基于深度确定性策略梯度学习的无线反向散射数据卸载优化

• 作者: 耿天立 高昂 王琦 段渭军 胡延苏
• 来源期刊: 兵工学报
• 学科: 工学
• 关键词: 反向散射 数据卸载 深度确定性策略梯度 强化学习
• 年，卷（期）: 2021,（12）
• 页码范围: 2655-2663
• 页数: 9页
• 分类号: TN926+.3
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1093.2021.12.013

摘要

无线驱动通信网络中,无线设备(WD)可以通过无线反向散射和主动射频传输两种方式进行数据卸载.如何合理分配系统中WD的主动传输和反向散射传输工作模式及其对应的工作时间,从而减小传输延迟、提高传输效率就显得尤为必要.在综合考虑卸载数据量大小、信道条件和WD之间公平性情况下,提出一种基于深度确定性策略梯度(DDPG)的数据卸载方法,在连续动作空间内搜索多个WD的最优时间分配.仿真实验结果表明:DDPG可在有限时间步长内实现算法收敛;由于引入了Jain公平指数,多个WD可同时完成数据卸载;与传统的均分算法、贪心算法对比,DDPG算法可将平均传输延迟减小77.4％和24.2％,可有效提高WD的能耗效率,尤其对于卸载数据量较小的WD效果更加显著.