在海上通信系统中基于深度强化学习的资源管理.

科学领域:

• 电信工程 电信工程 电信工程
• 计算机科学 计算机科学
• 海事技术 在海事技术.

背景情况:

• 不断扩大的海事经济需要为海事用户提供高质量的通信.
• 目前的近岸通信系统需要动态的资源配置来提高数据速率.
• 确保可靠的通信对于海上运营和安全至关重要.

研究的目的:

• 提出一种使用深度增强学习 (DRL) 的新型光束分配方案,以最大限度地提高海上用户的通信速度.
• 通过区分空间来解决海洋环境中资源管理的复杂性.
• 确保所有区域的服务质量,包括那些频道条件不佳的区域.

主要方法:

• 开发了一个基于虚拟队列的深度强化学习 (DRL) 算法用于光束分配.
• 使用基于网格的方法来简化资源管理,对海洋环境进行了分辨.
• 近岸基站充当学习代理,通过互动优化光束分配.
• 虚拟队列方法被应用到服务网络中,其频道状态信息很差.

主要成果:

• 拟议的DRL光束分配方案有效地提高了海上用户的通信率.
• 基于网格的离散化减少了组合优化问题的复杂性.
• 虚拟队列机制确保在不同的海上区域公平地分配服务.
• 模拟结果验证了拟议方案提供的性能改进.

结论:

• 基于虚拟队列的DRL光束分配方案显著提高了海上通信速率.
• 该方法为复杂的海上环境中的动态资源管理提供了有效的解决方案.
• 这种方法为未来在海上通信质量和效率方面的进步提供了基础.