本发明专利技术具体涉及一种基于分层多智能体强化学习的多跳接入回传一体化网络的资源分配方法，该方法包括：IAB‑donor获取各IAB‑node在当前的集中调度周期内的用户满意度和资源利用率；其中，所述用户满意度用于描述数据传输速率，资源利用率用于描述频谱资源利用效率；IAB‑donor根据各IAB‑node在当前的集中调度周期内的用户满意度和资源利用率，为各IAB‑node分配下一个集中调度周期对应的资源调度信息；其中，资源调度信息包括可调度的子信道，以及子信道的最大发射功率。本发明专利技术有效应对网络中不断变化的流量需求和链路状态，减少干扰，优化功率控制，并提高整体网络的资源利用率和通信质量。
【技术实现步骤摘要】
本专利技术涉及接入回传一体化，具体涉及一种基于分层多智能体强化学习的多跳接入回传一体化网络的资源分配方法。
技术介绍
1、在相关技术中，第三代合作伙伴计划推出了接入回传一体化(integrated accessand backhaul，iab)技术，这是一种无线回传解决方案，允许基站在没有传统有线回传链路的情况下进行数据传输，实现快速网络扩展并根据用户需求动态调整。iab技术在高密度和覆盖需求大的区域具有优势，但也面临资源分配的挑战。特别是在多跳iab网络中，iab-node之间的多跳传输使网络拓扑复杂，增加了资源分配的难度。现有的集中式分配方案需要依赖于全局网络信息，导致在大规模网络中产生较大的信息传输开销，效率较低，并且无法有效应对突发流量；而完全分布式方案由于只利用局部信息，可能导致资源分配冲突或干扰，降低网络性能。
2、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本专利技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
>1、本专利技术提供本文档来自技高网...
【技术保护点】
1.一种基于分层多智能体强化学习的多跳接入回传一体化网络的资源分配方法，其特征在于，该方法包括：
2.根据权利要求1所述的方法，其特征在于，所述集中式调度周期内包括N个分布式调度周期；所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，IAB-node的本地信息包括以下的至少一项：
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1或4所述的方法，其特征在于，IAB-node计算集中式调度周期内的用户满意度，包括：
6.根据权利要求1-4所述的方法，其特征在于，IAB-node计算集中式调度周...
【技术特征摘要】
1.一种基于分层多智能体强化学习的多跳接入回传一体化网络的资源分配方法，其特征在于，该方法包括：
2.根据权利要求1所述的方法，其特征在于，所述集中式调度周期内包括n个分布式调度周期；所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，iab-node的本地信息包括以下的至少一项：
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1或4所述的方法，其特征在于，iab-node计算集中式调度周期内的用户满意度，包括：
6.根据权利要求1-4所述的方法，其特征在于，iab-node计算集中式调度周期内的资源利用率，包括：
7.根据权利要求1所述的方法，其特征在于，iab网络的可用频谱资源包括：m...
【专利技术属性】
技术研发人员：阮玉晗，刘丽莎，李勇朝，张锐，李涛，
申请(专利权)人：西安电子科技大学，
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。