基于SAC 强化学习的车联网频谱资源动态分配
2021-09-15黄煜梵彭诺蘅范建存张一晋余妍秋
黄煜梵,彭诺蘅,林 艳,范建存,张一晋,余妍秋
(1.南京理工大学 电子工程与光电技术学院,南京 210094;2.西安交通大学 信息与通信工程学院,西安 710049)
0 概述
随着新一代移动通信技术的不断发展,车联网(Internet of Vehicles,IoV)受到了全世界范围内的广泛关注[1]。车联网将处于高速移动状态的车辆连接移动网络,实现车辆-行人(Vehicle-to-Pedestrian,V2P)、车辆-车辆(Vehicle-to-Vehicle,V2V)、车辆-路旁基础设施(Vehicle-to-Roadside Infrastructure,V2I)、车辆-网络(Vehicle-to-Network,V2N)的全方位连接功能[2]。频谱资源是实现所有车联网通信的必备条件,但随着车联网应用范围的扩大和网络中通信性能要求的提高,已有的频谱资源显然已不能满足车联网中的所有通信需求,因此需要设计更有效的频谱资源分配方案来保证高可靠低时延的车联网通信服务[3]。
车联网中高速运动的车辆节点、不断变化的信道条件等不确定性网络环境给频谱资源分配带来了巨大的挑战。针对车联网中高速移动的车辆节点之间频谱资源的动态分配问题,文献[4]提出一种基于图论着色模型和信道反馈的动态频谱分配算法,定义反馈矩阵来分析信道的占用和通信情况,并规定车辆节点依据信道反馈矩阵中返回的参数数值来自主甄别当前信道是否可用。为适应车辆数目不断变化的车联网通信环境,文献[5]提出一种基于分簇结构的三步式认知频谱分配机制,根据交通拥堵情况设置任务优先级,并使用复用的动态频谱接入技术将资源合理分配给授权用户与认知用户。除此之外,文献[6-7]提出可适应缓慢变化的大规模信道衰落的频谱资源分配方案,最大限度地提高了V2I 链路的吞吐量,且降低了网络信令开销。……
