Framework DRL per il Posizionamento Dinamico di HAPS in Reti Marittime Soggette a Disturbi del Vento
Viene proposto un framework di deep reinforcement learning basato sull'algoritmo Proximal Policy Optimization (PPO) per il posizionamento dinamico di stazioni base HAPS (High-Altitude Platform Station) in reti marittime soggette a disturbi del vento stratosferico. Il sistema utilizza un agente DRL centralizzato su un HAPS coordinatore per controllare più HAPS serventi, sfruttando misure radio e feedback di rete per adattarsi alla mobilità delle navi e agli effetti del vento. Le simulazioni dimostrano una migliore stabilità della copertura e del throughput di sistema in presenza di disturbi eolici. La ricerca affronta le sfide nel fornire copertura wireless alle regioni marittime prive di infrastrutture terrestri.
Fatti principali
- Propone un framework basato su DRL per il posizionamento dinamico di stazioni base HAPS.
- Utilizza l'algoritmo Proximal Policy Optimization (PPO).
- Un agente DRL centralizzato su un HAPS coordinatore controlla più HAPS serventi.
- Affronta i disturbi del vento stratosferico e la mobilità delle navi.
- Le simulazioni mostrano una migliore stabilità della copertura e del throughput.
- Obiettivo: fornire copertura wireless in regioni marittime senza infrastrutture terrestri.
- Pubblicato su arXiv con ID 2605.05240v1.
- Fonte: preprint arXiv.
Entità
Istituzioni
- arXiv