一种认知无线电网络中AoI约束下的网络吞吐量优化方法技术

本发明专利技术公开了一种认知无线电网络中AoI约束下的网络吞吐量优化方法，将训练好的神经网络模型部署在次级接收器上，初始化训练好的神经网络模型，将认知无线电网络的当前状态空间输入到所述神经网络模型，获得神经网络模型输出的动作空间。然后据当前时刻信道状态是否繁忙，对神经网络模型输出的动作空间进行剪切，得到符合当前信道状态的动作，将获得的动作信息广播给次级发射器，次级发射器执行相应的动作，并将吞吐量结果反馈给次级接收器。本发明专利技术引入了AoI指标来测量接收器所需的数据新鲜度，时间复杂度极低，不仅优化了长期的吞吐量，也保证了接收数据的新鲜度，避免次级接收器掌握的数据过于陈旧。握的数据过于陈旧。握的数据过于陈旧。

【技术实现步骤摘要】
一种认知无线电网络中AoI约束下的网络吞吐量优化方法


[0001]本申请属于网络吞吐量优化
，尤其涉及一种认知无线电网络中AoI约束下的网络吞吐量优化方法。

技术介绍

[0002]RF(Radio Frequency)无线供能技术有效地缓解了无线网络中能量匮乏的问题。相较于如太阳能有设备昂贵、供能不稳定等缺点，RF供能技术可以提供稳定的、大范围的无线供能。该技术可广泛应用于智慧家居、智慧医疗等物联网应用。此外，认知无线电技术使次级用户找寻可用机会接入授权频谱，而不削弱授权用户传输的服务质量，有效地缓解了当前授权频谱利用率较低的问题。环境反向散射(ambient backscatter,AB)技术使次级用户通过调制环境RF信号(如电视信号)来传输自己的数据，既缓解了可用频谱不足的问题，又缓解了供能困难的问题，同时，还无需为反向散射设备部署专用的RF信号源。
[0003]在RF(Radio Frequency)供能环境反向散射辅助的认知无线电网络中，存在次级接收器需要保证更新信息的时效性场景，如智慧医疗、灾难监测等领域，因此需要无线节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种认知无线电网络中AoI约束下的网络吞吐量优化方法，所述认知无线电网络包括信号源、次级发射器和次级接收器，其特征在于，所述认知无线电网络中AoI约束下的网络吞吐量优化方法，包括：将训练好的神经网络模型部署在次级接收器上，初始化训练好的神经网络模型；将认知无线电网络的当前状态空间输入到所述神经网络模型，获得神经网络模型输出的动作空间；据当前时刻信道状态是否繁忙，对神经网络模型输出的动作空间进行剪切，得到符合当前信道状态的动作；将获得的动作信息广播给次级发射器，次级发射器执行相应的动作，并将吞吐量结果反馈给次级接收器。2.根据权利要求1所述的认知无线电网络中AoI约束下的网络吞吐量优化方法，其特征在于，所述状态空间包括能量状态空间、信道增益状态空间、信道状态空间和AoI状态空间，其中：能量状态空间为S
c
＝{(c
t,0
,c
t,1
,....,c
t,N
‑1)；c
t,i
∈(0,C)}，其中c
t,i
表示次级发射器ST
i
的初始能量，i表示次级发射器ST的序号；信道增益状态空间为S
g
＝{(ρ
t,h
,ρ
t,g
)}，ρ
t,h
,ρ
t,g
分别表示从次级发射器到次级接收器的信道衰减，以及从信号源到次级接收器的信道衰减；信道状态空间为S
b
＝{b
t
；b
t
∈{0,1}}，其中b
t
＝1表示信道繁忙，b
t
＝0表示信道空闲；AoI状态空间：S
a
＝{(a
t,0
,a<...

【专利技术属性】
技术研发人员：贾雪丽，郑可琛，池凯凯，刘晓莹，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：