【技术实现步骤摘要】
基于深度Q学习的认知无线传感器网络频谱接入方法
本专利技术涉及认知无线传感器网络领域。更具体地说，本专利技术涉及一种基于深度Q学习的认知无线传感器网络频谱接入方法。
技术介绍
相较于传统的移动通信主要解决人与人通信问题，第五代移动通信5G更加关注物与物、人与物的通信。随着5G技术的发展，以智慧城市、智慧工厂、智慧家居等为代表的物联网场景与移动通信深度融合，预计接入5G网络的设备将达到千亿数量级以上。无线传感器网络(WSN)作为物联网感知层的重要组成网络，其网络节点接入移动网络目前通常只能使用的2.4G频段附近的免费频段，设备用户数量的海量式增长与有限的频谱资源的矛盾日益凸显。第五代移动通信对频谱的利用率提出了更高的要求。5G的核心技术标准要求其频谱效率相比于IMT-A提升3倍以上。而认知无线电技术(CR)在频谱利用率方面有巨大的改善作用，首次提出就引起了人们的广泛关注，这对于支持更高的数据速率以及容纳海量用户至关重要。因此，认知无线传感器网络(CWSN)将认知无线电技术与WSN结合，允许大量的传感器节点作为次级用户(SU)，在不干扰拥有授权频谱的主用户(PU)的正...
【技术保护点】
1.基于深度Q学习的认知无线传感器网络频谱接入方法，其特征在于，包括：步骤一、构建Q神经网络：以经验样本中t‑2时隙的所有信道的状态值为输入层，以t‑1时隙的所有信道的q值为输出层，选择训练样本以更新Q神经网络的权重参数，其中，状态值为信道处于“忙”或“闲”的状态的分值，q值表示信道的状态的预测分值；其中，选择训练样本的具体方法为：获取t‑1时隙以前的经验样本，并计算优先级，根据经验样本的优先级进行累计求和二叉树排列，然后抽样得到训练样本；每个经验样本记录上一时隙的所有信道的状态值、下一时隙的所有信道的回报值、下一时隙的所有信道的q值；回报值，为对下一时隙选取的信道进行能量...
【技术特征摘要】
1.基于深度Q学习的认知无线传感器网络频谱接入方法，其特征在于，包括：步骤一、构建Q神经网络：以经验样本中t-2时隙的所有信道的状态值为输入层，以t-1时隙的所有信道的q值为输出层，选择训练样本以更新Q神经网络的权重参数，其中，状态值为信道处于“忙”或“闲”的状态的分值，q值表示信道的状态的预测分值；其中，选择训练样本的具体方法为：获取t-1时隙以前的经验样本，并计算优先级，根据经验样本的优先级进行累计求和二叉树排列，然后抽样得到训练样本；每个经验样本记录上一时隙的所有信道的状态值、下一时隙的所有信道的回报值、下一时隙的所有信道的q值；回报值，为对下一时隙选取的信道进行能量感知，若状态值为“闲”，则为吞吐量，若状态值为“忙”，则为0；优先级的计算方法为：优先级为经验样本的时序误差的绝对值与修正常数的和，时序误差为目标q值与经验样本的最大q值的差值，其中，修正常数为正数；目标q值的计算方法为：设置循环周期T，如果经验样本对应的时隙是T的最后一个时隙，则目标q值为该经验样本的回报值；如果经验样本对应的时隙不是T的最后一个时隙，则目标q值为经验样本的回报值与γ倍的时隙q值的和，时隙q值为以经验样本的状态值为输入值，输入至前一个循环周期的最后一个时隙的Q神经网络的其中一个信道的q值，该信道为经验样本中的最大q值对应的信道；步骤二、以t-1时隙的经验样本中的所有信道的状态值为输入层，输入至Q神经网络，得到t时隙的所有信道的q值，选取最大的q值对应的信道；步骤三、对选取的信道进行能量感知，若状态值为“闲”，则接入，若状态值为“忙”，则不接入。2.如权利要求1所述的基于深度Q学习的认知无线传感器网络频谱接入方法，其特征在于，抽样的具体方法为：根据需要抽取的样本的数量m，将所有经验样本的最顶层的优先级和N，均匀分成m个区间，在每个区间均随机选出一个数字e，从最顶层的优先级和开始，与该优先级和的左边的儿子节点的优先级和进行比较，如果选出的数字e小于该儿子节点的优先级和，则沿该儿子节点向下一层比较；如果选出的数字e不小于该儿子节点的优先级和，则用该数字e减掉该儿子节点的优先级和后，沿右边的儿子节点向下一层比较；直到得到最底层的优先级，该优先...
【专利技术属性】
技术研发人员：覃团发，盘小娜，胡永乐，沈湘平，官倩宁，罗剑涛，李金泽，任君玉，陈海强，
申请(专利权)人：广西大学，润建股份有限公司，
类型：发明
国别省市：广西,45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。