.png){kind=icon}
返回
DDPG-Based UAV-RIS Framework for Optimizing Mobility in Future Wireless Communication Networks
.png){kind=icon}
OA
AI
DOI：10.3390/drones9060437.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
超5G（B5G）未来无线通信网络（FWCN）的发展需要创新解决方案来支持高速、可靠和低延迟通信。无人机（UAV）和可重构智能表面（RIS）是具有前景的技术，能够增强城市环境中无线连接性，其中高层建筑阻挡了视距（LoS）链路。然而，现有的UAV辅助通信策略未能完全解决移动性管理、切换失败（HOFs）和路径混乱等关键挑战。本文提出了一种基于深度确定性策略梯度（DDPG）的UAV-RIS框架以克服这些局限性。所提出的框架联合优化UAV轨迹和RIS相位偏移，以提高吞吐量、能量效率（EE）和LoS概率，同时降低中断概率（OP）和HOF。采用改进的K-means聚类算法，考虑新增地面用户（GUs）来有效划分用户区域。基于强化学习（RL）的DDPG算法在连续动作空间中调整UAV定位和RIS配置。仿真结果表明，所提出的方法显著降低了HOF和OP，提高了EE，增强了网络吞吐量，并改善了LoS概率，与仅UAV、仅RIS和无UAV-RIS部署相比。此外，通过根据GUs移动模式动态调整UAV位置和RIS相位偏移，该框架进一步增强了连接性和可靠性。研究结果突显了其通过缓解LoS阻塞和确保密集环境中的不间断连接来改变城市无线通信的潜力。
Keyword:
UAV-assisted communication
reconfigurable intelligent surfaces
deep deterministic policy gradient
mobility management
handover failures
期刊
D
IF:
4.8
论文数:
3.9K
被引数:
8.3K
机构
暂无机构信息
引用论文
Machine Learning Empowered Trajectory and Passive Beamforming Design in UAV-RIS Wireless Networks
OAAI
.png){kind=icon}
OAAI分享收藏Multi-UAV Assisted Mixed FSO/RF Communication Network for Urgent Tasks: Fairness Oriented Design With DRL面向紧急任务的多无人机辅助混合FSO/RF通信网络: 基于DRL的公平设计
PREAI
分享收藏Resource Allocation and 3-D Placement for UAV-Enabled Energy-Efficient IoT Communications支持无人机的高能效物联网通信的资源分配和3-D放置
PREAI
分享收藏分享收藏Smart radio environments empowered by reconfigurable AI meta-surfaces: an idea whose time has comeOAAI
OAAI分享收藏
查看更多内容