Safe World Model for Joint Trajectory and Beamforming Design of Mobile Base Stations
作者: Abdolrasoul Sakhaei Gharagezlou, Zeinab Askari Donbeh, Mehdi Monemi, Matti Latva-aho, Mehdi Rasti
分类: eess.SY
发布日期: 2026-10-21
💡 一句话要点
提出安全世界模型以优化移动基站的轨迹与波束形成设计
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 移动基站 轨迹优化 波束形成 马尔可夫决策过程 安全模型 信号干扰管理 强化学习 系统动态
📋 核心要点
- 现有方法在移动基站的轨迹与波束形成联合优化中面临信道条件变化和干扰管理的挑战。
- 本文提出了一种基于安全世界模型的框架，通过学习系统动态和优化策略来解决联合优化问题。
- 仿真实验表明，该框架在时间平均总SINR上比现有基线方法有显著提升，同时提高了样本效率。
📝 摘要（中文）
移动基站（MBS），包括空中和地面平台，通过自适应定位提供灵活的无线覆盖。然而，联合优化其轨迹和数字波束形成面临挑战，因为移动改变了信道条件和干扰，而波束形成决定了信号和干扰功率。本文将该问题表述为一个受限的马尔可夫决策过程，旨在最大化时间平均的信号与干扰加噪声比（SINR），并考虑移动性、限制区规避和发射功率约束。为支持长期规划并减少无模型强化学习所需的环境交互，我们开发了基于SafeDreamer的世界模型框架，从经验中学习潜在系统动态，并通过想象轨迹优化联合轨迹和波束形成策略。仿真结果表明，所提框架在时间平均总SINR上比基线方法提高了7%和9%，同时实现了更高的样本效率和更可靠的约束满足。
🔬 方法详解
问题定义：本文旨在解决移动基站在轨迹和波束形成联合优化中的复杂性，现有方法难以有效应对移动带来的信道变化和干扰管理问题。
核心思路：提出基于SafeDreamer的世界模型框架，通过学习潜在系统动态，利用想象轨迹来优化联合轨迹和波束形成策略，从而提高通信性能。
技术框架：整体架构包括三个主要模块：1) 系统动态学习模块，通过历史经验学习信道和干扰动态；2) 策略优化模块，基于学习的动态进行轨迹和波束形成的联合优化；3) 约束处理模块，确保策略满足移动性和安全约束。
关键创新：最重要的创新在于将安全性和可行性约束引入到策略学习中，确保优化过程中的安全性和有效性，这与现有方法的无约束优化形成鲜明对比。
关键设计：在设计中，采用了可行性保持的动作映射和安全成本信号，确保在优化过程中始终遵循操作约束，同时使用了适应性损失函数来平衡信号与干扰的权重。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提出的框架在时间平均总SINR上比基于近端策略优化和深度Q网络的基线方法分别提高了7%和9%，同时实现了更高的样本效率和更可靠的约束满足，验证了其有效性。
🎯 应用场景
该研究的潜在应用领域包括移动通信网络的优化设计，特别是在无人机基站和临时基站部署中，能够有效提升无线覆盖和通信质量。未来，该框架可扩展到其他动态环境中的智能通信系统，具有重要的实际价值。
📄 摘要（原文）
Mobile base stations (MBSs), including aerial and ground-based platforms, provide flexible wireless coverage through adaptive positioning. However, jointly optimizing their trajectories and digital beamforming is challenging because movement changes channel conditions and interference, while beamforming determines the resulting signal and interference powers. These coupled decisions also account for how current movements affect future positions and communication performance under mobility and safety constraints. We formulate this problem as a constrained Markov decision process that maximizes the time-averaged sum signal-to-interference-plus-noise ratio (SINR), subject to mobility, restricted-zone avoidance, and transmit-power constraints. To support long-term planning and reduce the extensive environment interactions required by model-free reinforcement learning, we develop a SafeDreamer-based world model framework that learns latent system dynamics from experience and optimizes a joint trajectory and beamforming policy through imagined trajectories. Feasibility-preserving action mappings and safety cost signals incorporate operational constraints into policy learning. Simulation results demonstrate that the proposed framework improves the time-averaged sum SINR by an average of 7\% and 9\% compared with proximal policy and deep Q-network baselines, respectively, while achieving higher sample efficiency and more reliable constraint satisfaction.