論文の概要: NOMA in UAV-aided cellular offloading: A machine learning approach
- arxiv url: http://arxiv.org/abs/2011.14776v1
- Date: Sun, 18 Oct 2020 17:38:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-06 04:42:56.645467
- Title: NOMA in UAV-aided cellular offloading: A machine learning approach
- Title(参考訳): UAV支援細胞オフロードにおけるNOMA--機械学習アプローチ
- Authors: Ruikang Zhong, Xiao Liu, Yuanwei Liu and Yue Chen
- Abstract要約: 複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案
非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。
相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
- 参考スコア(独自算出の注目度): 59.32570888309133
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A novel framework is proposed for cellular offloading with the aid of
multiple unmanned aerial vehicles (UAVs), while non-orthogonal multiple access
(NOMA) technique is employed at each UAV to further improve the spectrum
efficiency of the wireless network. The optimization problem of joint
three-dimensional (3D) trajectory design and power allocation is formulated for
maximizing the throughput. In an effort to solve this pertinent dynamic
problem, a K-means based clustering algorithm is first adopted for periodically
partitioning users. Afterward, a mutual deep Q-network (MDQN) algorithm is
proposed to jointly determine the optimal 3D trajectory and power allocation of
UAVs. In contrast to the conventional deep Q-network (DQN) algorithm, the MDQN
algorithm enables the experience of multi-agent to be input into a shared
neural network to shorten the training time with the assistance of state
abstraction. Numerical results demonstrate that: 1) the proposed MDQN algorithm
has a faster convergence rate than the conventional DQN algorithm in the
multi-agent case; 2) The achievable sum rate of the NOMA enhanced UAV network
is $23\%$ superior to the case of orthogonal multiple access (OMA); 3) By
designing the optimal 3D trajectory of UAVs with the aid of the MDON algorithm,
the sum rate of the network enjoys ${142\%}$ and ${56\%}$ gains than that of
invoking the circular trajectory and the 2D trajectory, respectively.
- Abstract(参考訳): 複数の無人航空機(UAV)によるセルローディングのための新しい枠組みが提案され、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに非直交多重アクセス(NOMA)技術が用いられている。
スループットを最大化するための3次元3次元軌道設計と電力配分の最適化問題を定式化する。
この関連する動的問題を解決するために、K平均クラスタリングアルゴリズムが最初に採用され、定期的にユーザを分割する。
その後、UAVの最適3次元軌道と電力配分を共同で決定するために、相互深度Q-network(MDQN)アルゴリズムを提案する。
従来のディープQネットワーク(DQN)アルゴリズムとは対照的に、MDQNアルゴリズムは、マルチエージェントの経験を共有ニューラルネットワークに入力し、状態抽象化の助けを借りてトレーニング時間を短縮することを可能にする。
数値的な結果は、
1)提案したMDQNアルゴリズムは,マルチエージェントの場合の従来のDQNアルゴリズムよりも高速な収束率を有する。
2) NOMA 拡張 UAV ネットワークの達成可能な総和率は直交多重アクセス (OMA) よりも23 %$ 高い。
3) MDONアルゴリズムを用いてUAVの最適3次元軌道を設計することにより, ネットワークの総和率は, 円軌道と2次元軌道をそれぞれ呼び出す場合よりも$142\%, ${56\%}$ゲインを享受する。
関連論文リスト
- Fast and computationally efficient generative adversarial network
algorithm for unmanned aerial vehicle-based network coverage optimization [1.2853186701496802]
移動ネットワークにおける動的な交通需要の課題は、無人航空機をベースとした移動セルに対処されている。
将来,無人航空機の膨大な可能性を考えると,カバー範囲最適化のための新しいアルゴリズムを提案する。
提案アルゴリズムは,一意の多層和プーリング損失関数を持つ条件付き生成逆ニューラルネットワークに基づいて実装された。
論文 参考訳(メタデータ) (2022-03-25T12:13:21Z) - Trajectory Design for UAV-Based Internet-of-Things Data Collection: A
Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。
本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。
シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文 参考訳(メタデータ) (2021-07-23T03:33:29Z) - Sum-Rate Maximization for UAV-assisted Visible Light Communications
using NOMA: Swarm Intelligence meets Machine Learning [15.385078410753986]
非直交多重アクセスネットワークを用いたUAV支援可視光通信(VLC)を検討する。
サービス利用者とUAVの位置の合計を最大化するために、電力配分とUAV配置の問題を策定します。
ハリスホークス最適化(HHO)を用いて定式化課題の解法と効率的な解法を提案する。
論文 参考訳(メタデータ) (2021-01-10T08:21:49Z) - Joint Deep Reinforcement Learning and Unfolding: Beam Selection and
Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。
本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文 参考訳(メタデータ) (2021-01-05T03:55:04Z) - Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for
Cellular Offloading [59.32570888309133]
複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案
非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。
相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
論文 参考訳(メタデータ) (2020-10-18T20:22:05Z) - Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文 参考訳(メタデータ) (2020-06-15T02:57:57Z) - Communication-Efficient Distributed Stochastic AUC Maximization with
Deep Neural Networks [50.42141893913188]
本稿では,ニューラルネットワークを用いた大規模AUCのための分散変数について検討する。
我々のモデルは通信ラウンドをはるかに少なくし、理論上はまだ多くの通信ラウンドを必要としています。
いくつかのデータセットに対する実験は、我々の理論の有効性を示し、我々の理論を裏付けるものである。
論文 参考訳(メタデータ) (2020-05-05T18:08:23Z) - Machine Learning for Predictive Deployment of UAVs with Multiple Access [37.49465317156625]
本稿では無人航空機(UAV)の機械学習展開フレームワークについて検討する。
時間的なトラフィック分布のため、将来的なセルトラフィックを予測するために、LSTM(Long Short-term memory)ベースの予測が導入される。
提案手法は従来手法と比較して消費電力の最大24%を削減できる。
論文 参考訳(メタデータ) (2020-03-02T00:15:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。