• 只做学习记录，侵删原文链接

@article{peng2023energy,
title={Energy Harvesting Reconfigurable Intelligent Surface for UAV Based on Robust Deep Reinforcement Learning},
author={Peng, Haoran and Wang, Li-Chun},
journal={IEEE Transactions on Wireless Communications},
year={2023},
publisher={IEEE}
}

论文背景

研究目标

• RIS每一个反射单元都由无源器件电容、电阻等构成，能耗小、成本低，能单独对信号进行反射。
• UAV在动态密集的户外活动，如马拉松、音乐会等，提供按需通信服务有巨大潜力。
  • 缺点：
• RIS：静态部署，当服务覆盖范围中只有少量用户终端（UT）时，使用所有反射阵列进行信号传输可能导致资源浪费。
• UAV：临时基站（BS）、辅助物联网（IoT），增强热点覆盖，但电池容量限制。
  • 目标 ：这项工作是使无人机和智能反射面结合，旨在在有限的时间范围内最大限度地提高UAV–RIS的总能量收集效率，同时满足用户所需的最小吞吐量约束

系统模型

• 两个维度
  1. 只考虑时间：分为两个阶段
     （1）能量传输阶段（2）信号传递阶段
  2. 考虑时间和空间
     （1）能量传输阶段（2）信号传递阶段：在该阶段还考虑智能反射面哪些反射元件用于能量收集。

通信模型

优化函数

下图中只写出了时空两个维度的，单一时间维度的类似。

算法设计

本文使用到强化学习的SD3算法，该算法是TD3算法的优化（求Q值引入Softmax），下图对比了TD3算法和DDPG算法，并简单列出了SD3算法的推导过程。

1. TD3改善DDPG高估的问题。
   
2. SD3算法改善TD3算法的低估问题。推导过程如下（其中为便于计算机求解原算法将积分问题使用了重要性采样）：
   
3. 马尔科夫元组个元素。
   
   实验部分不在此是赘述，感兴趣可以阅读原文。