面向 URLLC 工业物联网网络的联合链路适应与设备调度方法：基于贝叶斯优化的 DRL 方法
机器学习
2025-12-30 v1 人工智能
摘要
本文考虑一个支持多设备动态超可靠低时延通信（URLLC）的工业物联网（IIoT）网络，同时信道状态信息（CSI）不完美。提供了联合链路适应（LA）和设备调度（包括顺序）设计，旨在满足严格的块错误率（BLER）约束下最大化总传输速率。在 particular，提出了一种基于贝叶斯优化（BO）驱动的双生延迟深度确定性政策梯度（TD3）方法，该方法根据不完美的 CSI 自适应确定服务顺序序列并为其选择相应的调制编码方案（MCS）。请注意，CSI 的不完美性、URLLC 网络中误差样本不平衡的问题，以及 TD3 算法参数敏感性特征可能降低算法的收敛速度和可靠性。为解决此问题，我们提出了一种基于 BO 的训练机制，用于提高收敛速度，该机制提供更可靠的学习方向和样本选择方法，以跟踪不平衡样本问题。通过大量仿真，我们显示所提出的算法在收敛速度和总速率性能方面优于现有解决方案。
引用
@article{arxiv.2512.23493,
title = {Joint Link Adaptation and Device Scheduling Approach for URLLC Industrial IoT Network: A DRL-based Method with Bayesian Optimization},
author = {Wei Gao and Paul Zheng and Peng Wu and Yulin Hu and Anke Schmeink},
journal= {arXiv preprint arXiv:2512.23493},
year = {2025}
}
备注
16 page,10 figures