基于强化学习的能量采集Underlay认知无线电网络性能优化
信号处理
2025-05-21 v1 机器学习
摘要
本文采用强化学习技术以提升认知无线电网络（CRN）的性能。在存在主用户（PU）的情况下，假设两个次用户（SU）以Underlay模式访问已授权频谱。此外，假设SU发射器是一种受能量限制的设备，需通过能量采集来传输信号至其预期目的地。因此，我们提出两种主要能源来源：主用户传输的干扰以及环境射频（RF）来源。SU会根据预设阈值选择是从主用户获取能量还是仅从环境来源获取能量。通过时險切换方式获取主用户消息的能量。此外，基于深度Q网络（DQN）方法，SU发射器在每个时險内决定是收集能量还是传输消息，并选择合适的发射功率，以最大化其平均数据速率。我们的方法优于基线策略，并收敛，如实验结果所示。
关键词
引用
@article{arxiv.2505.14581,
title = {Performance Optimization of Energy-Harvesting Underlay Cognitive Radio Networks Using Reinforcement Learning},
author = {Deemah H. Tashman and Soumaya Cherkaoui and Walaa Hamouda},
journal= {arXiv preprint arXiv:2505.14581},
year = {2025}
}