环境反向散射通信的吞吐量最大化：一种强化学习方法
网络与互联网体系结构
2019-01-04 v1
摘要
环境反向散射（AB）通信是一种新兴的无线通信技术，它使无线设备（WDs）无需主动无线电发射即可通信。在AB通信系统中，WD在通信和能量收集模式之间切换。收集的能量用于为设备运行供电，例如电路功耗和感知操作。在本文中，我们专注于在衰落信道环境下通过自适应选择操作模式来最大化AB通信系统的吞吐量性能。我们将该问题建模为无限时域马尔可夫决策过程（MDP），并据此在给定信道分布的情况下通过值迭代算法获得最优模式切换策略。同时，当缺乏信道分布知识时，应用Q学习（QL）方法通过设备与环境的重复交互来探索次优策略。最后，我们的仿真表明，所提出的QL方法可以达到接近最优的吞吐量性能，并且显著优于其他代表性基准方法。
引用
@article{arxiv.1901.00608,
title = {Throughput Maximization for Ambient Backscatter Communication: A Reinforcement Learning Approach},
author = {Xiaokang Wen and Suzhi Bi and Xiaohui Lin and Lina Yuan and Juan Wang},
journal= {arXiv preprint arXiv:1901.00608},
year = {2019}
}
备注
The paper has been accepted by IEEE ITNEC 2019