基于 DRL 近端策略优化的无人机空中基站飞行航迹优化
人工智能
2025-04-08 v1 信号处理
摘要
基于无人机(UAV)的空中基站是紧急情况下的一种有前景的解决方案,在这些场景中快速部署前沿网络对于最大化挽救生命的潜力至关重要。优化这些无人机的战略定位对于提升通信效率至关重要。本文提出了一种自动化的强化学习方法,使无人机能够与其环境动态交互并确定最优配置。通过利用通信网络的无线电信号感知能力,我们的方法提供了一种更为真实的视角,采用当前最优算法——近端策略优化(PPO)——来学习并泛化针对不同用户设备(UE)运动模式的定位策略。我们在多种 UE 移动场景下评估了所提方法,包括静态、随机、线性、圆形以及混合热点运动。数值结果表明,该算法在所有运动模式下均能保持全面覆盖,具有出色的适应性与有效性。
引用
@article{arxiv.2504.03961,
title = {Optimizing UAV Aerial Base Station Flights Using DRL-based Proximal Policy Optimization},
author = {Mario Rico Ibanez and Azim Akhtarshenas and David Lopez-Perez and Giovanni Geraci},
journal= {arXiv preprint arXiv:2504.03961},
year = {2025}
}