基于深度强化学习的共生无线电网络智能用户关联
信号处理
2019-05-13 v1 信息论
math.IT
摘要
本文关注共生无线电网络，其中物联网（IoT）网络寄生在主干网络中，以实现频谱、能量与基础设施高效的通信。具体而言，基站（BS）采用时分多址（TDMA）服务多个蜂窝用户，每个物联网设备关联一个蜂窝用户进行信息传输。我们聚焦于用户关联问题，其目标是通过最大化所有物联网设备的总速率，将每个物联网设备链接到合适的蜂窝用户。然而，难以获取完整实时信道信息，导致难以为该问题设计最优策略。为克服此问题，我们提出两种深度强化学习（DRL）算法，均利用历史信息推断当前信息以做出适当决策。一种算法为集中式 DRL，利用全局信息一次性为所有物联网设备决策；另一种算法为分布式 DRL，利用局部信息每次仅为单个物联网设备决策。最后，仿真结果表明，两种 DRL 算法取得了与需要完美实时信息的最优用户关联策略相当的性能，且分布式 DRL 算法具有可扩展性优势。
引用
@article{arxiv.1905.04041,
title = {Intelligent User Association for Symbiotic Radio Networks using Deep Reinforcement Learning},
author = {Qianqian Zhang and Ying-Chang Liang and H. Vincent Poor},
journal= {arXiv preprint arXiv:1905.04041},
year = {2019}
}
备注
12 pages, 11 figures