考虑 C-V2X 安全性的频谱与能效联合优化：一种深度强化学习方法
网络与互联网体系结构
2020-03-25 v1 信息论
信号处理
math.IT
摘要
蜂窝车联网(C-V2X)通信作为 5G 无线通信的一部分，已被认为是智慧城市最重要的技术之一。车辆编队是智慧城市的一种应用，通过 C-V2X 提高交通容量与安全性。然而，不同于在高速公路上行驶的车辆编队，当车辆汇聚于交叉路口时，C-V2X 更容易被窃听且频谱资源可能受限。在满足 C-V2X 保密速率的前提下，如何提升编队网络中的频谱效率(SE)与能量效率(EE)是一大挑战。本文为解决这个问题，提出了一种基于深度强化学习、提升 SE 与 EE 的安全感知方法，命名为 SEED。SEED 构建了同时考虑 SE 与 EE 的目标优化函数，并将 C-V2X 的保密速率作为该函数的关键约束。该优化问题通过深度 Q 网络(DQN)转化为 V2V 与 V2I 链路的频谱与发射功率选择。基于奖励的 DQN 策略给出了 SE 与 EE 的启发式结果。最后，我们使用 Python 模拟了交通与通信环境。评估结果表明，SEED 在效率上分别优于 DQN-wopa 算法与基线算法 31.83% 和 68.40%。SEED 的源代码可在 https://github.com/BandaidZ/OptimizationofSEandEEBasedonDRL 获取。
引用
@article{arxiv.2003.10620,
title = {Joint Optimization of Spectrum and Energy Efficiency Considering the C-V2X Security: A Deep Reinforcement Learning Approach},
author = {Zhipeng Liu and Yinhui Han and Jianwei Fan and Lin Zhang and Yunzhi Lin},
journal= {arXiv preprint arXiv:2003.10620},
year = {2020}
}