《多无人机智能反射面辅助通信：通过深度强化学习进行多节点信道建模和公平和率优化》

无人飞行器（UAV）与智能反光面（IRS）相结合，利用无人飞行器的三维移动性和 IRS 的智能无线电功能，是提高无线通信信道容量的尖端技术。这项研究设想了这样一种场景：一群配备 IRS 的无人机通过 OFDMA 同时向一个基站（BS）传输信号，为多个物联网（IoT）地面节点（GN）提供服务。组成 IRS 的无源元件数量庞大，给任务设计带来了极大的复杂性。因此，每个 IRS 都被划分为可同时服务于不同节点的补丁。考虑到一般里氏衰落，推导出了 IRS 辅助无人机辅助网络的综合信道模型。然后，设想了一个多目标混合整数非线性编程问题，通过联合优化轨迹和相移矩阵，使全球导航网的总速率最大化，同时使用户数据速率差最小化。用调度（即补丁-GN 分配）来重新表述这个非凸问题，在解决上具有挑战性。因此，该问题被重新编排为马尔可夫决策过程，并通过深度强化学习获得了准最优解。我们进行了广泛的仿真分析，以验证所提模型的结果和准确性。