基于深度强化学习光无线通信中设备间能量感知频谱管理

    公开(公告)号:CN119255381A

    公开(公告)日:2025-01-03

    申请号:CN202411359482.X

    申请日:2024-09-27

    Abstract: 本发明涉及基于深度强化学习光无线通信中设备间能量感知频谱管理方法,属于光无线通信领域。本发明提出了一个多智能体强化学习框架优化D2D(Device to Device,设备到设备)选择频谱的性能,通过比较D2D复用可见光或无线通信频谱的等效信干噪比值,构造D2D的频谱可复用关联矩阵,设计将D2D节点的剩余能量和系统能效作为D2D复用光无线通信频谱的奖励函数值,将最大化D2D复用频谱获得的累积折扣奖励的期望值作为优化目标,通过引入基于合作博弈的D2D多智能体行动者‑评论家深度强化学习算法提高D2D频谱复用的累积折扣奖励的期望值。本发明所述方法可以改善室内光无线通信的小区间负载不均衡、边缘设备通信质量低的问题,提升边缘设备的通信能力和系统的能效。

    一种多智能体深度Q网络优化室内VLC-RF资源能效分配方法

    公开(公告)号:CN119255382A

    公开(公告)日:2025-01-03

    申请号:CN202411359483.4

    申请日:2024-09-27

    Abstract: 本发明涉及一种多智能体深度Q网络优化室内VLC‑RF资源能效分配方法,属于光无线通信技术领域。本发明为提高VLC‑RF异构网络的系统能效,将用户抽象为深度Q网络的智能体,用户选择VLC‑RF接入点、功率分配和子载波资源分配抽象为智能体的动作,设计兼顾用户对通信速率联盟满意或对信道可靠性联盟满意的比例公平满意度值和系统能耗利润值的乘积作为深度Q网络的奖励Q值,使用一个可变贪婪因子控制智能体的联盟转换,获得用户侧重的接入AP信道状态;然后,采用深度Q网络为用户选择Q值最大的动作,优化VLC‑RF系统中多个用户关联接入点、接入点发射功率和子载波资源分配。所提方法在增加用户满意度同时,可以提高VLC‑RF的系统能效。

    室内多色VLC-NOMA网络中基于协作传输的用户接入和功率分配

    公开(公告)号:CN119255317A

    公开(公告)日:2025-01-03

    申请号:CN202411359473.0

    申请日:2024-09-27

    Abstract: 本发明涉及室内多色VLC‑NOMA网络中基于协作传输的用户接入和功率分配,属于光通信技术领域。本发明所述的方法通过优化用户接入和功率分配,实现网络和速率最大和提高用户公平性。在用户接入阶段,采用基于改进匹配博弈的用户接入算法,确定室内多色VLC‑NOMA网络中的用户与AP间的协作和接入关系;在功率分配阶段,采用基于改进浣熊优化的功率分配算法,通过狩猎、逃生和种群重构方法,更新每个NOMA用户组的功率分配因子矩阵,以优化AP的发射功率。本发明所述方法可以改善室内多色VLC‑NOMA网络中AP密集部署以及多用户接入带来的小区间干扰、AP间负载不均衡以及边缘用户通信质量低的问题,提升网络和速率和用户公平性。

Patent Agency Ranking