基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
基于DRL的非理想多用户UAV
‑
NOMA系统的功率分配方法


[0001]本专利技术属于无线通信领域，涉及一种基于
DRL
的非理想多用户
UAV
‑
NOMA
系统的功率分配方法
。

技术介绍

[0002]近年来，社会对无线通信技术的大量依赖使技术取得了重大发展，产生了新的场景和新的挑战
。
基于此，需要不同的网络结构来满足下一代移动通信应用的异构需求
。NOMA(Non
‑
Orthogonal
‑
Multiple
‑
Access)
是一种重要的多址技术，用于支持未来网络中预期的大量设备，
NOMA
的主要思想是在发射端执行叠加编码
(SC)
，在接收端执行连续干扰消除
(SIC)
；然后，用户以不同的功率等级共享相同的时间
/
频率资源块
。
[0003]无人机作为空中基站
(BSs)
也本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于
DRL
的非理想多用户
UAV
‑
NOMA
系统的功率分配方法，其特征在于该方法包括以下步骤：步骤
S1、
对非理想多用户
UAV
‑
NOMA
系统进行建模；以下行链路数据传输阶段的无人机基站的最大发射功率和用户的最小传输速率为依据，以下行链路数据传输阶段的用户传输速率为优化对象，以最大化下行链路系统总吞吐量为目标，提出优化问题；步骤
S2、
根据步骤
S1
所述优化问题，将下行链路数据传输阶段的用户传输速率的优化过程建模为一个马尔可夫决策过程，确定马尔可夫决策过程的状态空间
、
动作空间以及奖励空间；步骤
S3、
给出基于深度强化学习的功率分配算法模型，该模型包括非理想多用户
UAV
‑
NOMA
系统模块和改进的
ResNet
‑
DDQN
算法训练模块；所述非理想多用户
UAV
‑
NOMA
系统模块用于模拟无人机作为空中基站，与地面用户数据传输的信道模型，并添加非理想条件下的剩余硬件损伤参数和不完美连续干扰消除等干扰参数；所述改进的
ResNet
‑
DDQN
算法训练模块，包括当前值网络和目标网络；步骤
S4、
训练改进的
ResNet
‑
DDQN
算法训练模块中的网络；步骤
S5、
更新当前值网络和目标网络
。2.
根据权利要求1所述的功率分配方法，其特征在于：步骤1中建模过程考虑了剩余硬件损伤和不完美连续干扰消除的莱斯衰落信道模型
。3.
根据权利要求1所述的功率分配方法，其特征在于：步骤2具体包括：步骤
S201、
将总吞吐量的优化步骤建模为一个序贯决策的过程，该过程所具有的要素包括状态
、
动作...

【专利技术属性】
技术研发人员：孙文胜，武鑫，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：