【技术实现步骤摘要】
本专利技术涉及的是一种深度学习领域的技术，具体是一种面向节能语义通信的两阶段资源优化方法。
技术介绍
1、现有语义通信以任务为主体，先理解后传输，通过有选择的特征提取、压缩和传输，再利用语义层面信息进行通信，具有更高的传输效率和更低的能耗。然而，语义通信系统的实现也面临着诸多挑战，如何权衡通信、计算、能耗与存储等资源成为了一个重要的问题。较大的语义知识库虽然能更精确地传输与恢复信息，但也会占用较大的存储资源；基于人工智能(ai)的语义通信系统在训练和部署中会产生高昂的计算成本和能耗。因此，协调不同的资源，实现语义通信系统的优化，突破传统通信的极限，成为了满足未来通信可持续发展的需求的必要思路和新的研究领域。
技术实现思路
1、本专利技术针对现有技术无法解决混合动作空间下的强化学习问题；对于多个单维离散动作所组成的多维动作空间处理效果较差，提出一种面向节能语义通信的两阶段资源优化方法，通过变量转换以及多维离散动作空间，显著降低同时处理多个离散动作空间时神经网络输出的维度并提高收敛性能，适用于...
【技术保护点】
1.一种面向节能语义通信的两阶段资源优化方法，其特征在于，通过构造包含信道分配传输模型、数据队列模型和电池与能量模型的面向节能语义通信的资源优化问题，将最大化系统长时间下的语义能量效率作为优化目标，通过基于多维离散近端策略优化算法得到信道分配和不同用户提取语义时单个单词语义符号的数量，再通过深度确定性策略梯度算法得到不同信道的功率分配的两阶段深度学习，实现针对可持续供电的语义通信系统的资源优化配置。
2.根据权利要求1所述的面向节能语义通信的两阶段资源优化方法，其特征为，所述的两阶段深度学习为指：分别设定两个阶段的奖励函数，初始化训练的环境，并从环境中获取...
【技术特征摘要】
1.一种面向节能语义通信的两阶段资源优化方法，其特征在于，通过构造包含信道分配传输模型、数据队列模型和电池与能量模型的面向节能语义通信的资源优化问题，将最大化系统长时间下的语义能量效率作为优化目标，通过基于多维离散近端策略优化算法得到信道分配和不同用户提取语义时单个单词语义符号的数量，再通过深度确定性策略梯度算法得到不同信道的功率分配的两阶段深度学习，实现针对可持续供电的语义通信系统的资源优化配置。
2.根据权利要求1所述的面向节能语义通信的两阶段资源优化方法，其特征为，所述的两阶段深度学习为指：分别设定两个阶段的奖励函数，初始化训练的环境，并从环境中获取初始状态在第一阶段通过多维离散近端策略优化(mppo)算法得到信道分配和单个单词中的符号数量；再在第二阶段通过深度确定性策略梯度优化(ddpg)算法，基于信道分配和符号数量得到功率分配大小，最后将两个阶段的动作作为环境的输入，更新电池水平、数据缓冲区中所存储的队列长度以及mppo和ddpg网络参数直至奖励函数收敛。
3.根据权利要求1所述的面向节能语义通信的两阶段资源优化方法，其特征为，具体包括：
4.根据权利要求2或3所述的面向节能语义通信的两阶段资源优化方法，其特征为，将多维离散动作空间引入第一阶段的drl算法中，每个头均链接到一个离散动作空间，经过信道分配变量的转换以及多维离散动作空间的引入，drl算法中神经网络的输出维度被显著降低，由原...
【专利技术属性】
技术研发人员：陈小静，许家，佘远亚，张舜卿，孙彦赞，
申请(专利权)人：上海大学，
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。