增强无人机 RSMA 网络保密性：深度展开与深度强化学习相结合
密码学与安全
2024-02-20 v1 新兴技术
网络与互联网体系结构
信号处理
摘要
在本文中，我们考虑多无人机（UAV）速率分割多址（RSMA）网络中保密速率的最大化问题。我们构建了一个联合波束成形、速率分配和无人机轨迹优化问题，该问题是非凸的。因此，将该问题转化为马尔可夫决策问题，并设计了一种新颖的多智能体深度强化学习（DRL）框架。所提出的框架（命名为 DUN-DRL）结合深度展开来设计波束成形和速率分配，以数据驱动方式设计无人机轨迹，并使用深度确定性策略梯度（DDPG）进行学习过程。所提出的 DUN-DRL 展现出优异性能，优于文献中其他基于 DRL 的方法。
引用
@article{arxiv.2310.01437,
title = {Enhancing Secrecy in UAV RSMA Networks: Deep Unfolding Meets Deep Reinforcement Learning},
author = {Abuzar B. M. Adam and Mohammed A. M. Elhassan},
journal= {arXiv preprint arXiv:2310.01437},
year = {2024}
}
备注
5 pages, 5 figures, conference