面向5G非地面网络切片的低地球轨道（LEO）感知深度强化学习元调度器
LEO-Aware DRL Meta-Scheduler for 5G Non-Terrestrial Network Slicing
浏览论文内容
中文总结 AI 辅助
针对5G非地面网络集成LEO带来的资源管理挑战，提出基于TD3智能体的DRL元调度器，在牺牲1%不显著容量的情况下，严格限制关键业务排队延迟，且不会导致宽带切片饥饿，为6G O-RAN NTN资源分配提供基础。
中文摘要 AI 辅助
将低地球轨道（LEO）非地面网络（NTN）集成到5G及未来6G架构中，带来了诸多挑战，包括严重的传播延迟、超高频段基站移动性以及信道非平稳性，使异构网络切片的无线资源管理变得复杂。本文提出一种用于双时间尺度资源分配的深度强化学习（DRL）元调度器。该方案采用解耦的开放无线接入网（O-RAN）架构，其中一个策略性的100毫秒元调度器利用过时的遥测数据为不同网络切片选择调度策略，而快速时间尺度的媒体接入控制（MAC）分组调度器处理每个传输时间间隔（TTI）的用户请求。由此产生的马尔可夫决策过程通过双延迟深度确定性策略梯度（TD3）智能体捕获非平稳轨道动态和异构服务水平协议（SLA）约束。在不同业务负载下的仿真结果显示，与其他方案不同，所提元调度器明确交换了在统计上不显著的1%容量份额（p>0.05），以严格限制关键任务（MC）业务的无线链路控制（RLC）层排队延迟的方差和总幅度。至关重要的是，它在不导致标准最大信道质量指示（max-CQI）启发式方法所具有的宽带切片饥饿特性的情况下实现了这种隔离，为6G O-RAN NTN资源分配奠定了坚实基础。
英文摘要
The integration of Low Earth Orbit (LEO) Non-Terrestrial Networks (NTNs) into 5G and upcoming 6G architectures introduces various challenges, including severe propagation delays, ultra-high base station mobility, and channel non-stationarity, complicating radio resource management of heterogeneous network slices. In this paper, we propose a deep reinforcement learning (DRL) meta-scheduler for twin-timescale resource allocation. Our solution adopts a decoupled Open Radio Access Network (RAN) architecture, in which a strategic 100 ms meta-scheduler selects scheduling policies for the different network slices using stale telemetry, while a fast-timescale MAC packet scheduler processes per-TTI user requests. The resulting Markov Decision Process captures non-stationary orbital dynamics and heterogeneous SLAs constraints via a TD3 agent. Simulation results under varying traffic load show that, unlike other solutions, the proposed meta-scheduler explicitly trades a statistically insignificant 1% capacity fraction (p > 0.05) to strictly bound the variance and overall magnitude of RLC-layer queuing delay for Mission-Critical (MC) traffic. Crucially, it enforces this isolation without inducing the broadband slice starvation characteristic of standard maximum-CQI heuristics, establishing a robust foundation for 6G O-RAN NTN resource allocation.
