集成 TN-NTN 中的智能频谱共享：一种分层深度强化学习方法
信号处理
2025-04-29 v1 网络与互联网体系结构
系统与控制
系统与控制
摘要
将非地面网络（NTN）与地面网络（TN）集成是提升未来无线通信覆盖范围、容量和可靠性的关键。然而，这些集成 TN-NTN 的多层异构架构给频谱共享和干扰管理带来了复杂挑战。传统的优化方法难以处理高维决策空间和这些网络的动态特性。本文提出了一种新颖的分层深度强化学习（HDRL）框架来解决这些挑战并实现智能频谱共享。所提出的框架利用网络的固有层次结构，为每一层制定单独的策略，以在不同时间尺度和抽象层面上学习并优化频谱分配决策。通过将复杂的频谱共享问题分解为可管理的子任务，并允许各层之间进行高效协调，HDRL 方法为未来 TN-NTN 中的频谱管理提供了一种可扩展且自适应的解决方案。仿真结果证明了所提出的框架相比传统方法具有优越的性能，突显了其在动态、多层环境中提升频谱效率和网络容量的潜力。
引用
@article{arxiv.2503.06720,
title = {Intelligent Spectrum Sharing in Integrated TN-NTNs: A Hierarchical Deep Reinforcement Learning Approach},
author = {Muhammad Umer and Muhammad Ahmed Mohsin and Ali Arshad Nasir and Hatem Abou-Zeid and Syed ALi Hassan},
journal= {arXiv preprint arXiv:2503.06720},
year = {2025}
}
备注
Accepted at IEEE Wireless Communications