基于深度强化学习信道智能接入方法与NS3仿真
2021-11-17程一强刘泽华谭惠文
计算机仿真 2021年5期
赵 楠,程一强,刘泽华,谭惠文
(1. 湖北工业大学太阳能高效利用湖北省协同创新中心,湖北 武汉 430068;2. 湖北工业大学太阳能高效利用及储备运行控制湖北省重点实验室,湖北 武汉 430068;3. 湖北省能源互联网工程技术研究中心,湖北 武汉 430068)
1 引言
随着无线通信技术的迅速发展,频谱资源的需求越来越高。频谱资源日益匮乏且利用率低,已成为制约无线通信发展的严峻问题[1]。多信道接入方法因其能够有效地提高频谱资源的利用率,受到研究者的广泛关注。文献[2]提出了一种基于异步睡眠唤醒的动态信道接入方法,以提高认知无线电网络的能量利用效率。文献[3]讨论了基于双频谱感知的随机信道接入问题,以最大化利用信道和选择最优信道。文献[4]研究了一种基于启发式算法的主信道选择策略,以提高多信道用户的网络吞吐量。文献[5]提出了一种基于博弈论的优化方法,以提高信道接入概率。文献[6]提出了基于时隙分类的多信道多址接入协议,以解决链路冲突和链路不足的问题。文献[7]通过采用随机延迟的信道接入方法,以降低系统延迟。文献[8]提出了一种基于深度神经网络(Deep Neural Network,DNN)的信道估计器,以跟踪信道环境变化。文献[9]研究了一种基于DNN的多信道认知无线电网络资源分配策略,可以在提高授权用户频谱利用率的同时,适当地减少对主用户的干扰。然而,上述多信道接入方法往往需要大量的网络信息;同时,当信道状态发生变化时,很难有效地实现信道的智能接入。……
登录APP查看全文
