面向 5G O-RAN 网络中非地面用户的 xApp 激活资源管理
信号处理
2026-05-12 v1 机器人学
摘要
本文介绍了一种用于 Open Radio Access Network (O-RAN) 近实时无线智能控制器 (Near-RT RIC) 环境下的主动式无人机 (UAV) mobility 管理 xApp，采用增强了迁移学习的双深度 Q 网络 (DDQN) 强化学习 (RL) 以优化沿预定飞行轨迹运行的 UAV 的接入点切换决策。不同于响应信号衰减的反应式方法，本文提出的框架通过预测性优化来预判网络条件，最小化停机概率和接入点切换频率。该系统利用集中式权重平均技术，将来自多个飞行场景的知识整合为一个能够对先前未见的运营环境进行泛化而无需大量再训练的全局模型。综合评估表明，本文提出的框架在接入点切换频率和连接可靠性之间实现了有利的权衡，较贪心方法将接入点切换事件减少最高可达 54.6%，同时保持停机概率处于实际可忽略的水平。结果验证了智能基于学习的方法在下一代 O-RAN 架构中对 UAV mobility 管理的有效性，从而促进了空中用户设备在细胞网络中的无缝集成。
引用
@article{arxiv.2605.10704,
title = {xApp Empowered Resource Management for Non-Terrestrial Users in 5G O-RAN Networks},
author = {Mohammed M. H. Qazzaz and Syed Ali Zaidi and Aubida A. Al-Hameed and Abdelaziz Salama and Des Mclernon},
journal= {arXiv preprint arXiv:2605.10704},
year = {2026}
}