面向未来可持续交通定位支持的5G基站部署的多目标深度强化学习
信号处理
2024-04-24 v1
摘要
毫米波是下一代交通系统的关键使能技术。然而，在城市场景中，毫米波极易受到遮挡和阴影的影响。因此，基站部署是基础设施设计中的关键任务，需要满足覆盖要求同时支持定位。本文假设已有一个预部署的基站，需要增加另一个基站以在城市场景中同时支持定位精度和覆盖率。为了解决这一复杂的多目标优化问题，我们利用深度强化学习。具体来说，本文提出：1）一个三层网格用于状态表示作为深度强化学习的输入，使其能够适应以预部署基站位置变化为代表的无线环境变化；2）为深度强化学习智能体设计合适的奖励函数以解决多目标问题。数值分析表明，所提出的深度Q网络模型能够从地形图表示的复杂无线电环境中学习/适应，并提供与作为基准的穷举搜索相同/相似的解。此外，我们表明，仅优化覆盖率并不会提高定位精度，因此两个目标之间存在权衡。
引用
@article{arxiv.2404.14954,
title = {Multi-Objective Deep Reinforcement Learning for 5G Base Station Placement to Support Localisation for Future Sustainable Traffic},
author = {Ahmed Al-Tahmeesschi and Jukka Talvitie and Miguel López-Benítez and Hamed Ahmadi and Laura Ruotsalainen},
journal= {arXiv preprint arXiv:2404.14954},
year = {2024}
}
备注
Accepted EuCNC 2024