基于真实城市场景下强化学习的基站部署与功率联合优化以最小化电磁场暴露
信号处理
2026-01-07 v2
摘要
随着无线通信代际的更迭和数据速率需求的增加，基站（BS）部署仍然是一项关键任务，而电磁场（EMF）暴露往往被低估，从而带来潜在的健康影响。因此，本文提出了一种在三维城市场景中调整基站部署和辐射功率的工作流，以综合考虑电磁场暴露和覆盖。为实现这一目标，首先开发了一种新型最短时间弹跳射线（SBR）射线追踪（RL）工具，以提高计算效率，同时增强衍射建模以实现准确的电磁场暴露计算，并经真实世界测量验证。为了在目标城市区域内高效扩展计算，基于有效信道的空间稳定性设计了自适应网格细化（AGR）算法，同时考虑了基站波束成形，实现了电磁场暴露和信号覆盖的全局估计。随后，为了更好地反映真实通信网络行为，在基站侧纳入了实际最大发射功率、小区间干扰和信道状态信息不完善性，而在用户设备侧捕捉了电磁场暴露平均间隔内的移动性。基于上述方面，以现实且准确的方式构建了覆盖保证的电磁场暴露最小化问题，并通过适应于确定性信道模型的几何感知算法进行求解，得出最优的基站部署和功率配置。与依赖经验信道模型的基线相比，所提出的工作流提供了更可靠的电磁场暴露估计，并为基站的建设和运营提供了实用指导。
引用
@article{arxiv.2504.05017,
title = {Joint BS Deployment and Power Optimization for Minimum EMF Exposure with RL in Real-World Based Urban Scenario},
author = {Xueyun Long and Yueheng Li and Mario Pauli and Benjamin Nuss and Thomas Zwick},
journal= {arXiv preprint arXiv:2504.05017},
year = {2026}
}