一种用于NOMA-MEC网络的基于DRL的流量卸载算法及实现装置制造方法及图纸

本发明专利技术公开了一种用于NOMA

【技术实现步骤摘要】
一种用于NOMA
‑
MEC网络的基于DRL的流量卸载算法及实现装置


[0001]本专利技术涉及无线通信
，将非正交多址(NOMA)技术应用于移动边缘计算(MEC)中，并进一步利用深度强化学习(DRL)高效自适应地得到用户的数据卸载策略以降低系统时延和能量消耗。

技术介绍

[0002]移动边缘计算(MEC)技术通过将IT服务环境和云计算技术在网络边缘相结合，有效提高边缘网络的计算和存储能力，进一步减少网络操作和服务交付时延，提升用户服务质量体验，在5G移动网络中得到了广泛的研究。通过将计算和存储能力“下沉”到网络边缘，用户请求不再需要经过漫长的传输网络到达遥远的核心网被处理，而是由部署在本地的MEC服务器将一部分流量进行卸载，直接处理并响应用户，进而大大降低通信时延。基于传统正交多址(OMA)方案(以TDMA为例)实现数据卸载时，单个时隙仅分配给唯一一个用户用于上行数据传输，大大限制了由MEC带来的时延性能的提升。
[0003]为解决OMA方案的不足，非正交多址(NOMA)技术通过非正交传输方式，在MEC服务器采用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对NOMA
‑
MEC网络，基于深度强化学习的用户数据卸载算法及实现装置，其特征在于，首先根据用户信道特性，利用深度神经网络学习得到用户最优卸载策略；在此基础上，针对将数据卸载至MEC服务器上处理的用户，采用非正交多址方式实现信道复用以进一步降低系统时延。2.根据权利要求1所述的方法，其特征在于，基于深度神经网络，利用K个用户在时隙t下的信道状态信息输出一个卸载策略的近似解其中a
k
(t)对应用户k在第t个时隙内的卸载策略λ
k
(t)的近似解。λ
k
(t)为二进制变量，λ
k
(t)＝1表示用户k将数据卸载至MEC服务器处理，λ
k
(t)＝0对应本地处理；为得到实际卸载策略，需要进一步将a(t)基于不同映射量化为多组二进制可行解，并根据不同可行解的能耗性能得到最优解；具体产生M组二进制可行解的方法可表示为：(1)第一组实际二进制可行解可表示为(2)生成剩余M
‑
1组可行解之前，首先将序列a(t)按照序列内每个元素距离0.5的距离升序排列得到新序列其中基于序列生成第m(2≤m≤M)个二进制可行解，具体表示为：3.根据权利要求2所述的方法，其特征在于，求解任一可行策略{λ
m,i
}下系统的实际能耗时，首先根据策略得到将数据卸载至MEC服务器的用户集合并将U
N
中的用户按信道增益升序排列，然后依次以非正交多址方式调度用户进行数据传输；本发明仅考虑用户簇为2的情况，当其中一个用户完成数据传输时，系统自动调度U
N
中的下一个用户跟当前数据未传完用户复用，即U
N
中的每个用户分别和前后两个用户复用；基于上述调度方式，U
N
中第k个用户的传输时延可表示为：中第k个用户的传输时延可表示为：
l
k,1
(t)＝R
k,1
(t)T
k,1
(t)
ꢀꢀꢀ
(6)其中L表示每个用户待传输数据的总比特数，R1(t)表示U
N
中第一个用户的传输速率，B表示系统带宽，p1(t)、h1(t)分别表示第一个用户在时隙t内的传输功率和信道增益，σ2表示噪声功率。T...

【专利技术属性】
技术研发人员：王亚峰，王嘉胤，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：