| 智能反射面增强的多无人机辅助语义通信资源优化 |
| |
| 引用本文： | 王浩博,吴伟,周福辉,胡冰,田峰.智能反射面增强的多无人机辅助语义通信资源优化[J].无线电通信技术,2024(2):366-372. |
| |
| 作者姓名： | 王浩博 吴伟 周福辉 胡冰 田峰 |
| |
| 作者单位： | 1. 南京邮电大学通信与信息工程学院;2. 南京航空航天大学电子信息工程学院;3. 南京邮电大学现代邮政学院 |
| |
| 基金项目： | 国家重点研发计划(2020YFB1807602)；;国家自然科学基金(62271267)；;国家自然科学基金(青年项目)(62302237)~~； |
| |
| 摘 要： | 无人机(Unmanned Aerial Vehicle, UAV)为无线通信系统提供了具有高成本效益的解决方案。进一步地，提出了一种新颖的智能反射面(Intelligent Reflecting Surface, IRS)增强多UAV语义通信系统。该系统包括配备IRS的UAV、移动边缘计算(Mobile Edge Computing, MEC)服务器和具有数据收集与局部语义特征提取功能的UAV。通过IRS优化信号反射显著改善了UAV与MEC服务器的通信质量。所构建的问题涉及多UAV轨迹、IRS反射系数和语义符号数量联合优化，以最大限度地减少传输延迟。为解决该非凸优化问题，本文引入了深度强化学习(Deep Reinforce Learning, DRL)算法，包括对偶双深度Q网络(Dueling Double Deep Q Network, D3QN)用于解决离散动作空间问题，如UAV轨迹优化和语义符号数量优化；深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)用于解决连续动作空间问题，如IRS反射系数优化，以实现高效决策。仿真结果表明...
|
| 关 键 词： | 无人机网络 智能反射面 语义通信 资源分配 |
|
|
