論文の概要: Dual Actor DDPG for Airborne STAR-RIS Assisted Communications

• arxiv url: http://arxiv.org/abs/2509.13328v1
• Date: Sat, 30 Aug 2025 20:10:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-21 06:05:45.814583
• Title: Dual Actor DDPG for Airborne STAR-RIS Assisted Communications
• Title（参考訳）: 航空機STAR-RIS支援通信用デュアルアクターDDPG
• Authors: Danish Rizvi, David Boyle,
• Abstract要約: 本研究では,UAV搭載STAR-RIS(Aerial-STAR)を利用したマルチユーザダウンリンク通信システムについて検討する。 主な貢献は、UAV軌道の合同最適化、基地局でのアクティブビームフォーミングベクトル、通信効率を高めるためのパッシブRIS TRCなどである。
• 参考スコア（独自算出の注目度）: 3.0222726254970174
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study departs from the prevailing assumption of independent Transmission and Reflection Coefficients (TRC) in Airborne Simultaneous Transmit and Reflect Reconfigurable Intelligent Surface (STAR-RIS) research. Instead, we explore a novel multi-user downlink communication system that leverages a UAV-mounted STAR-RIS (Aerial-STAR) incorporating a coupled TRC phase shift model. Our key contributions include the joint optimization of UAV trajectory, active beamforming vectors at the base station, and passive RIS TRCs to enhance communication efficiency, while considering UAV energy constraints. We design the TRC as a combination of discrete and continuous actions, and propose a novel Dual Actor Deep Deterministic Policy Gradient (DA-DDPG) algorithm. The algorithm relies on two separate actor networks for high-dimensional hybrid action space. We also propose a novel harmonic mean index (HFI)-based reward function to ensure communication fairness amongst users. For comprehensive analysis, we study the impact of RIS size on UAV aerodynamics showing that it increases drag and energy demand. Simulation results demonstrate that the proposed DA-DDPG algorithm outperforms conventional DDPG and DQN-based solutions by 24% and 97%, respectively, in accumulated reward. Three-dimensional UAV trajectory optimization achieves 28% higher communication efficiency compared to two-dimensional and altitude optimization. The HFI based reward function provides 41% lower QoS denial rates as compared to other benchmarks. The mobile Aerial-STAR system shows superior performance over fixed deployed counterparts, with the coupled phase STAR-RIS outperforming dual Transmit/Reflect RIS and conventional RIS setups. These findings highlight the potential of Aerial-STAR systems and the effectiveness of our proposed DA-DDPG approach in optimizing their performance.
• Abstract（参考訳）: 本研究は, 航空機搭載同時送信およびリフレクション再構成可能なインテリジェントサーフェス(STAR-RIS)研究において, 独立した伝送・反射係数(TRC)の仮定から逸脱する。 そこで本研究では,UAV搭載STAR-RIS(Aerial-STAR)を利用したマルチユーザダウンリンク通信システムを提案する。 我々の主な貢献は、UAV軌道の連成最適化、基地局でのアクティブビームフォーミングベクトル、UAVエネルギー制約を考慮した通信効率向上のためのパッシブRIS TRCである。 本稿では,離散的かつ連続的な行動の組み合わせとしてTRCを設計し,DA-DDPG(Dual Actor Deep Deterministic Policy Gradient)アルゴリズムを提案する。 このアルゴリズムは、高次元ハイブリッドアクション空間のための2つの異なるアクターネットワークに依存している。 また,ユーザ間のコミュニケーションの公平性を確保するために,HFIに基づく報酬関数を提案する。 総合的な解析のために, RISサイズがUAV空気力学に及ぼす影響について検討した。 シミュレーションの結果,DA-DDPG法は従来のDDPG法とDQN法をそれぞれ24%,DQN法を97%上回った。 3次元UAV軌道最適化は2次元と高度の最適化に比べて通信効率が28%向上する。 HFIベースの報酬関数は、他のベンチマークと比べてQoS否定率を41%低くする。 モバイルのAerial-STARシステムは、固定された配置されたシステムよりも優れた性能を示し、STAR-RISはデュアルトランスミッション/リフレクトRISと従来のRIS設定よりも優れていた。 これらの結果は,Aerial-STARシステムの可能性と,その性能を最適化するためのDA-DDPGアプローチの有効性を浮き彫りにした。

関連論文リスト

• Better Together: Leveraging Multiple Digital Twins for Deployment Optimization of Airborne Base Stations [2.542532388948234]
  航空基地局にとって、徹底的な試験を行うことなく、最良の場所を確立することが重要である。 本稿では,デジタルツイン(DT)誘導方式を提案する。
  論文  参考訳（メタデータ） (2025-08-17T03:10:54Z)
• A Fluid Antenna Enabled Physical Layer Key Generation for Next-G Wireless Networks [83.86388221738225]
  物理層鍵生成(PLKG)は、セキュリティインフラなしで無線チャネルから秘密鍵を入手することができる。 厳しい伝播環境では、キー生成率(KGR)が著しく低下する。 本稿では,この課題に対処するために,新しい流体アンテナ (FA) を用いたPLKGシステムを提案する。
  論文  参考訳（メタデータ） (2025-08-16T18:39:19Z)
• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
  本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。 ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:19:22Z)
• Fairness-Driven Optimization of RIS-Augmented 5G Networks for Seamless 3D UAV Connectivity Using DRL Algorithms [8.296140341710462]
  我々は、再構成可能なインテリジェントサーフェス(RIS)を用いた大規模マルチインプットマルチアウトプットシステムにおけるジョイントアクティブビームフォーミングとパッシブビームフォーミングの問題点について検討する。 この問題に対処する2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-14T06:43:36Z)
• Energy Efficiency Optimization for Subterranean LoRaWAN Using A Reinforcement Learning Approach: A Direct-to-Satellite Scenario [5.218556747366303]
  地下のLoRaWANと非地球ネットワーク(NTN)の統合は、経済的および社会的利益をもたらす。 Co-SF干渉を最小限に抑えるために、準直交拡散因子(SF)をエンドデバイスに効果的に割り当てることは依然として困難である。 システムのエネルギー効率を最適化するための強化学習(RL)に基づくSF割当方式を提案する。
  論文  参考訳（メタデータ） (2023-11-03T06:33:56Z)
• Joint Optimization of Deployment and Trajectory in UAV and IRS-Assisted IoT Data Collection System [25.32139119893323]
  無人航空機(UAV)は多くのモノのインターネット(IoT)システムに適用できる。 UAV-IoT無線チャネルは、時には木や高層建築物によってブロックされることがある。 本稿では,UAVの展開と軌道を最適化することで,システムのエネルギー消費を最小化することを目的とする。
  論文  参考訳（メタデータ） (2022-10-27T06:27:40Z)
• Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement Learning Approach [56.84948632954274]
  本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。 本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。 提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
  論文  参考訳（メタデータ） (2021-12-20T15:45:28Z)
• Integrating LEO Satellites and Multi-UAV Reinforcement Learning for Hybrid FSO/RF Non-Terrestrial Networks [55.776497048509185]
  低高度地球軌道衛星(SAT)と無人航空機(UAV)のメガコンステレーションは、第5世代(5G)を超える高速・長距離通信の実現を約束している。 我々は、ミリ波(mmWave)無線周波数(RF)または自由空間光(FSO)リンクを用いて、SATとUAVリレーを介して2つの長距離地上端末間のパケット転送の問題を検討する。
  論文  参考訳（メタデータ） (2020-10-20T09:07:10Z)
• Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
  Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。 我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。 過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-05-25T01:42:55Z)

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。