【技术实现步骤摘要】
本专利技术属于无线通信，涉及无蜂窝大规模mimo系统，具体涉及一种用于无蜂窝大规模mimo系统的智能高能效ap休眠方法。
技术介绍
1、随着数字化转型的加速，预计到2030年，全球网络终端的数量将达到170亿，其中新兴业务的增长将是主要驱动因素。这种趋势凸显了未来数字化社会对于更高速、更高效通信技术的迫切需求。面对这些挑战，全球通信领域正迈向6g时代。
2、无蜂窝大规模mimo技术作为实现6g网络目标的关键技术之一，其最大优势在于显著提升网络的容量和覆盖范围。通过密集部署ap，此技术有效增强信号质量并提高数据传输速率，以更好地服务于日益增长的用户需求。但无蜂窝大规模mimo系统中ap的大规模部署会带来巨大的能量消耗，降低系统的能量效率。因为在现实中流量负载随时间而波动，当流量负载较低时，一些ap并未得到充分利用，这类ap开启会导致能量浪费。因此，在满足用户服务质量需求的前提下，关闭冗余ap，可以有效降低系统能量消耗，提升系统能量效率。
技术实现思路
1、专利技术目的：针对无蜂窝...
【技术保护点】
1.一种用于无蜂窝大规模MIMO系统的智能高能效AP休眠方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种用于无蜂窝大规模MIMO系统的智能高能效AP休眠方法，其特征在于，所述步骤S1中通过建立马尔可夫决策过程来表示AP休眠控制问题，确定深度强化学习模型的输入和输出，具体为：
3.根据权利要求1所述的一种用于无蜂窝大规模MIMO系统的智能高能效AP休眠方法，其特征在于，所述步骤S1中深度强化学习模型包括两个神经网络模型，分别为决策网络和评估网络，决策网络接收当前系统状态作为输入，输出AP休眠决策；评估网络同样接收当前系统状态作为输入...
【技术特征摘要】
1.一种用于无蜂窝大规模mimo系统的智能高能效ap休眠方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种用于无蜂窝大规模mimo系统的智能高能效ap休眠方法，其特征在于，所述步骤s1中通过建立马尔可夫决策过程来表示ap休眠控制问题，确定深度强化学习模型的输入和输出，具体为：
3.根据权利要求1所述的一种用于无蜂窝大规模mimo系统的智能高能效ap休眠方法，其特征在于，所述步骤s1中深度强化学习模型包括两个神经网络模型，分别为决策网络和评估网络，决策网络接收当前系统状态作为输入，输出ap休眠决策；评估网络同样接收当前系统状态作为输入，输出当前状态的价值，即当前休眠决策的价值，反馈给决策网络，帮助决策网络的训练。
4.根据权利要求1所述的一种用于无蜂窝大规模mimo系统的智能高能效ap休眠方法，其特征在于，所述步骤s2具体包括：
5.根据权利要求1所述的一种用于无蜂窝大规模mimo系统的智能高能效ap休眠方法，其特征在于，所述步骤s...
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。