动态地下环境中基于强化学习的可靠无线传感器网络
信号处理
2019-10-29 v2
摘要
无线地下传感器网络在地下感知（如气候智慧型农业和地下基础设施监测）中发挥重要作用。现有工作考虑静态地下环境，这并不实用，因为土壤介电参数会因降水和恶劣天气频繁变化。由于无线地下信道的剧烈变化，这一挑战在实际部署中不可忽视。在本文中，我们研究动态地下环境对传感器网络无线通信的影响。我们使用原位传感器收集的真实数据训练隐马尔可夫模型（Hidden Markov Model）。然后，通过使用强化学习，我们推导出地下传感器的最优传输策略，以高效利用能量并减少丢弃和未成功传输的数据包数量。通过使用真实数据的仿真，我们发现所开发的算法能够减少丢包并及时传输感知数据。
引用
@article{arxiv.1908.05804,
title = {Reinforcement Learning-Enabled Reliable Wireless Sensor Networks in Dynamic Underground Environments},
author = {Hongzhi Guo and Bincy Ben},
journal= {arXiv preprint arXiv:1908.05804},
year = {2019}
}