 TRPO 对不完美观测的弹性。总体而言，所提出的 RSMA-BD-ARIS 框架显著优于传统的 RIS 辅助设计，并为 6G 和非地面网络中的大规模物联网应用提供了一种可扩展、高能效的解决方案。
引用
@article{arxiv.2505.04148,
title = {Energy Efficient RSMA-Based LEO Satellite Communications Assisted by UAV-Mounted BD-Active RIS: A DRL Approach},
author = {Rahman Saadat Yeganeh and Hamid Behroozi},
journal= {arXiv preprint arXiv:2505.04148},
year = {2025}
}