面向动态 NOMA 基于光学无线通信网络的两智能体 DRL 功率分配与 IRS 定向
信号处理
2025-04-29 v1
摘要
智能反射面（IRS）技术被视为可见光通信（VLC）系统的有前景的解决方案，因其有望克服视线阻塞问题并提升覆盖范围。此外，将 IRS 与下行非正交多用户接入（NOMA）技术集成以实现多用户，是实现高总速率并提升系统性能的聪明方法。在本文中，我们构建了一个动态 IRS 辅助 NOMA-VLC 系统，并构建了一个优化问题，以在功率分配和 IRS 镜像定向约束下，最大化总能源效率（SEE）和多用户公平性。由于该优化问题的非凸性以及约束的非线性特性，传统优化方法在实时求解方面不可行。因此，设计了两个深度强化学习（DRL）智能体，用于基于集中训练与分散执行的功率分配和 IRS 定向，以在动态环境中获得快速和实时求解。结果表明，所提出的 DRL 算法在所提出的动态环境中优于用于无线通信资源分配的标准 DRL 算法。结果还表明，所提出的 DRL 算法在无 IRS 和 IRS 元素随机定向部署下的性能均优于后者。
引用
@article{arxiv.2504.18937,
title = {Two-Agent DRL for Power Allocation and IRS Orientation in Dynamic NOMA-based OWC Networks},
author = {Ahrar N. Hamad and Ahmad Adnan Qidan and Taisir E. H. El-Gorashi and Jaafar M. H. Elmirghani},
journal= {arXiv preprint arXiv:2504.18937},
year = {2025}
}
备注
12 pages, 9 figures