基于深度强化学习的车联网语义感知频谱共享
机器学习
2025-06-23 v4
摘要
本工作旨在研究高速移动车联网（IoV）环境中的语义通信，重点关注车对车（V2V）与车对基础设施（V2I）通信之间的频谱共享。我们专门解决频谱稀缺和网络流量问题，并提出了一种基于深度强化学习（DRL）软演员-评论家（SAC）方法的语义感知频谱共享算法（SSS）。首先，我们深入探讨了语义信息的提取。其次，我们重新定义了IoV环境中V2V和V2I频谱共享的语义信息度量，引入了高速语义频谱效率（HSSE）和语义传输速率（HSR）。最后，我们采用SAC算法，基于语义信息对V2V和V2I频谱共享进行决策优化。该优化涵盖了V2V和V2I共享策略的最优链路、车辆发送语义信息的传输功率以及传输语义符号的长度，旨在最大化V2I的HSSE并提高V2V有效语义信息传输成功率（SRS）。实验结果表明，SSS算法优于其他基线算法，包括其他基于传统通信的频谱共享算法以及使用其他强化学习方法的频谱共享算法。SSS算法的HSSE提高了15%，SRS提高了约7%。
引用
@article{arxiv.2406.07213,
title = {Semantic-Aware Spectrum Sharing in Internet of Vehicles Based on Deep Reinforcement Learning},
author = {Zhiyu Shao and Qiong Wu and Pingyi Fan and Nan Cheng and Wen Chen and Jiangzhou Wang and Khaled B. Letaief},
journal= {arXiv preprint arXiv:2406.07213},
year = {2025}
}
备注
This paper has been accepted by IEEE Internet of Things Journal. The source code has been released at: https://github.com/qiongwu86/Semantic-Aware-Spectrum-Sharing-in-Internet-of-Vehicles-Based-on-Deep-Reinforcement-Learning