基于强化学习多目标功率分配的NOMA-CSK集成可见光通信系统
信号处理
2025-08-12 v2
摘要
本文提出了一种新颖框架，将非正交多址接入（NOMA）与色移键控（CSK）调制协同结合，以大幅提升可见光通信（VLC）系统的频谱效率。所提出的NOMA-CSK架构中的一个关键挑战是管理复杂的功率分配过程，尤其是在LED光谱重叠和光学滤波器限制导致的跨色干扰下。为克服这一难题，我们开发了一种由Soft Actor-Critic（SAC）强化学习智能体驱动的智能功率分配策略。在模拟室内环境中训练后，SAC智能体在平衡多个性能目标的同时，动态地在具有不同信道条件的用户之间分配功率。仿真结果表明，我们基于SAC的方法显著优于传统方法，如增益比功率分配（GRPA）和归一化增益差功率分配（NGDPA），即使在具有挑战性的10 dB SNR下也能实现更优的公平性、更高的总吞吐量和更低的误码率。值得注意的是，训练后的智能体表现出强大的泛化能力，在未见过的环境中无需重新训练即可保持最优性能。总体而言，本工作做出了两大贡献：提出了开创性的NOMA-CSK VLC系统设计，并提供了对实际应用至关重要的鲁棒、自适应的功率分配解决方案。
引用
@article{arxiv.2401.09780,
title = {NOMA-CSK Integrated VLC System with Reinforcement Learning-Based Multi-Objective Power Allocation},
author = {Serkan Vela and Gokce Hacioglu},
journal= {arXiv preprint arXiv:2401.09780},
year = {2025}
}