ارائه چیدمان ایستگاه های پایه سیار پهبادی برای افزایش پوشش دهی شبکه موبایل با استفاده از یادگیری تقویتی عمیق

سلول های کوچک در ارتباطات بی سیم، ایستگاه های پایه کم مصرف برای افزایش پوشش و ظرفیت شبکه در مناطقی هستند که برج های مخابراتی سنتی غیرعملی یا غیراقتصادی اند. پهپادها برای استقرار سریع این سلول ها در مناطق دورافتاده، آسیب دیده از فاجعه یا رویدادهای شلوغ استفاده می شوند. در این مقاله نشان می دهیم که ایستگاه های پایه سیار (MBS) روی پهپادها می توانند با حداقل دستگاه ها، پوشش کاربران را در مناطق آسیب دیده به حداکثر برسانند. به دلیل محدودیت دسترسی پهپادها به اطلاعات شبکه، از استراتژی کنترل غیرمتمرکز استفاده شده که هر پهپاد تنها از اطلاعات محلی برای استقرار سه بعدی بهینه بهره می برد. مسئله بهینه سازی به دلیل غیرمحدب بودن و جفت شدگی زیرمسائل، NP-hard است و با حل کننده های استاندارد قابل حل نیست. با کاهش محدودیت ها و فرمول بندی مسئله، الگوریتم یادگیری تقویتی غیرمتمرکز برای افزایش ظرفیت کانال پهپادها توسعه داده شده است. این الگوریتم، استقرار بهینه پهپادها را با اطلاعات محلی فراهم کرده و ظرفیت بالای کانال MIMO را محقق می سازد. شبیه سازی ها نشان دهنده همگرایی، اثربخشی و کارایی محاسباتی این الگوریتم هستند، که با تحلیل های دقیق ارزیابی شده و توانایی آن در بهینه سازی پوشش و ظرفیت شبکه تایید شده است.

کلیدواژه ها:

پهپاد ، سلول های کوچک ، افزایش پوشش دهی ، یادگیری تقویتی ، Q-Learning