AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-26
毫米波模型中用于干扰源识别和波束功率控制的数字孪生参照信念引导Q学习
原标题: Digital-Twin-Referenced Belief-Guided Q-Learning for Jammer Identification and Beam-Power Control in a mmWave Model
本文研究的问题是6G毫米波网络中的干扰源联合识别与波束功率控制。作者使用基于仿真的数字孪生参照(用于评估实际网络状态),并针对特定站点的28-GHz网络模型提出了信念引导Q学习(BGQL)方法。在30次成对蒙特卡洛运行中,与SARSA、Greedy和Random相比,BGQL取得了437.4–564.2 Mbit/s的链路速率得分,对一个干扰源的定位召回率为100%,对两个干扰源的定位召回率为78–81%,不过每次运行耗时80–130 s,而SARSA为5–14 s。作者将其视为一种仿真概念验证。