SpaceRIS：通过MAPPO深度强化学习与鲸鱼优化在6G太赫兹以下网络中实现LEO卫星覆盖最大化
网络与互联网体系结构
2023-07-31 v1 信号处理
摘要
卫星系统面临一项重大挑战，即如何有效利用有限的通信资源来满足地面网络流量需求，这些需求具有非对称空间分布和时变特征。此外，低地球轨道（LEO）卫星的覆盖范围和信号传输距离受到太赫兹以下（sub-THz）频段显著传播衰减、分子吸收和空间损耗的限制。本文引入一种新方法，通过在6G太赫兹以下网络中利用可重构智能表面（RISs）来最大化LEO卫星覆盖。优化目标包括提升端到端数据速率、优化卫星-远程用户设备（RUE）关联、卫星星座内数据包路由、RIS相移和地面基站（GBS）发射功率（即主动波束成形）。所表述的联合优化问题由于其时变环境、非凸特性和NP-hard复杂度而极具挑战性。为应对这些挑战，我们提出了一种块坐标下降（BCD）算法，其集成了平衡K-means聚类、多智能体近端策略优化（MAPPO）深度强化学习（DRL）和鲸鱼优化（WOA）技术。所提方法的性能通过全面的仿真结果得到证明，显示出其相对于文献中现有基线方法的优越性。
引用
@article{arxiv.2307.15469,
title = {SpaceRIS: LEO Satellite Coverage Maximization in 6G Sub-THz Networks by MAPPO DRL and Whale Optimization},
author = {Sheikh Salman Hassan and Yu Min Park and Yan Kyaw Tun and Walid Saad and Zhu Han and Choong Seon Hong},
journal= {arXiv preprint arXiv:2307.15469},
year = {2023}
}