Energy-Efficient Resource Management for Multi-UAV NOMA Networks Based on Deep Reinforcement Learning

Cellular-connected unmanned aerial vehicles (UAVs) play an essential role in cellular networks. Combined with non-orthogonal multiple access (NOMA) technique, UAVs can provide better performance in various communication scenarios. In this paper, we investigate a NOMA-enhanced UAV-assisted cellular n...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE Vehicular Technology Conference s. 01 - 05
Hlavní autoři:	Lin, Xiangda, Yang, Helin, Lin, Kailong, Xiao, Liang, Shi, Zhaoyuan, Yang, Wanting, Xiong, Zehui
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 24.06.2024
Témata:	Cellular networks Clustering algorithms deep reinforcement learning Energy efficiency NOMA non-orthogonal multiple access Partitioning algorithms Quality of service resource management unmanned aerial vehicles Vehicular and wireless technologies
ISSN:	2577-2465
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!