VLC集成异构无线网络中资源管理的认知学习框架

《Physical Communication》：A Cognitive Learning Framework for Resource Management in VLC-Integrated Heterogeneous Wireless Networks

　　•介绍了COVLI-Fog，这是一种基于人工智能的认知框架，通过多智能体深度强化学习将可见光通信、5G-Advanced和物联网无缝整合在一起。•与独立的射频及可见光通信系统相比，该框架实现了显著的性能提升，误码率可降低38%，频谱效率提高27%，能效提升31%。•它建立了可扩展且安全的6Gready物联网连接方案，在超密集部署环境下能保持42%更高的容量，同时在窃听威胁下保密能力提升35%。引言随着科学的进步，世界已进入一个全新的时代。物联网技术能够通过互联网将不同领域的各种设备连接起来。诸如海啸所引发的那种严重破坏经济、社会和物理系统、导致大量人员伤亡和经济损失的突发事件[1]、[2]。5G-Advanced和6G旨在利用太赫兹频率实现超高速无线通信，数据传输速率可超过1 Tbps，并支持海量设备连接。可见光通信则利用未经许可的400 THz频段，作为射频技术的补充，在6G网络中实现高容量、短距离通信。将这些技术整合在一起，旨在提升频谱效率、降低延迟并节省能源，从而推动扩展现实、虚拟现实、自动驾驶汽车以及智慧城市等下一代应用的发展[3]、[4]、[5]。到2030年，随着数十亿连接设备的普及，全球物联网生态系统预计将产生海量数据，其规模可达数百泽字节，这些设备能够实现无缝的数据交换和智能自动化。仅工业物联网领域预计就能形成超过一万亿美元的市场规模，这体现了巨大的经济和技术发展潜力。目前，支撑物联网的信息与通信技术基础设施占据了全球相当大比例的电力消耗，这凸显出在物联网部署中亟需采用高效且可持续的解决方案[6]。可见光通信的复兴标志着它从一种小众技术走向主流技术，其历史可追溯到19世纪80年代亚历山大·格拉汉姆·贝尔发明的光话机，该装置可通过调制阳光来传输语音。随着技术的进步，尤其是微LED的发展，可见光通信的传输速率已达到千兆比特每秒级别，使得通过光实现高速通信成为可能。在IEEE 802.15.7r1和ITU-R G.9991等标准的推动下，可见光通信的标准化进程加快，进一步促进了其在各种应用中的采用，确立了其作为传统无线通信技术补充的地位[7]、[8]。3GPP从第16版到第20版的演进为支持多种物联网生态系统带来了重大改进。尤其是NR-Light和RedCap技术，在降低设备复杂度和能耗的同时，仍能为中等规模的物联网应用提供必要的连接功能[9]。这些技术提升了网络在异构部署环境下的效率和适应性。因此，5G不仅拓展了物联网的功能，使其能够支持可穿戴设备、工业传感以及智能视频监控等应用，还通过提升可扩展性，弥合了低功耗广域网与高容量NR系统之间的差距[10]。展望未来，6G被设想为一种基于人工智能的架构，它将通信、感知和计算集成到一个统一的智能框架中，以支持自主化和实时化服务。然而，仍存在一些关键挑战，包括可见光通信与5G架构之间的互操作性有限、单一目标优化方法无法满足多维度网络需求[11]，以及依赖反应式的、基于仿真的评估方法，缺乏足够的实际验证和预测能力[12]。本文提出了一种统一的认知框架，将可见光通信、5G和物联网系统紧密整合在一起，解决了长期以来网络架构分散的问题。该框架构建了一个全面的模型，以实现不同通信领域之间的无缝互操作。通过运用多智能体深度强化学习，该框架能够实现跨领域的资源优化，有效克服了传统单一目标优化策略的局限性。在方法论方面，这项研究致力于大规模验证，缩小了仿真分析与实际部署需求之间的差距。其理论基础是基于联合频谱能量效率公式，而实际可行性则通过原型级验证得到保障。该框架的创新之处包括：(i)首个基于多智能体深度强化学习的框架，它引入了支持可见光通信-5G-物联网融合的雾计算数字孪生技术；(ii)一种新的奖励函数设计机制，能够同时优化频谱效率、能效、误码率和延迟；(iii)在统一的多智能体深度强化学习奖励函数中融入了概率星座图设计技术与保密能力考量；(iv)推出了开源的仿真平台和数据集，以确保研究的可重复性并便于未来的研究工作。本文的其余部分结构如下：第二部分对现有文献进行了系统的分类综述，指出了当前可见光通信、5G和物联网整合工作中存在的关键局限。第三部分介绍了COVLI-Fog架构，这是一种可扩展的框架，它将可见光通信、5G和雾计算相结合，以实现低延迟的物联网连接。第四部分详细阐述了基于多智能体深度强化学习的优化引擎的设计，用于实现实时的跨领域资源分配。第五部分通过仿真和原型级验证进行了全面的性能评估。第六部分探讨了该技术的实际应用意义、部署挑战以及潜在的应用场景。最后，第七部分对全文进行了总结，并提出了未来研究的方向。技术背景概述介绍了可见光通信技术各代的发展历程，重点说明了其中的创新点、数据传输速率、应用场景以及存在的局限性。第一代可见光通信技术侧重于基本的强度调制和直接检测技术，适用于范围有限且不具备移动性的特定应用。第二代技术引入了更先进的调制方式，实现了室内定位功能，但面临着小区间干扰的问题。第三代技术则采用了微LED和正交频分多址技术，从而提升了连接的稳定性。COVLI-FOG架构：认知网络设计在所提出的系统中，每个智能体都对应着一个网络实体，如可见光通信接入点或射频基站。这些智能体会观察本地和全局状态信息，并通过与动态环境的交互来学习适应性的资源分配策略。认知连接连续体为下一代无线网络提供了一种创新的愿景，在这种愿景中，可见光通信技术与射频技术之间的协同作用是通过一个统一的智能系统来实现的。可见光通信信道模型（朗伯辐射模型）可见光通信接入点b与用户u之间的信道增益是根据朗伯辐射模式来建模的[30]、[31]，其表达式为：hb,uVLC=(m+1)Ap2πdb,u2cosm(?b,u)Ts(ψb,u)g(ψb,u)cos(ψb,u)1{ψb,u≤ΨFOV}，其中朗伯秩序数定义为sm=?ln(2)ln(cos(Φ1/2))，而Φ1/2=60°对应的是半功率辐射角度。在該模型中，Ap=1×10?4m2表示光电探测器的面积，db,u是可见光通信接入点与用户之间的欧几里得距离，?b,u是入射角，ψb,u则是...误码率分析对于可见光通信系统中的M-QAM调制方式，其误码率可通过以下公式近似计算：PbM?QAM≈4log2M(1?1M)Q(3γlog2MM?1)，其中Q函数是按照克雷格公式计算的：Q(x)=1π∫0π/2exp(?x22sin2θ)dθ。频谱效率用户u连接到基站b时所能达到的传输速率为：Rb,u=Bb,ulog2(1+Γγb,u)，其中Γ表示信噪比差值，在实际系统中通常取3 dB。整个系统的频谱效率则由以下公式给出：ηSE=1Btotal∑b=1Bv+Br∑u=1Um+Uc+UuRb,u。能效总功耗可以通过以下公式进行建模：Ptotal=∑b=1Bv(PVLC,static+ξvPVLC,Physical Layer Security保密能力可通过以下公式来表征：Cs=[log2(1+γmain)?log2(1+γeve)]+，其中γmain和γeve分别代表合法接收方和窃听者处的信噪比，而运算符[·]+则表示max?(0, ?·?)。在瑞利衰落信道条件下，对应于目标保密率Rs的保密中断概率可通过以下公式计算：Pout(Rs)=λmainλmain+λeve2Rs，其中λmain和λeve分别是主信道和窃听者信道的衰落参数。仿真环境与系统参数仿真环境是使用Python 3.9构建的，它借助NumPy和SciPy等科学计算库来进行数值运算。机器学习相关功能则是通过Scikit learn和TensorFlow 2.12来实现的，而结果的可视化则借助Matplotlib和Seaborn来完成，从而生成高质量的图表。为了处理计算量较大的任务，还使用了多进程模块来实现并行处理，进而提升大规模仿真的效率。仿真环境的结果与性能分析所示的图表都是基于多次仿真运行的统计平均值得出的，这样可以确保所观察到的性能趋势具有一致性和可重复性。为了提高仿真结果的真实性，该仿真框架还采用了高精度的信道模型，这些模型涵盖了可见光通信和射频通信领域的特性，包括朗伯辐射特性、环境光噪声以及随机衰落效应。虽然目前的研究还是基于仿真的，但所提出的架构却是为实际应用而设计的。硬件在环验证为了进一步提升所提框架的实际应用价值，研究人员使用一个小型的原型测试平台进行了初步的硬件在环验证。该实验装置包括了用于5G射频传输的USRP B210平台，以及一个定制设计的、基于微LED的可见光通信发射器，其有效带宽为500 MHz。尽管该原型的规模有限，但仍然可以对端到端延迟和误码率等关键性能指标进行测量和分析。结论本文介绍了COVLI-Fog，这是一种认知型的可见光通信-5G-物联网架构，它解决了当前混合无线系统中存在的架构、算法以及验证方面的缺陷。通过多智能体深度强化学习优化，将该架构将可见光通信和射频通信领域统一起来，从而突破了传统孤立式设计的局限，迈向了面向6G的、基于人工智能的连接方案。定量分析结果表明，COVLI-Fog能够将误码率降低38%，并且其性能提升幅度可达27%。未标注引用文献缺少引用文献算法2C红牛指数作者贡献说明舒贾特·阿里：写作——审稿与编辑、写作——初稿撰写、可视化、验证、监督、软件开发、资源协调、项目管理、方法设计、研究实施、正式分析、数据整理、概念构建。曼扎琳·穆斯塔法：写作——审稿与编辑、验证、资源协调、方法设计、研究实施、正式分析、数据整理、概念构建。利益冲突声明作者们声明自己没有已知的、可能影响本文研究结果的财务利益或个人关系。舒贾特·阿里拥有巴基斯坦纳瓦布沙赫的奎德 - 埃 - 阿瓦姆工程、科学与技术大学授予的工学学士学位（荣誉学位），以及马来西亚国立大学授予的电气与电子工程硕士学位。他的研究兴趣包括无线网络、无人机辅助通信、可见光通信、5G支持的物联网系统以及波传播建模，尤其关注复杂环境中的信道传播特性，这些研究均为下一代无线技术的发展奠定了基础。舒贾特·阿里|曼扎琳·穆斯塔法