RIS 辅助空载非地面网络：深度强化学习下的智能协同
信号处理
2024-12-30 v1
摘要
可重构智能表面（RIS）辅助空载非地面网络（NTN）为 6G 及更高时代无线通信的提升提供了前景。通过将 RIS 集成到无人机（UAV）和高空平台（HAP）等空中平台，网络能够智能控制信号传播，扩展覆盖范围、提升容量、增强链路可靠性。本文探讨了将深度强化学习（DRL）应用于优化 RIS 辅助空载 NTN 的问题。我们聚焦于混合型最近策略优化（H-PPO）算法，这一稳健的 DRL 算法适用于处理这些网络中所涉及的复杂混合动作空间。通过对空载 RIS（ARIS）辅助协同多点非正交多址接入（CoMP-NOMA）网络的案例研究，我们展示了 H-PPO 如何有效优化系统，最大化总速率，同时满足系统约束。最后，我们讨论了 DRL 驱动的 RIS 辅助空载 NTN 的关键挑战及前景研究方向，凸显了其在下一代无线网络中变革性潜力。
引用
@article{arxiv.2412.18957,
title = {RIS-Assisted Aerial Non-Terrestrial Networks: An Intelligent Synergy with Deep Reinforcement Learning},
author = {Muhammad Umer and Muhammad Ahmed Mohsin and Aryan Kaushik and Qurrat-ul-Ain Nadeem and Ali Arshad Nasir and Syed Ali Hassan},
journal= {arXiv preprint arXiv:2412.18957},
year = {2024}
}
备注
IEEE Vehicular Technology Magazine