REQIBA：面向智能无人机蜂窝用户与基站关联的回归与深度Q学习方法
信息论
2021-11-04 v2 信号处理
math.IT
摘要
无人机（UAV）正成为下一代蜂窝网络的重要用户。由于在天空运行，无人机用户因强视距（LoS）信道（及干扰）和基站（BS）天线失准等因素，经历与地面用户截然不同的无线环境。因此，无人机接收服务质量可能显著下降，尤其当其处于移动状态并频繁切换时。解决方案是让无人机感知周边环境，并利用该感知智能接入蜂窝网络。本文提出REQIBA（Regression and deep Q-learning for Intelligent UAV cellular user to Base station Association，面向智能无人机蜂窝用户与基站关联的回归与深度Q学习），该方案利用接收信号功率、基站位置和周边建筑拓扑信息，使在城市区域飞行的无人机智能连接底层基站。我们证明，相较于地面用户常用的启发式关联方案，REQIBA可使无人机总吞吐量提升多达一倍。我们还评估了无人机高度、建筑密度以及切换导致的吞吐量损失等环境因素对本方案性能的影响。
引用
@article{arxiv.2010.01126,
title = {REQIBA: Regression and Deep Q-Learning for Intelligent UAV Cellular User to Base Station Association},
author = {Boris Galkin and Erika Fonseca and Ramy Amer and Luiz A. DaSilva and Ivana Dusparic},
journal= {arXiv preprint arXiv:2010.01126},
year = {2021}
}
备注
To appear in IEEE Transactions on Vehicular Technology (TVT)