항공 접근 네트워크는 향후 6G 무선 네트워크의 등장하는 도전에 대응하기 위한 핵심 기반 개념으로 여겨져 왔다. 본 논문에서는 셀룰러 네트워크의 상단에서 비행 기지국 역할을 하는 고고도 플랫폼(high altitude platform, HAP)인 항공 접근 네트워크의 고(高)고도 계층을 활용하는 데 초점을 둔다. HAP는 하향링크 테라헤르츠 기반 통신 시스템에서 비직교 다중접속(non-orthogonal multiple access) 기법을 사용해 그룹화된 일련의 지상 사용자(GUs)를 서비스한다. 우리는 제한된 자원 및 사용자의 최소 데이터 전송률 요구사항 하에서 전력 할당, 전송 대역폭, 안테나 빔폭, 그리고 HAP의 고도를 공동으로 최적화함으로써 GUs의 달성 가능한 전송률을 증대시키는 것을 목표로 한다. 네트워크 동역학과 문제 복잡성을 고려하여, 딥 강화학습 알고리즘에 기반한 지능형 공동 HAP 제어 및 자원 할당 기법을 설계한다. 구체적으로, 연속적인 의사결정 변수를 갖는 것으로 고려된 문제에 대해 장기 보상(long-term reward)을 최대화함과 동시에 최적해를 찾기 위해 딥 결정론적 정책 기울기(deep deterministic policy gradient) 알고리즘을 제안한다. 수치 시뮬레이션 결과, 제안하는 기법이 대안적 기법보다 우수함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.