基于深度增强学习的无人机赋能雾无线电接入网络的能效优化

• 作者: 梅海波 杨鲲 范新宇
• 来源期刊: 物联网学报
• 关键词: 无人机 雾无线电接入网络 深度增强学习 航迹规划 网络配置
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 专题:物联网边缘智能与雾计算技术|Topic: Edge Intelligence and Fog Computing in IoT
• 页码范围: 48-59
• 页数: 12页
• 分类号: TP393
• 语种: 中文
• DOI: 10.11959/j.issn.2096-3750.2021.00234

摘要

雾无线电接入网络适合用于广域范围内的诸如管线管网监测等国家重要行业的物联网应用场景.然而基于地面雾接入节点的网络将受到环境、地形等影响,无法及时有效地提供雾接入服务.利用低空无人机作为雾接入点实现空地的边缘通信和雾计算方面引起了普遍的关注.本文探讨怎样利用深度增强学习来提高无人机雾接入点的能效,延长无人机的任务时间.深度增强学习可以保障无人机雾接入点及时地调整空地通信和计算的配置策略,包括资源优化、动态任务卸载以及缓存,也可以优化无人机在三维空间中的飞行航迹,提高无人机赋能的雾无线电接入网络的总体性能.研究的创新性在于综合论述了深度增强学习用于无人机赋能的雾无线电接入网络要解决的主要优化问题,并且总结了解决相关优化问题的技术细节,最后对深度增强学习应用于无人机赋能的雾无线电接入网络的技术挑战和未来研究方向展开讨论.