基于深度强化学习的5G-V2X异构网络的语义感知资源分配方法组成比例

本发明专利技术涉及高速车辆网络环境中的资源分配问题，具体公开了一种基于深度强化学习的5G‑V2X异构网络的语义感知资源分配方法，优化基于语义感知的灵活DC和资源分配。算法首先研究了语义信息的提取，并引入了两种新的资源分配度量标准：高速语义传输率(HSR)和语义频谱效率(HSSE)。随后，通过优化灵活的DC共存机制，解决了5G新无线非授权(NR‑U)网络中车辆用户与WiFi用户共存的问题。本发明专利技术的优化目标是最大化语义频谱效率(HSSE)，提高车辆与WiFi用户的语义吞吐量(ST)。实验结果表明，所提出的解决方案在HSSE和ST方面显著优于传统的比特传输方法和传统的DC共存机制。

【技术实现步骤摘要】

本专利技术属于车联网边缘计算强化学习，具体涉及一种基于深度强化学习的5g-v2x异构网络的语义感知资源分配方案。

技术介绍

1、第五代(5g)网络旨在为各种应用提供高速、低延迟和可靠的通信服务，如车联网(v2x)通信。然而，由于用户数量的增加、数据需求的增长以及连接设备的普及，容量和频谱效率方面面临着重大挑战。在用户密度和流量较高的密集城市区域，传统的网络设计方法可能不足以解决容量问题。部署小型基站和异构网络(hetnets)成为增强网络容量的一种有前景的解决方案，通过在较小的基站上增加天线数量来实现。频谱稀缺是另一个挑战，这促使人们转向语义通信。语义通信关注传输信息的意义而非原始数据，在减少网络流量和缓解频谱稀缺方面显示出显著潜力。最近的研究开始探索图像、文本、音频和视频等领域的语义通信。

2、nr-u技术的发展正在进行中。nr-u是一种新型无线电技术，能够在非授权频段中进行通信，为5g hetnets提供额外的频谱容量。然而，由于干扰的存在，nr-u需要与其他无线网络(如wifi)共存的机制。目前存在两种nr-u与wifi的共存机制。一种是本文档来自技高网...

【技术保护点】

1.一种基于深度强化学习的5G-V2X异构网络的语义感知资源分配方法，其特征在于，具体步骤如下：

2.如权利要求1所述的一种基于深度强化学习的5G-V2X异构网络的语义感知资源分配方法，其特征在于，所述步骤(2)中，发射机包括语义编码和信道编码，接收机包括语义解码、信道解码以及结果预测；以将文本数据“道路状况如何？”编码为语义信息，并将语义信息解码回原始文本数据“前方道路拥堵，请小心驾驶”。

3.如权利要求1或2所述的一种基于深度强化学习的5G-V2X异构网络的语义感知资源分配方法，其特征在于，所述步骤(2)中，Transformer模型需要在基站上预训练，然后将...

【技术特征摘要】

1.一种基于深度强化学习的5g-v2x异构网络的语义感知资源分配方法，其特征在于，具体步骤如下：

2.如权利要求1所述的一种基于深度强化学习的5g-v2x异构网络的语义感知资源分配方法，其特征在于，所述步骤(2)中，发射机包括语义编码和信道编码，接收机包括语义解码、信道解码以及结果预测；以将文本数据“道路状况如何？”编码为语义信息，并将语义信息解码回原始文本数据“前方道路拥堵，请小心驾驶”。

3.如权利要求1或2所述的...

【专利技术属性】
技术研发人员：吴琼，茅正冲，邵智毓，
申请(专利权)人：信控宿迁科技有限公司，
类型：发明
国别省市：