基于DRL的无人机搭载RIS吞吐量优化

本文解决了无线通信中的一个实际问题：在无人机搭载的可重构智能表面（RIS）系统中优化吞吐量，同时考虑了无人机抖动和不完美的信道状态信息（CSI）等实际障碍。深度强化学习（DRL）的使用是一项关键创新，它提供了一种无模型方法来解决复杂、随机和非凸的优化问题。本文的重要性在于它有可能在具有挑战性的环境中提高UAV-RIS系统的性能，同时也展示了基于DRL的解决方案与传统优化方法相比的效率。

• •提出了一种基于 DRL 的解决方案，用于优化无人机搭载 RIS 系统的吞吐量。
• •解决了实际障碍，如无人机抖动和不完美的 CSI。
• •在严重的抖动和低 CSI 质量下，实现了比传统方法更高的吞吐量。
• •与传统优化方法相比，提供了更快的推理时间。