基于NOMA的无人机辅助可见光通信求和速率最大化：群体智能遇见机器学习
机器学习
2021-01-12 v1 系统与控制
系统与控制
摘要
由于将无人机(unmanned aerial vehicles, UAVs)集成到可见光通信(visible light communications, VLC)中可为5G及未来网络中的海量连接应用与服务带来诸多益处，本文研究了一种采用非正交多址接入(non-orthogonal multiple-access)的无人机辅助VLC系统。更具体地，我们构建了一个功率分配与无人机部署的联合优化问题，以在所有用户的求和速率最大化为目标，并受限于功率分配、用户服务质量(quality of service)以及无人机位置的约束。由于该问题一般是非凸且NP难的，难以求得最优解。此外，由于VLC中的信道建模，该问题也不易通过坐标下降算法等传统方法求解。因此，我们提出使用哈里斯鹰优化(harris hawks optimization, HHO)算法来求解所构建的问题并获得高效解。随后，我们将HHO算法与人工神经网络结合，提出了一种可用于实时应用的设计，并避免陷入传统训练器中的“局部极小”陷阱。数值结果验证了所提算法的有效性，并进一步表明所提算法/HHO训练器优于若干替代方案及现有元启发式算法。
引用
@article{arxiv.2101.03498,
title = {Sum-Rate Maximization for UAV-assisted Visible Light Communications using NOMA: Swarm Intelligence meets Machine Learning},
author = {Quoc-Viet Pham and Thien Huynh-The and Mamoun Alazab and Jun Zhao and Won-Joo Hwang},
journal= {arXiv preprint arXiv:2101.03498},
year = {2021}
}
备注
Published in IEEE Internet of Things Journal (IoTJ) 2020