鄧丹昊，王朝煒，江帆，王衛(wèi)東

（1.北京郵電大學(xué)電子工程學(xué)院，北京 100876；2.西安郵電大學(xué)通信與信息工程學(xué)院，陜西 西安 710121）

0 引言

大規(guī)模多輸入多輸出（multiple-input multiple-output，MIMO）是 6G 的核心技術(shù)之一，具有大量天線的基站為占用相同時(shí)頻資源的多個(gè)用戶提供服務(wù)，進(jìn)一步提高了頻譜效率、能量效率以及可靠性[1-3]。根據(jù)天線陣列的部署情況，可以將大規(guī)模 MIMO系統(tǒng)定義為集中式或分布式。在分布式大規(guī)模 MIMO系統(tǒng)中，天線陣列被多個(gè)不同位置的接入點(diǎn)（access point，AP）所取代，這些接入點(diǎn)自由分布在整個(gè)通信區(qū)域內(nèi)。因此，分布式系統(tǒng)可以利用空間多樣性對(duì)抗陰影衰落，與集中式系統(tǒng)相比具有更高的覆蓋率。最近，文獻(xiàn)[4]提出了一種新的分布式系統(tǒng)：無(wú)蜂窩大規(guī)模MIMO。該系統(tǒng)沒(méi)有小區(qū)和小區(qū)邊緣的概念，而是由一組分布式AP通過(guò)時(shí)分雙工模式，協(xié)同地服務(wù)于覆蓋范圍內(nèi)的所有活動(dòng)用戶。AP接收和傳輸?shù)男盘?hào)由中央處理器（central processing unit，CPU）采集、轉(zhuǎn)發(fā)與處理。無(wú)蜂窩系統(tǒng)可以緩解小區(qū)間干擾對(duì)傳統(tǒng)架構(gòu)中用戶的影響[5]，從而提高系統(tǒng)性能。但是無(wú)蜂窩大規(guī)模MIMO也帶來(lái)了嚴(yán)重的多用戶干擾[6-7]、不完美全局信道狀態(tài)信息[8]、復(fù)雜的資源分配[8]等挑戰(zhàn)。例如，針對(duì)地面高速移動(dòng)的用戶，無(wú)蜂窩大規(guī)模 MIMO需要頻繁地分配導(dǎo)頻資源檢測(cè)當(dāng)前的信道狀態(tài)信息，因此會(huì)造成大量的資源消耗以及信息時(shí)延。

不需要部署固定基礎(chǔ)設(shè)施就可以為地面用戶提供通信服務(wù)，無(wú)人機(jī)輔助通信技術(shù)被認(rèn)為是一種很有發(fā)展前景的技術(shù)[9-11]，從而廣泛應(yīng)用于覆蓋增強(qiáng)、無(wú)線中繼和信息傳播等方面[12-15]。盡管學(xué)術(shù)界對(duì)此高度重視，但無(wú)人機(jī)輔助通信仍有許多問(wèn)題亟待解決，如無(wú)人機(jī)在高動(dòng)態(tài)環(huán)境下的軌跡部署等。針對(duì)用戶高速移動(dòng)場(chǎng)景，基于用戶軌跡預(yù)測(cè)，提前設(shè)計(jì)無(wú)人機(jī)軌跡，可以減少無(wú)人機(jī)的響應(yīng)時(shí)間，從而為用戶提供更高質(zhì)量的服務(wù)[16]。文獻(xiàn)[16]采用回聲狀態(tài)網(wǎng)絡(luò)（echo state network，ESN）預(yù)測(cè)用戶位置，提出了一種多智能體Q-learning算法設(shè)計(jì)無(wú)人機(jī)軌跡。文獻(xiàn)[17]提出了一種基于異步并行計(jì)算的深度確定性策略梯度（deep deterministic policy gradient，DDPG）算法對(duì)無(wú)人機(jī)軌跡進(jìn)行優(yōu)化。文獻(xiàn)[18]構(gòu)建了短期精確預(yù)測(cè)與長(zhǎng)期粗預(yù)測(cè)相結(jié)合的框架，并采用滾動(dòng)優(yōu)化方法獲取無(wú)人機(jī)航跡。

本文針對(duì)無(wú)蜂窩大規(guī)模MIMO網(wǎng)絡(luò)，首先區(qū)分網(wǎng)絡(luò)中的低速和高速用戶，分別構(gòu)建無(wú)蜂窩通信架構(gòu)和無(wú)人機(jī)輔助通信架構(gòu)，兩種架構(gòu)以時(shí)分復(fù)用的方式交替進(jìn)行通信服務(wù)。在無(wú)人機(jī)輔助通信架構(gòu)中，本文將無(wú)人機(jī)軌跡設(shè)計(jì)建模為序列決策問(wèn)題，并進(jìn)一步轉(zhuǎn)化為馬爾可夫決策過(guò)程（Markov decision process，MDP），基于深度強(qiáng)化學(xué)習(xí)（deep reinforcement learning，DRL）算法，提出一種無(wú)人機(jī)軌跡預(yù)測(cè)及資源管理方案。

1 系統(tǒng)模型

本文討論的無(wú)人機(jī)輔助無(wú)蜂窩大規(guī)模 MIMO網(wǎng)絡(luò)如圖1所示，系統(tǒng)包含M個(gè)AP、K個(gè)用戶、N架無(wú)人機(jī)，以及一個(gè)CPU。每個(gè)AP配置L根天線，而用戶和無(wú)人機(jī)則配置單根天線。CPU通過(guò)不斷發(fā)送導(dǎo)頻信號(hào)檢測(cè)用戶的信道狀態(tài)信息，據(jù)此進(jìn)行各類資源分配。由于地面用戶的高速移動(dòng)會(huì)改變用戶與AP間的路徑損失，從而影響信道狀態(tài)信息，CPU需要頻繁地為高速用戶分配導(dǎo)頻資源。因此，K個(gè)用戶根據(jù)移動(dòng)速率劃分為Kl個(gè)低速用戶和Kh個(gè)高速用戶，其中K=Kl+Kh。本文提出一種雙系統(tǒng)架構(gòu)，其中由M個(gè)AP和CPU組成的無(wú)蜂窩系統(tǒng)服務(wù)Kl個(gè)低速用戶，由N架無(wú)人機(jī)組成的無(wú)人機(jī)輔助通信系統(tǒng)則服務(wù)Kh個(gè)高速用戶。兩系統(tǒng)通過(guò)時(shí)分復(fù)用模式交替進(jìn)行通信服務(wù)，同時(shí) AP與無(wú)人機(jī)占用不同的頻段避免系統(tǒng)間干擾。

圖1 無(wú)人機(jī)輔助無(wú)蜂窩大規(guī)模MIMO網(wǎng)絡(luò)

1.1 無(wú)蜂窩大規(guī)模MIMO系統(tǒng)

首先，CPU計(jì)算針對(duì)Kl個(gè)低速用戶的波束成形信號(hào)，并通過(guò)量化前傳鏈路進(jìn)行信號(hào)壓縮。之后，CPU將壓縮后的信號(hào)轉(zhuǎn)發(fā)到每個(gè)AP。AP端的接收信號(hào)可以表示為：

其中，wm,kl(t) ∈ CL×1表示用戶kl與APm間的波束成形矩陣，skl(t)表示用戶kl的下行期望信號(hào)，該信號(hào)滿足為APm受到的壓縮噪聲。各個(gè) AP將所接收的信號(hào)通過(guò)無(wú)線鏈路轉(zhuǎn)發(fā)給所有的低速用戶，因此，用戶kl的接收信號(hào)可以表示為：

其中，hm,kl(t)表示用戶kl與 APm間的信道狀態(tài)信息矩陣，nkl表示用戶kl受到的加性白高斯噪聲（additive white Gaussian noise，AWGN）。用戶kl的可達(dá)速率為：

所有低速用戶的總和速率可以表示為：

1.2 無(wú)人機(jī)輔助通信系統(tǒng)

假設(shè)每個(gè)無(wú)人機(jī)通過(guò)時(shí)分復(fù)用服務(wù)不同的用戶，同時(shí)所有無(wú)人機(jī)共享相同的頻段。為簡(jiǎn)單起見(jiàn)，無(wú)人機(jī)飛行時(shí)長(zhǎng)T被劃分為I個(gè)時(shí)長(zhǎng)相等的時(shí)隙點(diǎn)。在實(shí)際應(yīng)用中，空對(duì)地信道主要以視距（line of sight，LoS）鏈路為主。因此，無(wú)人機(jī)n與高速用戶kh之間的信道增益遵循自由空間路徑損失模型，可以表示為：

其中，β0表示表示參考距離d=1 m時(shí)的信道功率增益，qn[i]表示無(wú)人機(jī)n在時(shí)隙i的笛卡爾坐標(biāo)，ukh[i]則表示用戶kh在時(shí)隙i的笛卡爾坐標(biāo)。當(dāng)無(wú)人機(jī)n服務(wù)用戶kh時(shí)，該用戶的信干噪比（signal to interference plus noise ratio，SINR）為：

其中，pn[i]為無(wú)人機(jī)n在時(shí)隙i的發(fā)送功率，為高速用戶kh受到的AWGN功率。因此，用戶kh在時(shí)隙i的可達(dá)速率為：

為了有效地提升系統(tǒng)內(nèi) AP和無(wú)人機(jī)的協(xié)作性能，本文的目標(biāo)是構(gòu)建一個(gè)基于無(wú)人機(jī)軌跡設(shè)計(jì)和用戶調(diào)度的總和速率最大化問(wèn)題，該問(wèn)題的數(shù)學(xué)表達(dá)式為：

2 基于 DRQN的無(wú)人機(jī)軌跡設(shè)計(jì)和用戶調(diào)度方案

無(wú)人機(jī)軌跡設(shè)計(jì)問(wèn)題屬于序列決策問(wèn)題，該類問(wèn)題通常需要聯(lián)合求解數(shù)千個(gè)優(yōu)化變量，且變量間存在極強(qiáng)的相關(guān)性[19]。因此，本文將問(wèn)題（10）建模為MDP并利用DRL算法進(jìn)行求解。

2.1 MDP模型

MDP由4個(gè)部分組成，分別為狀態(tài)s、動(dòng)作a、獎(jiǎng)勵(lì)r和動(dòng)作選擇策略π。具體來(lái)說(shuō)，智能體從系統(tǒng)中獲得當(dāng)前的狀態(tài)s，并根據(jù)動(dòng)作選擇策略π決定當(dāng)前動(dòng)作a。在智能體執(zhí)行動(dòng)作a后，系統(tǒng)會(huì)轉(zhuǎn)變?yōu)橄乱粻顟B(tài)s′，并通過(guò)反饋獎(jiǎng)勵(lì)r體現(xiàn)該狀態(tài)－動(dòng)作對(duì)的可行性和最優(yōu)性。本文將地面CPU作為智能體來(lái)確定無(wú)人機(jī)的軌跡和用戶調(diào)度。式（10）中的狀態(tài)、動(dòng)作和獎(jiǎng)勵(lì)分別如下。

? 狀態(tài)：系統(tǒng)狀態(tài)包含所有影響高速用戶軌跡預(yù)測(cè)和優(yōu)化問(wèn)題式（10）的變量。用戶軌跡預(yù)測(cè)與用戶當(dāng)前位置、速度和加速度有關(guān)，分別表示為、和，其中，速度和加速度可以由過(guò)去3個(gè)時(shí)隙的位置推導(dǎo)。此外，優(yōu)化問(wèn)題式（10）還與無(wú)人機(jī)的當(dāng)前位置qn[i]以及當(dāng)前的時(shí)隙i相關(guān)。

? 動(dòng)作：無(wú)人機(jī)軌跡設(shè)計(jì)和用戶調(diào)度方案的動(dòng)作包括兩個(gè)部分。假設(shè)無(wú)人機(jī)在每個(gè)時(shí)隙內(nèi)以固定的速度飛行，其下一時(shí)刻位置僅取決于當(dāng)前的飛行方向dkl(i)；同時(shí)，用戶調(diào)度可以用αn,kh[i]表示。

? 獎(jiǎng)勵(lì)：獎(jiǎng)勵(lì)函數(shù)的目標(biāo)是在滿足約束（8）和約束（9）的前提下，最大化系統(tǒng)總和速率。因此，獎(jiǎng)勵(lì)函數(shù)被定義為：

其中，ξr(i)和ξc(i)為0-1指示器，一方面，本文設(shè)置負(fù)獎(jiǎng)勵(lì)懲罰違反式（8）、式（9）的任何動(dòng)作，并利用ξc(i)=1輔助判別；另一方面，當(dāng)且僅當(dāng)所有無(wú)人機(jī)到達(dá)目的地時(shí)，即ξr(i)=1時(shí)，當(dāng)前動(dòng)作被賦予正向獎(jiǎng)勵(lì)。值得注意的是，無(wú)人機(jī)的軌跡設(shè)計(jì)需要在下一時(shí)刻得到反饋，因此狀態(tài)－動(dòng)作對(duì)與獎(jiǎng)勵(lì)值存在時(shí)間上的不對(duì)應(yīng)性。同時(shí)，由于用戶處于高速移動(dòng)狀態(tài)，當(dāng)前時(shí)刻的用戶位置與下一時(shí)刻存在較大差異，需要根據(jù)下一時(shí)刻的用戶位置與無(wú)人機(jī)位置進(jìn)行計(jì)算。

2.2 DRQN算法

DRL的核心目標(biāo)是通過(guò)不斷與環(huán)境交互，學(xué)習(xí)到最優(yōu)的動(dòng)作選擇策略π*。深度Q網(wǎng)絡(luò)（deepQ-network，DQN）算法采用Q函數(shù)Qπ(s,a)表示在狀態(tài)s處采取動(dòng)作a的潛在價(jià)值：

其中，γ∈ ( 0,1]為折扣因子，R(s,a)是在狀態(tài)s處采取動(dòng)作a的即時(shí)獎(jiǎng)勵(lì)，s′和a′分別為下一時(shí)刻的狀態(tài)和動(dòng)作。理論上，最優(yōu)的動(dòng)作a*應(yīng)該具有最大的潛在價(jià)值。因此，可以根據(jù)Q函數(shù)尋找當(dāng)前的最優(yōu)動(dòng)作：

DQN通常采用兩個(gè)深度神經(jīng)網(wǎng)絡(luò)（deep neural network，DNN）搭建Q函數(shù)。其中，第一個(gè)DNN承擔(dān)Q函數(shù)的作用，被稱為主網(wǎng)絡(luò)，網(wǎng)絡(luò)輸入為當(dāng)前的狀態(tài)s，輸出為所有動(dòng)作的Q值Q(s,a;θ)。第二個(gè)DNN用于更新主網(wǎng)絡(luò)權(quán)重θ，被稱為目標(biāo)網(wǎng)絡(luò)，且目標(biāo)網(wǎng)絡(luò)的架構(gòu)與主網(wǎng)絡(luò)相同。DQN采用經(jīng)驗(yàn)回放機(jī)制更新權(quán)重。具體來(lái)說(shuō)，智能體將所經(jīng)歷的樣本(s,a,r,s′)存儲(chǔ)到經(jīng)驗(yàn)池中，當(dāng)存儲(chǔ)樣本達(dá)到最小容量時(shí)，智能體隨機(jī)采樣小批量的樣本計(jì)算目標(biāo)Q值：

其中，(sj,aj,rj,sj+1)為第j個(gè)采樣樣本，θ′表示目標(biāo)網(wǎng)絡(luò)的權(quán)重，Q′(s,a;θ′)為目標(biāo)網(wǎng)絡(luò)的輸出Q值。本文利用隨機(jī)梯度下降（stochastic gradient descent，SGD）法更新主網(wǎng)絡(luò)的權(quán)重θ。更新的目標(biāo)是使主網(wǎng)絡(luò)輸出Q值與目標(biāo)Q值之間的時(shí)序差分誤差（temporal-difference error，TD error）最小，因此損失函數(shù)被定義為：

其中，B為采樣的樣本總數(shù)。損失函數(shù)式（15）相對(duì)于權(quán)重θ的梯度為：

對(duì)于目標(biāo)網(wǎng)絡(luò)，其權(quán)重更新不需要獨(dú)立的損失函數(shù)與梯度，而是每Nt步更新為主網(wǎng)絡(luò)的權(quán)重θ→θ′。

為了同步實(shí)現(xiàn)高速用戶的軌跡預(yù)測(cè)和資源優(yōu)化，本文在DQN的輸入層和全連接層之間插入了一個(gè)長(zhǎng)短期記憶（long short-term memory，LSTM）層，將DQN發(fā)展為深度循環(huán)Q網(wǎng)絡(luò)（deep recurrentQ-network，DRQN）。其中，LSTM 層負(fù)責(zé)用戶軌跡預(yù)測(cè)，而全連接層根據(jù)輸入狀態(tài)和預(yù)測(cè)結(jié)果決定當(dāng)前最優(yōu)動(dòng)作。

具體的算法流程如下。

步驟1初始化主網(wǎng)絡(luò)、目標(biāo)網(wǎng)絡(luò)、記憶池、高速用戶位置和移動(dòng)方式、低速用戶位置和移動(dòng)方式。

步驟2初始化無(wú)人機(jī)的起始位置并生成初始狀態(tài)s(0)。

步驟3根據(jù)ε-greedy策略選擇當(dāng)前動(dòng)作a(i)。

步驟4執(zhí)行動(dòng)作a(i)，獲得當(dāng)前獎(jiǎng)勵(lì)r(i)和下一狀態(tài)s(i+1)。

步驟5計(jì)算目標(biāo)Q值，更新主網(wǎng)絡(luò)和目標(biāo)網(wǎng)絡(luò)。

步驟6重復(fù)步驟3～步驟5，直到無(wú)人機(jī)抵達(dá)目的地。

步驟7重復(fù)步驟2～步驟6，直到訓(xùn)練步數(shù)滿足要求。

3 仿真結(jié)果與分析

3.1 仿真參數(shù)

在仿真中，系統(tǒng)為1 km×1 km的正方形區(qū)域，包含100個(gè)AP、80個(gè)低速用戶、5～10個(gè)高速用戶、2架無(wú)人機(jī)和一個(gè)CPU。無(wú)人機(jī)的飛行高度為100 m，最大飛行速度為20 m/s，最大發(fā)送功率為30 dBm。高速用戶的最大移動(dòng)速度為10 m/s。AP的最大發(fā)送功率為30 dBm。無(wú)蜂窩大規(guī)模MIMO系統(tǒng)進(jìn)行通信服務(wù)時(shí)，AP為其覆蓋范圍內(nèi)的所有用戶平均分配、發(fā)送功率。AP與低速用戶之間的信道狀態(tài)信息綜合考慮路徑損失、陰影衰落等因素，具體的參數(shù)參考文獻(xiàn)[20]。無(wú)人機(jī)輔助通信系統(tǒng)與無(wú)蜂窩大規(guī)模 MIMO的通信時(shí)間占比為1:1。DRQN算法采用4層網(wǎng)絡(luò)結(jié)構(gòu)，學(xué)習(xí)率為0.000 5，折扣因子設(shè)定為0.9，經(jīng)過(guò)600個(gè)周期的訓(xùn)練獲得最終的動(dòng)作選擇策略。

3.2 仿真結(jié)果

本文所提基于DRQN的無(wú)人機(jī)軌跡設(shè)計(jì)和用戶調(diào)度方案的收斂性能如圖2所示。具體而言，DQRN的收斂性由損失函數(shù)和系統(tǒng)性能兩方面決定。損失函數(shù)可以表示DRQN內(nèi)部神經(jīng)網(wǎng)絡(luò)的訓(xùn)練程度。理論上，損失函數(shù)會(huì)隨著訓(xùn)練的不斷進(jìn)行而下降，最終趨于平穩(wěn)；然而僅利用損失函數(shù)表征方案的收斂性是不充分的，這是因?yàn)樯窠?jīng)網(wǎng)絡(luò)的收斂并不能保證所提方案收斂到最優(yōu)策略，依舊存在方案收斂到局部最優(yōu)的可能性。系統(tǒng)性能則表示DRQN方案是否有穩(wěn)定的輸出結(jié)果。隨著訓(xùn)練的進(jìn)行，系統(tǒng)性能會(huì)不斷上升直至穩(wěn)定。同樣，由于無(wú)法確定是否有更優(yōu)性能，方案的收斂性不能僅利用系統(tǒng)性能曲線表征，因此，本文同時(shí)考慮損失函數(shù)和系統(tǒng)性能，利用兩者的訓(xùn)練曲線說(shuō)明方案的收斂性?？梢钥闯?，兩條曲線在經(jīng)歷400個(gè)周期訓(xùn)練后基本穩(wěn)定，可以認(rèn)為方案已經(jīng)收斂。

圖2 基于DRQN的無(wú)人機(jī)軌跡設(shè)計(jì)和用戶調(diào)度方案的收斂性能

不同的高速移動(dòng)用戶數(shù)量下，不同方案的復(fù)雜度對(duì)比如圖3所示。本文采用平均運(yùn)行時(shí)間表征方案復(fù)雜度。仿真結(jié)果顯示，所提出的 DRQN方案與其他方案相比，復(fù)雜度顯著降低。這是因?yàn)镈RQN中的神經(jīng)網(wǎng)絡(luò)能夠有效地處理狀態(tài)－動(dòng)作空間。對(duì)于Q-learning方案和貪婪方案，隨著用戶數(shù)的提升，兩種方案需要面對(duì)的狀態(tài)、動(dòng)作數(shù)均呈指數(shù)增長(zhǎng)。相應(yīng)地，兩種方案需要更多的時(shí)間遍歷所有可能的動(dòng)作，因此方案復(fù)雜度以較快的速度上升。為了得到與DRQN方案相似的性能，DQN方案的算法主體采用4層網(wǎng)絡(luò)，且網(wǎng)絡(luò)各層均為全連接層；然而，全連接層數(shù)的增加以及神經(jīng)元數(shù)的增長(zhǎng)不僅會(huì)帶來(lái)性能的提升，也會(huì)使得方案的復(fù)雜度升高。

圖3 不同的高速移動(dòng)用戶數(shù)量下，不同方案的復(fù)雜度對(duì)比

不同高速用戶數(shù)下的系統(tǒng)總和頻譜利用率對(duì)比如圖4所示，所提DRQN方案的性能略高于貪婪方案，且明顯優(yōu)于其他3種方案。隨著用戶數(shù)的增長(zhǎng)，DRQN方案的優(yōu)勢(shì)也隨之增加。對(duì)于高速移動(dòng)用戶，計(jì)算系統(tǒng)總和速率R所需要的用戶位置信息并不在系統(tǒng)狀態(tài)中，而是需要根據(jù)系統(tǒng)狀態(tài)進(jìn)行預(yù)測(cè)。DRQN中的LSTM層能夠準(zhǔn)確預(yù)測(cè)當(dāng)前狀態(tài)s和下一狀態(tài)s′對(duì)應(yīng)的用戶位置，并將完整信息傳遞給相鄰的全連接層，從而促使方案獲得更佳的動(dòng)作選擇策略。循環(huán)神經(jīng)網(wǎng)絡(luò)（recurrent neural network，RNN）+DRL方案雖然能夠有效預(yù)測(cè)當(dāng)前狀態(tài)s對(duì)應(yīng)的用戶位置，但是序列決策問(wèn)題不僅需要當(dāng)前的完整狀態(tài)，還需要下一時(shí)刻的完整狀態(tài)；也就是說(shuō)，僅提供當(dāng)前時(shí)刻的預(yù)測(cè)信息不足以支撐后續(xù)的DRL網(wǎng)絡(luò)進(jìn)行準(zhǔn)確預(yù)測(cè)，因此，該對(duì)比方案的性能相較所提方案有所降低。此外，DQN算法僅由全連接層構(gòu)成，無(wú)法預(yù)測(cè)高速用戶的移動(dòng)軌跡，只能根據(jù)當(dāng)前時(shí)刻的用戶位置信息進(jìn)行動(dòng)作選擇，因此會(huì)造成一定的性能降低。與圖3中的原因相同，Q-learning方案無(wú)法處理巨大的狀態(tài)－動(dòng)作空間，有限的學(xué)習(xí)經(jīng)驗(yàn)使得其性能顯著降低。

圖4 不同高速用戶數(shù)下的系統(tǒng)總和頻譜利用率對(duì)比

不同高速用戶軌跡數(shù)下的系統(tǒng)總和頻譜利用率如圖5所示。假設(shè)高速用戶沿著固定的軌跡移動(dòng)，但每隔一段時(shí)間會(huì)更換移動(dòng)軌跡。與圖4相似，所提DRQN方案性能略優(yōu)于貪婪方案。同時(shí)，隨著可選軌跡的增多，高速用戶的軌跡預(yù)測(cè)難度也不斷提升，使得RNN+DRL方案、DQN方案和Q-learning方案逐步失去自身的算法優(yōu)勢(shì)。

4 結(jié)束語(yǔ)

本文針對(duì)無(wú)人機(jī)輔助無(wú)蜂窩大規(guī)模MIMO網(wǎng)絡(luò)，提出了一種雙系統(tǒng)架構(gòu)，將用戶劃分為低速用戶和高速用戶，無(wú)蜂窩大規(guī)模MIMO系統(tǒng)服務(wù)低速用戶，無(wú)人機(jī)輔助通信系統(tǒng)服務(wù)高速用戶，針對(duì)系統(tǒng)總和速率最大化目標(biāo)，構(gòu)建了基于高速用戶軌跡預(yù)測(cè)的無(wú)人機(jī)軌跡設(shè)計(jì)和用戶調(diào)度問(wèn)題。本文進(jìn)一步將問(wèn)題轉(zhuǎn)化為MDP，并提出一種DRQN方案解決序列決策優(yōu)化問(wèn)題，其中的 LSTM 層預(yù)測(cè)高速用戶移動(dòng)軌跡，全連接層學(xué)習(xí)最優(yōu)動(dòng)作選擇策略。仿真結(jié)果表明，所提DRQN方案相較于傳統(tǒng)的RNN+DRL方案、DQN方案、Q-learning方案和貪婪方案，具有顯著的性能提升。在今后的工作中，筆者將研究無(wú)人機(jī)在三維坐標(biāo)下的飛行模式，通過(guò)精準(zhǔn)的軌跡設(shè)計(jì)提升系統(tǒng)的通信能力。