基于 IRS 辅助的 OWC 网络速率最大化强化学习
系统与控制
2024-09-10 v1 系统与控制
摘要
光学无线通信（OWC）被视为6G 网络的主要 Enabling 技术，补充射频（RF）系统以提供高数据速率。室内 OWC 的关键问题之一是由于阻塞导致服务中断，这些阻塞阻止用户与其接入点（AP）之间的数据光路（LoS）。最近，称为智能反射面（IRSs）的反射表面被考虑用于通过反射 AP 信号指向用户，从而提高 OWC 系统的连接性。本研究调查了将 IRS 集成到室内 OWC 系统中以提高用户总速率并确保服务连续性的方法。我们 formulate 一个用于 sum rate 最大化的优化问题，其中决定 AP 和 IRS 镜像元件的分配给用户，以增强聚合数据速率。此外，提出了强化学习（RL）算法，具体为 Q 学习和 SARSA 算法，用于提供低复杂度且无需 prior 系统知识的实时解决方案。结果表明，RL 算法实现了接近混合整数线性规划（MILP）解的近最优解。结果还表明，所提出方案相对于仅优化 AP 分配且镜像元件基于距离分配给用户的传统方案，数据速率提高最高 45%。
引用
@article{arxiv.2409.04842,
title = {Reinforcement Learning for Rate Maximization in IRS-aided OWC Networks},
author = {Ahrar N. Hamad and Ahmad Adnan Qidan and Taisir E. H. Elgorashi and Jaafar M. H. Elmirghani},
journal= {arXiv preprint arXiv:2409.04842},
year = {2024}
}
备注
6Pages, 5 Figures