【技术实现步骤摘要】
基于A2C的非授权频谱资源共享方法
[0001]本专利技术属于无线通信
,涉及基于A2C的非授权频谱资源共享方法。
技术介绍
[0002]近年来,通信设备的数量和它们之间交换的数据量不断增长,给当前的蜂窝网络带来了沉重的负担。为了解决这个问题,LTE网络引入了许多新技术,例如大规模多输入多输出MIMO,D2D通信等,尽管有这些先进技术,但有限的许可频谱仍然是容量提升的主要瓶颈。反观非授权频段,尤其是5GHz非授权频段拥有丰富的频谱资源,并且未被充分利用。因此,将LTE网络与传统WiFi系统一起在非授权频段上运行被认为是一种支持爆炸性增长的数据流量的有前途的技术。
[0003]然而现有的未授权频段上已经存在发展十分成熟的无线技术,所以在选择未授权频谱用于通信网络的建设时,就必须考虑与已经存在未授权频段上的无线技术共存的问题。在频谱资源分配上,考虑到LTE是一种采用集中调度的频谱分配方案,而WiFi系统采用的是带有冲突避免的载波侦听多路访问接入技术,规定WiFiAccessPoint(WAP)和WiFi用户在传输前必须监听信道,只有信道空闲时才能接入。二者在频谱资源分配上存在着巨大差异,因此,如果LTE系统运行在相同的频段上,WiFi系统可能受到极大的干扰,影响WiFi用户的体验。因此在保证WiFi网络服务质量的情况下,使二者和谐共存成为了研究热点。
[0004]深度强化学习综合了强化学习无模型的特点以及深度学习处理大数据的能力,在智能决策、无人驾驶、边缘卸载等领域取得了不错的进展。受到深度强化学习 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.基于A2C的非授权频谱资源共享方法,其特征在于:该方法包括以下步骤:S1:将LTE/WiFi共存场景中的资源共享问题描述成合作博弈过程,并提出A2C强化学习算法来解决该问题;S2:设计智能体SBS的动作集合A、奖励函数R,以及状态S;S3:初始化环境,每个智能体SBS获取初始状态值s
t
;S4:每个智能体SBS将当前状态s
t
喂给自身的Actor网络,独立地选择并执行动作a
t
;S5:执行动作a
t
后,智能体SBS根据奖励函数获取环境反馈的r
t
,并进入下一个状态s
t+1
;S6:智能体SBS根据获得的反馈r
t
更新Critic网络权重θ,调整Actor网络选择动作的策略;S7:重复步骤S4
‑
S6,直到收敛到最优纳什均衡。2.根据权利要求1述的基于A2C的非授权频谱资源共享方法,其特征在于:在步骤S1中,我们将WiFi网络视为一个随机的环境,把LTE
‑
WiFi共存场景中的未授权频谱资源共享问题表述为一个合作博弈过程,引入A2C算法来解决该问题。3.根据权利要求1述的基于A2C的非授权频谱资源共享方法,其特征在于:在步骤S2中,针对共存系统,我们的目的旨在充分保护WiFi网络性能的情况下,实现SBS之间公平的共享非授权频谱资源。考虑到不同的SBS有不一样的聚合流量需求,我们定义出吞吐量需求比率β来作为SBS之间公平共享非授权资源的指标,β
j
可表示为其中,u
j
为SBS j的吞吐量,d
ji
为SBS j所服务的用户UE i的流量需求。我们的目标是最大化所有SBS之间最小的吞吐量需求比率,以实现SBS之间公平的共享非授权频谱资源。除此之外,为了防止WiFi网络性能的显著下降,我们假设每个WiFi用户的最低吞吐量需求R
min
必须被满足。因此,将此共存问题描述为数学公式为:必须被满足。因此,将此共存问题描述为数学公式为:其中,R
m
为WAPm的吞吐量,为WAPm所支持的用户数量。在保证每个WiFi用户的最低吞吐量被满足的前提下,我们的目标是最大化所有SBS之间最小的吞吐量需求比,以实现SBS之间公平的共享非授权频谱资源。于是,推导出奖励函数的表达式为:智能体SBS的动作可表示为信道选择和接入时长的组合,表示为a
t
=[C
t
,T
t
],其中C
t
∈{c1,c2,...,c
k
,...,c
技术研发人员:裴二荣,陶凯,徐成义,黄一格,宋珈锐,刘浔翀,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:
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。