Dec, 2023

RFRL Gym：一个用于认知无线电应用的强化学习测试平台

PDF
TL;DR研究重点是开发一种 RFRL 技术的工具，使用频谱感知来推动其发展，并设计了 RFRL Gym 模拟环境，用于训练和测试 RL 算法以应用于动态频谱访问和干扰等认知无线电应用，并支持第三方机器学习 / 强化学习库。
radio frequency reinforcement learningspectrum sensingdynamic spectrum accessjammingopenai gym
发现论文，激发创造
  • 低水平无线通信的协作多智体强化学习

    本研究使用强化学习方法，将两个设备间的无线通信建模为优化双向通信策略的问题，以此解决传统无线通信领域所面临的问题，如人工频谱稀缺、无法动态分配频率等。实验结果表明所提出的方法具有优越的学习能力和智能性。

    Jan, 2018

  • ChemGymRL: 数字化学强化学习的交互式框架

    该研究提供了一个基于 Open AI Gym 模板的高度可定制和开源的 RL 环境，ChemGymRL，以支持在化学发现中训练 RL 代理，通过使用一系列互连的虚拟化学试验台。研究介绍了这些试验台，并在其中训练了一组标准 RL 算法，最后提供了多个标准 RL 方法的性能讨论和比较以及未来工作的发展方向列表作为 ChemGymRL 的远景。

    May, 2023

  • 拥挤频谱环境下雷达检测和跟踪的深度强化学习控制

    本文采用深度强化学习（Deep RL）中的非线性价值函数逼近来实现智能脉冲雷达和相邻通信系统的动态非合作共存，并通过学习调整频率和中心频率，最大化雷达探测性能，保持对频带的充分利用。我们通过实验证明，与策略迭代或感知和避免（SAA）方法相比，基于 Deep Q-Learning（DQL）算法的方法更有效地提高雷达的重要性能度量，包括 SINR 和带宽利用率，同时维持良好的距离分辨率。我们还将 DQL 方法扩展到包括 Double Q-Learning 和递归神经网络，形成 Double Deep Recurrent Q-Network（DDRQN）。最后，我们用软件定义雷达（SDRadar）原型系统的实验结果证明了本文提出的深度强化学习方法在拥挤频谱环境下显著提高了雷达探测性能。

    Jun, 2020

  • 绿色深度强化学习用于无线电资源管理：架构，算法压缩与挑战

    本文针对 5G 及更高版本中的高复杂度无线资源管理问题，通过引入基于深度强化学习的云计算和分布式决策方案，并结合压缩算法和空间迁移学习，提出一种实现绿色深度强化学习的架构和算法，为实现绿色智能设备带来了潜在的解决方案。

    Oct, 2019

  • 在线频率调度通过学习并行动作

    基于深度 Q 学习架构的多用户 MIMO 系统中的频率调度问题的调度器，使用分支行动方式实现子频段之间的并发传输，优化全局收益并满足实时系统的短推理时间要求。

    Jun, 2024

  • 通过强化学习的实时频谱监测 ——Q 学习和启发式方法的比较

    本研究比较了线性频率调谐作为启发式方法和来自强化学习领域的 Q-learning 算法这两种不同方法在控制可用接收机资源方面。经过简化的情景测试表明，Q-learning 算法相对于启发式方法具有更高的检测率，同时可以通过参数化实现检测与探索率之间的权衡。

    Jul, 2023

  • LTE 和 NR 的动态频谱共享的深度强化学习

    本文提出一种新型的动态频谱共享方案，并使用深度强化学习算法基于蒙特卡罗树搜索进行资源分配，该方案能够在考虑未来网络状态的情况下执行操作，比当前的其他方案表现更好。

    Feb, 2021

  • 基于位置感知模仿环境的深度强化学习在 RIS 辅助下的毫米波 MIMO 系统中的应用

    本文提出了一种基于位置感知仿真环境的深度强化学习算法，用于协同波束形成设计的可重构智能表面 (mmWave) 多输入多输出系统中，仿真结果表明所提出的算法具有更为鲁棒的性能。

    May, 2022

  • 分布式非协调认知无线电资源分配的深度强化学习

    本文提出了一种基于深度强化学习的分布式资源分配技术，用于多代理环境下的认知无线电网络，该网络通过干扰下动态频谱访问与主干网络共存。该技术是分布式的，且不需要与其他代理协调，通过模拟结果可以显示出，该技术能够在有限的学习时间内，找到使性能在 3％之内的策略。

    Oct, 2019

  • 为自主网络代理开发网络 AI 健身房

    本文旨在通过应用增强学习和深度增强学习（RL/DRL）来使网络网络运营（CyOps）中的自主智能体成为可能，并且通过提出的一个名为 Cyber Gym for Intelligent Learning（CyGIL）的统一训练环境，尤其是最近发展出的一种在仿真环境下训练智能体的解决方案，该方案旨在在实际网络环境中实现从仿真到现实的自主智能体应用。

    Apr, 2023