在ISAC辅助的VEC中，针对对延迟敏感的任务，改进了基于TD3的资源分配优化算法

《ACM Transactions on Sensor Networks》：Improved TD3 Based Resource Allocation Optimization for Latency-sensitive Tasks in ISAC-aided VEC

针对车载边缘计算中频谱利用率低、信号衰减及资源分配问题，提出基于ISAC和OTFS的资源分配优化方法，利用改进的TD3算法有效降低任务延迟，仿真结果显示优于现有算法。

　　

摘要

车载边缘计算（VEC）应运而生，旨在应对智能车辆服务中大量数据和多样化应用对无线网络日益增长的需求。然而，由于传感器的大量部署导致频谱利用率低、高速移动引起的信号衰减以及计算资源分配问题，智能车辆的实时安全运行受到了阻碍。因此，我们提出了一种基于集成感知与通信（ISAC）技术和正交时频空间（OTFS）技术的资源分配优化方法。具体而言，OTFS被用于复用路边单元（RSU）的雷达资源，从而提高频谱效率。我们建立了通信、车辆移动性、感知和能耗等方面的综合模型，并构建了一个延迟最小化资源分配问题。该问题被建模为一个马尔可夫决策过程，并采用改进的双延迟深度确定性策略梯度（TD3）算法进行求解，该算法结合了优先经验采样和动态参数更新机制，以加速训练并增强智能体与环境的交互。在车载边缘计算环境中进行了大量仿真实验，将所提出的算法与DDQN、MADDPG和MRL-DDPG进行了对比。结果表明，与现有算法相比，我们的方法有效减轻了车辆移动性对信号传输的影响，并显著降低了任务完成延迟。