针对城市空对地模型中无人机与地面用户通信视线连接受阻的问题,提出了基于深度强化学习的无人机通信速率优化方案。利用智能反射面(reconfigurable intelligent surface,RIS)辅助无人机通信,采用双深度Q网络(double deep Q-Learning,DD...针对城市空对地模型中无人机与地面用户通信视线连接受阻的问题,提出了基于深度强化学习的无人机通信速率优化方案。利用智能反射面(reconfigurable intelligent surface,RIS)辅助无人机通信,采用双深度Q网络(double deep Q-Learning,DDQN)算法联合RIS相移和无人机的3D轨迹优化无人机的通信速率,在自建仿真平台上对该方案进行验证。结果表明:与RIS随机相移的DDQN方案、未部署RIS的DDQN方案及RIS相移优化的决斗深度Q网络方案相比,该方案在无人机飞行周期内的平均吞吐量,分别提高了38.61%、30.03%、53.97%。展开更多
文摘针对非正交多址接入(non-orthogonal multiple access,NOMA)系统在无线环境下传输速率较低的问题,利用智能反射面(intelligent reflecting surface,IRS)可以改变入射信号相移的特性,提出一种基于IRS辅助上行NOMA和速率最大化算法.首先,在满足每个用户功率、每个用户最小速率、IRS相位偏移的约束条件下,构建一个联合用户功率、IRS相移多变量优化模型;然后,通过问题公式的等效简化将原非凸问题转换为2个容易处理的子问题;最后,通过交替方向乘子法(alternating direction method of multipliers,ADMM)、引入松弛变量等方法对子问题进行求解.仿真结果表明,相较于逐次凸逼近法(successiveconvexapproximation,SCA)所提出的算法平均提升了系统0.4 bit/(s·Hz)的和速率,证明了基于ADMM的算法有效提高系统的和速率.
文摘针对城市空对地模型中无人机与地面用户通信视线连接受阻的问题,提出了基于深度强化学习的无人机通信速率优化方案。利用智能反射面(reconfigurable intelligent surface,RIS)辅助无人机通信,采用双深度Q网络(double deep Q-Learning,DDQN)算法联合RIS相移和无人机的3D轨迹优化无人机的通信速率,在自建仿真平台上对该方案进行验证。结果表明:与RIS随机相移的DDQN方案、未部署RIS的DDQN方案及RIS相移优化的决斗深度Q网络方案相比,该方案在无人机飞行周期内的平均吞吐量,分别提高了38.61%、30.03%、53.97%。