一种基于深度强化学习的宽带CR网络中IRS/UAV辅助MEC的资源优化方法技术

本发明专利技术提出了一种基于深度强化学习的宽带CR网络中IRS/UAV辅助MEC的资源优化方法，应用于宽带认知无线电系统，结合IRS/UAV辅助的移动边缘计算，该方法包括：步骤1，宽带频谱感知。步骤2，次级网络信号传输。步骤3，计算系统延迟。步骤4：计算系统能耗。步骤5：建立能量效率最大化问题框架，列出需要优化的目标以及约束条件。步骤6：建立与能量效率最大化相关的马尔可夫过程。步骤7：应用DDQN‑TD3算法对模型进行优化，直到模型收敛。步骤8：生成结果，以获取系统能效。本发明专利技术有效提升了频谱感知精度、信号传输效率和系统能效，同时通过DDQN‑TD3算法优化了模型，显著减少了计算复杂度和提高了收敛速度。

【技术实现步骤摘要】

本专利技术涉及一种基于深度强化学习的宽带认知无线电网络中irs和uav辅助移动边缘计算的资源优化方法，属于无线通信。

技术介绍

1、近年来，物联网(internet of things，iot)领域经历了蓬勃发展，新兴的物联网设备快速增多。各种智能应用应运而生，例如智能家居、智能健康监测和智能交通，这些应用为人们的日常生活和工作带来了极大的便利。然而，随着物联网设备数量的激增，出现了一系列挑战。其中，对计算能力和处理延迟的需求日益增加，已成为一个关键问题。许多设备难以满足这些要求，因此，移动边缘计算(mobile edge computing，mec)技术的应用被证明是解决这些挑战的有效方案。

2、其中，mec的工作原理是将计算资源部署在网络边缘，将计算能力靠近数据源和终端设备。通过在基站、边缘服务器或云边节点等位置部署计算资源，mec能够缩短数据传输距离和时间，减少通信延迟，从而提高服务效率。此外，mec还支持任务卸载，允许将计算任务在终端设备和边缘节点之间转移，以分配计算负载。这些机制使得数据处理和服务交付更快、更实时，为各种应用场景提供低本文档来自技高网...

【技术保护点】

1.一种基于深度强化学习的在宽带认知无线电网络中采用IRS/UAV辅助移动边缘计算的资源优化方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于深度强化学习的宽带认知无线电网络中IRS和UAV辅助移动边缘计算的资源优化方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的一种基于深度强化学习的宽带认知无线电网络中IRS和UAV辅助移动边缘计算的资源优化方法，其特征在于，所述步骤2包括：

4.根据权利要求1所述的一种基于深度强化学习的宽带认知无线电网络中IRS和UAV辅助移动边缘计算的资源优化方法，其特征在于，所述步骤3包括：...

【技术特征摘要】

1.一种基于深度强化学习的在宽带认知无线电网络中采用irs/uav辅助移动边缘计算的资源优化方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于深度强化学习的宽带认知无线电网络中irs和uav辅助移动边缘计算的资源优化方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的一种基于深度强化学习的宽带认知无线电网络中irs和uav辅助移动边缘计算的资源优化方法，其特征在于，所述步骤2包括：

4.根据权利要求1所述的一种基于深度强化学习的宽带认知无线电网络中irs和...

【专利技术属性】
技术研发人员：赵国兴，吴伟，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：