Diffusion-Based Trajectory and Semantic Resource Optimization in UAV-Assisted Edge Computing

doi:10.1109/TWC.2026.3657387

Diffusion-Based Trajectory and Semantic Resource Optimization in UAV-Assisted Edge Computing

2026-02-03

0

PRE

AI

Zehui Xiong (Zehui Xiong)

DOI：10.1109/TWC.2026.3657387

原文链接

原文求助

摘要

En 中文

随着边缘应用对实时处理、有限带宽和能量的需求，传统通信系统由于集中式架构和冗余数据传输，难以满足性能要求。为解决这些挑战，我们提出了一种基于UAV辅助的语义边缘计算网络，利用UAV的移动性和语义通信。我们构建了一个联合优化问题，涉及UAV轨迹、数据分配和语义提取，以最大化语义处理速率。为求解该问题，我们开发了一种混合深度确定性策略梯度（H-DDPG）算法，将深度强化学习（DRL）与通过分块坐标下降（BCD）的凸优化相结合，从而实现紧密耦合变量间的高效联合决策。此外，我们提出了一种混合扩散深度确定性策略梯度（H-D3PG）算法，将去噪扩散模型纳入DRL框架。通过解决确定性策略的有限适应性，该设计增强了策略的表达能力和稳定性。因此，该算法能够在UAV辅助边缘网络中，根据时变的语义任务和无线信道条件实现自适应轨迹控制。仿真结果表明，与原始数据传输相比，H-D3PG将语义处理速率提高了最多38.8%，同时降低了能耗。

Keyword:

Unmanned aerial vehicle

semantic communication

edge computing

diffusion models

Diffusion-Based Trajectory and Semantic Resource Optimization in UAV-Assisted Edge Computing

摘要

期刊

机构

引用论文