低空流体天线网络与多智能体强化学习
低空无线网络(LAWN)整合了地面和空中平台,为无人驾驶飞行器(UAV)和电动垂直起降(eVTOL)飞机提供普遍的通信、感知和定位服务。然而,动态的空地和空空信道、突然的阻塞以及异构干扰阻碍了这一目标的实现。尽管如此,流体天线(FA),一种先进的多输入多输出(MIMO)技术,通过重新配置天线位置来解锁额外的空间自由度,从而克服了这些挑战。在本文中,为了将低空FA网络带入现实,我们研究了针对低空FA网络的快速高性能FA重新配置,采用多智能体强化学习(MARL)。具体而言,我们提出了一种电磁数字孪生(EM-DT)辅助的MARL框架。为了填补仿真到现实的差距,我们引入了一个两阶段的迁移学习框架。我们的案例研究表明,联合FA位置和波束成形优化相比固定位置基线可将系统总速率提高118.5%。这一增益来自于FA阵列在毫秒级时间尺度上的动态重新配置以及波束向移动空中用户自适应转向。(预印本;同行评审状态请核对原文。)