基于深度强化学习的城市低空毫米波通信中无人机载智能反射面联合优化
网络与互联网体系结构
2025-01-07 v1
摘要
第六代(6G)无线通信中的新兴技术,如太赫兹通信和超大规模多输入多输出,展现出广阔的应用前景。尽管毫米波通信具有高数据速率的潜力,但在城市低空经济(LAE)环境中,毫米波(mmWave)通信受到信号衰减和多径干扰等挑战的制约。特别是在城市环境中,由于毫米波波长较短,建筑物会导致显著的信号衰减,因此亟需开发创新方法以提升 LAE 网络中此类通信的鲁棒性。本文研究利用无人机(UAV)搭载的智能反射面(IRS)来支持低空毫米波通信。具体而言,我们考虑一种典型的城市低空通信场景,其中无人机载 IRS 在存在障碍物的情况下,仍能在移动用户与源用户(SU)之间建立视距(LoS)信道。随后,我们构建了一个优化问题,旨在通过联合优化 IRS 的相移和无人机轨迹,最大化传输速率并最小化无人机的能耗。鉴于问题的非凸性和高度动态性,我们提出了一种基于深度强化学习的方法,该方法融合了神经情景控制、长短期记忆以及 IRS 相移控制方法,以增强稳定性并加速收敛。仿真结果表明,所提算法能够有效求解该问题,并在多种性能指标上优于其他基准算法。
引用
@article{arxiv.2501.02787,
title = {Joint Optimization of UAV-Carried IRS for Urban Low Altitude mmWave Communications with Deep Reinforcement Learning},
author = {Wenwen Xie and Geng Sun and Bei Liu and Jiahui Li and Jiacheng Wang and Hongyang Du and Dusit Niyato and Dong In Kim},
journal= {arXiv preprint arXiv:2501.02787},
year = {2025}
}