您现在的位置是:首页 >技术教程 >【论文阅读】基于鲁棒强化学习的无人机能量采集可重构智能表面网站首页技术教程
【论文阅读】基于鲁棒强化学习的无人机能量采集可重构智能表面
简介【论文阅读】基于鲁棒强化学习的无人机能量采集可重构智能表面
- 只做学习记录,侵删原文链接
@article{peng2023energy,
title={Energy Harvesting Reconfigurable Intelligent Surface for UAV Based on Robust Deep Reinforcement Learning},
author={Peng, Haoran and Wang, Li-Chun},
journal={IEEE Transactions on Wireless Communications},
year={2023},
publisher={IEEE}
}
《Energy Harvesting Reconfigurable Intelligent Surface for UAV Based on Robust Deep Reinforcement Learning》基于鲁棒强化学习的无人机能量采集可重构智能表面 IEEE Transactions on Wireless Communications一区
论文背景
研究目标
- RIS每一个反射单元都由无源器件电容、电阻等构成,能耗小、成本低,能单独对信号进行反射。
- UAV在动态密集的户外活动,如马拉松、音乐会等,提供按需通信服务有巨大潜力。
- 缺点:
- RIS:静态部署,当服务覆盖范围中只有少量用户终端(UT)时,使用所有反射阵列进行信号传输可能导致资源浪费。
- UAV:临时基站(BS)、辅助物联网(IoT),增强热点覆盖,但电池容量限制。
- 目标 :这项工作是使无人机和智能反射面结合,旨在在有限的时间范围内最大限度地提高UAV–RIS的总能量收集效率,同时满足用户所需的最小吞吐量约束
系统模型
- 两个维度
- 只考虑时间:分为两个阶段
(1)能量传输阶段(2)信号传递阶段 - 考虑时间和空间
(1)能量传输阶段(2)信号传递阶段:在该阶段还考虑智能反射面哪些反射元件用于能量收集。
- 只考虑时间:分为两个阶段
通信模型
优化函数
下图中只写出了时空两个维度的,单一时间维度的类似。
算法设计
本文使用到强化学习的SD3算法,该算法是TD3算法的优化(求Q值引入Softmax),下图对比了TD3算法和DDPG算法,并简单列出了SD3算法的推导过程。
- TD3改善DDPG高估的问题。
- SD3算法改善TD3算法的低估问题。推导过程如下(其中为便于计算机求解原算法将积分问题使用了重要性采样):
- 马尔科夫元组个元素。
实验部分不在此是赘述,感兴趣可以阅读原文。
风语者!平时喜欢研究各种技术,目前在从事后端开发工作,热爱生活、热爱工作。