基于强化学习的感知-发送协议下蜂窝无人机网络去中心化轨迹设计
信号处理
2018-09-11 v1
摘要
近年来，无人机（UAV）已被广泛用于蜂窝网络上的实时感知应用，其感知任务状况并将实时感知数据传输至基站（BS）。无人机性能由其感知与传输过程共同决定，而这两者均受无人机轨迹影响。然而，由于无人机在动态环境中工作，高效设计其轨迹颇具挑战。为应对该挑战，本文采用强化学习框架以去中心化方式求解无人机轨迹设计问题。为协调执行实时感知任务的多个无人机，我们首先提出一种感知-发送（sense-and-send）协议，并利用嵌套马尔可夫链分析有效有效数据传输成功的概率。随后，我们形式化去中心化轨迹设计问题，并提出一种增强型多无人机Q-learning算法求解该问题。仿真结果表明，所提增强型多无人机Q-learning算法收敛更快，并在实时任务感知场景中为无人机带来更高效用。
引用
@article{arxiv.1809.02934,
title = {Reinforcement Learning for Decentralized Trajectory Design in Cellular UAV Networks with Sense-and-Send Protocol},
author = {Jingzhi Hu and Hongliang Zhang and Lingyang Song},
journal= {arXiv preprint arXiv:1809.02934},
year = {2018}
}
备注
13 pages, 12 figures