公开(公告)号：CN111132083B

公开(公告)日：2021-10-22

申请号：CN201911214993.1

申请日：2019-12-02

Applicant: 北京邮电大学

Inventor： 郭彩丽 ,  许世琳 ,  冯春燕 ,  王兆丰

IPC: H04W4/44 ,  H04W4/46 ,  H04W52/24 ,  H04W52/26 ,  H04W52/38 ,  H04W72/04 ,  H04W72/08

Abstract: 本发明公开了一种车辆编队模式下基于NOMA的分布式资源分配方法，属于无线通信领域。本发明提出的方法首先将该资源分配问题解耦为功率分配和子信道分配两部分，然后分别提出基于车队行驶状态的功率分配方案和基于分布式多智能体强化学习(RL，reinforcement learning)的频谱分配方案进行求解。在功率分配部分，通过与固定功率分配方案进行对比，本发明提出的考虑安全距离的功率分配方案能够为不同车道上的车辆编队提供更加公平的通信性能；在频谱分配部分，本发明提出的方案可以充分利用强化学习强大的自主学习能力，通过在多智能体Q‑learning中考虑基于队列位置的邻域迭代顺序来获得较快的收敛速度。本发明在保证V2I通信的前提下，通过利用基于NOMA的分布式资源分配，实现了最大化V2mV链路总吞吐量，提高了系统的通信性能。

公开(公告)号：CN111132083A

公开(公告)日：2020-05-08

申请号：CN201911214993.1

申请日：2019-12-02

Applicant: 北京邮电大学

Inventor： 郭彩丽 ,  许世琳 ,  冯春燕 ,  王兆丰

IPC: H04W4/44 ,  H04W4/46 ,  H04W52/24 ,  H04W52/26 ,  H04W52/38 ,  H04W72/04 ,  H04W72/08

Abstract: 本发明公开了一种车辆编队模式下基于NOMA的分布式资源分配方法，属于无线通信领域。本发明提出的方法首先将该资源分配问题解耦为功率分配和子信道分配两部分，然后分别提出基于车队行驶状态的功率分配方案和基于分布式多智能体强化学习(RL，reinforcement learning)的频谱分配方案进行求解。在功率分配部分，通过与固定功率分配方案进行对比，本发明提出的考虑安全距离的功率分配方案能够为不同车道上的车辆编队提供更加公平的通信性能；在频谱分配部分，本发明提出的方案可以充分利用强化学习强大的自主学习能力，通过在多智能体Q-learning中考虑基于队列位置的邻域迭代顺序来获得较快的收敛速度。本发明在保证V2I通信的前提下，通过利用基于NOMA的分布式资源分配，实现了最大化V2mV链路总吞吐量，提高了系统的通信性能。