渥太华大学:Hao Zhou | 用于6G中基于深度强化学习的波束管理的联合传感和通信

【标题】Joint Sensing and Communications for Deep Reinforcement Learning-based Beam Management in 6G

【作者团队】Yujie Yao, Hao Zhou, Melike Erol-Kantarci

【发表日期】2022.8.3

【论文链接】https://arxiv.org/pdf/2208.01880.pdf

【推荐理由】用户位置是网络管理和控制的关键信息。然而，在某些导致定位错误的环境中，位置不确定性是不可避免的。本文考虑了 mmWave 网络中的用户位置不确定性，并使用基于深度强化学习的波束管理来研究用于未来 6G 网络的联合视觉辅助传感和通信。首先从卫星图像中提取基于像素特征的特征，以提高定位精度。再通过基于 UK-medoids 的具有位置不确定性的用户聚类方法，并将聚类结果用于波束管理。最后，将 DRL 算法应用于波束内无线电资源分配。模拟首先表明，该视觉辅助方法可大大减少定位误差。研究比较基于 K-means 的聚类和基于 DRL 的资源分配 (K-DRL) 和基于 UK-means 的聚类和基于 DRL 的资源分配 (UK--DRL）。该方法比UK-DRL吞吐量提高了17.2%，延迟降低了7.7%，比K-DRI提高了一倍多的吞吐量和55.8%的延迟。