Sum-Rate Maximization of RSMA-based Aerial Communications with Energy Harvesting: A Reinforcement Learning Approach

要約

このレターでは、エネルギーハーベスティングを使用したレート分割多元接続 (RSMA) ベースの航空通信における電力とビームフォーミングの統合設計問題について調査します。この場合、自立持続可能な航空基地局は、ハーベスティングされたエネルギーを利用して複数のユーザーにサービスを提供します。
長期的な観点から合計レートを最大化することを考慮して、深層強化学習 (DRL) アプローチ、つまりソフト アクター クリティカル アルゴリズムを利用して、チャネル環境の確率的特性に基づいて各時点の最大送信電力を制限します。
、収集されたエネルギー、およびバッテリー電力の情報。
さらに、プリコーダと、RSMA のすべてのプライベート/共通ストリーム間での電力割り当てを設計するために、Han-Powell 準ニュートン法を使用した逐次最小二乗計画 (SLSQP) を採用し、DRL を介して指定された送信電力の合計レートを最大化します。
。
数値結果は、平均合計レートのパフォーマンスの点で、提案されたスキームがいくつかのベースライン方法よりも優れていることを示しています。

要約(オリジナル)

In this letter, we investigate a joint power and beamforming design problem for rate-splitting multiple access (RSMA)-based aerial communications with energy harvesting, where a self-sustainable aerial base station serves multiple users by utilizing the harvested energy. Considering maximizing the sum-rate from the long-term perspective, we utilize a deep reinforcement learning (DRL) approach, namely the soft actor-critic algorithm, to restrict the maximum transmission power at each time based on the stochastic property of the channel environment, harvested energy, and battery power information. Moreover, for designing precoders and power allocation among all the private/common streams of the RSMA, we employ sequential least squares programming (SLSQP) using the Han-Powell quasi-Newton method to maximize the sum-rate for the given transmission power via DRL. Numerical results show the superiority of the proposed scheme over several baseline methods in terms of the average sum-rate performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google