通过强化学习集成 LEO 卫星与无人机中继的非地面网络
网络与互联网体系结构
2020-05-27 v1 机器学习
信号处理
摘要
低地球轨道（LEO）卫星的巨型星座有潜力实现低延迟的远距离通信。将其与新兴的无人机（UAV）辅助非地面网络相集成，将成为超越 5G 系统提供大规模三维连接的颠覆性方案。在本文中，我们研究两个遥远地面终端之间通过从轨道星座中选取的 LEO 卫星和移动高空平台（HAP，如固定翼 UAV）转发数据包的问题。为了最大化端到端数据速率，需要优化卫星关联与 HAP 位置，但由于大量轨道卫星及由此产生的时变网络拓扑，这一优化颇具挑战。我们使用带有新颖动作维度缩减技术的深度强化学习（DRL）来解决该问题。仿真结果证实，与无 SAT 和 HAP 的直接通信基线相比，我们所提方法的平均数据速率最高提升 5.74 倍。
引用
@article{arxiv.2005.12521,
title = {Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks},
author = {Ju-Hyung Lee and Jihong Park and Mehdi Bennis and Young-Chai Ko},
journal= {arXiv preprint arXiv:2005.12521},
year = {2020}
}