-
Patent Agency Ranking
公开(公告)号：CN112118556B
公开(公告)日：2022-11-18
申请号：CN202011079226.7
申请日：2020-10-10
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于深度强化学习的无人机轨迹及功率联合优化方法，其特征在于：建立无人机系统模型，对无人机轨迹控制和功率分配问题进行描述；建立马尔可夫模型，包括通过设置状态、动作空间和奖励函数，确定马尔可夫决策过程；采用深度确定性策略梯度方法，实现轨迹控制和功率分配的联合优化。应用本发明无人机可以准确移动到目标用户设备附近以提供无线服务，这可以减轻对未服务的用户设备的同信道干扰，同时控制无人机的发射功率，以实现频谱效率与避免干扰之间的平衡。
-
公开(公告)号：CN112118556A
公开(公告)日：2020-12-22
申请号：CN202011079226.7
申请日：2020-10-10
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于深度强化学习的无人机轨迹及功率联合优化方法，其特征在于：建立无人机系统模型，对无人机轨迹控制和功率分配问题进行描述；建立马尔可夫模型，包括通过设置状态、动作空间和奖励函数，确定马尔可夫决策过程；采用深度确定性策略梯度方法，实现轨迹控制和功率分配的联合优化。应用本发明无人机可以准确移动到目标用户设备附近以提供无线服务，这可以减轻对未服务的用户设备的同信道干扰，同时控制无人机的发射功率，以实现频谱效率与避免干扰之间的平衡。
-
公开(公告)号：CN111294813B
公开(公告)日：2022-04-29
申请号：CN202010077912.4
申请日：2020-02-01
Applicant: 湖北工业大学
Abstract: 本发明提出了一种无人机流量卸载的多阶段逆向选择契约模型优化方法。通过把无人机参与流量卸载场景映射成劳动力市场，将基于市场驱动的契约模型应用到流量卸载激励机制中，建立地面基站模型和空中无人机模型。其次，考虑到流量卸载场景中无人机的自私性和网络信息的非对称性，针对热点地区流量需求、无人机位置和无线信道等因素的动态特性，通过设计贯穿两阶段的流量卸载动态契约模型，结合个人理性和激励相容约束条件，实现对无人机私有信息的甄别，以激励其积极参与流量卸载。本发明保证流量卸载的实现，且本发明方法易于实现，基站和无人机之间的信息交互较少，因而该方法所需的信令开销较少。
-
公开(公告)号：CN111294813A
公开(公告)日：2020-06-16
申请号：CN202010077912.4
申请日：2020-02-01
Applicant: 湖北工业大学
Abstract: 本发明提出了一种无人机流量卸载的多阶段逆向选择契约模型优化方法。通过把无人机参与流量卸载场景映射成劳动力市场，将基于市场驱动的契约模型应用到流量卸载激励机制中，建立地面基站模型和空中无人机模型。其次，考虑到流量卸载场景中无人机的自私性和网络信息的非对称性，针对热点地区流量需求、无人机位置和无线信道等因素的动态特性，通过设计贯穿两阶段的流量卸载动态契约模型，结合个人理性和激励相容约束条件，实现对无人机私有信息的甄别，以激励其积极参与流量卸载。本发明保证流量卸载的实现，且本发明方法易于实现，基站和无人机之间的信息交互较少，因而该方法所需的信令开销较少。
-
公开(公告)号：CN111263332A
公开(公告)日：2020-06-09
申请号：CN202010136467.4
申请日：2020-03-02
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于深度强化学习的无人机轨迹及功率联合优化方法，其特征在于：建立无人机系统模型，对无人机轨迹控制和功率分配问题进行描述；建立马尔可夫模型，包括通过设置状态、动作空间和奖励函数，确定马尔可夫决策过程；采用深度确定性策略梯度方法，实现轨迹控制和功率分配的联合优化。应用本发明无人机可以准确移动到目标用户设备附近以提供无线服务，这可以减轻对未服务的用户设备的同信道干扰，同时控制无人机的发射功率，以实现频谱效率与避免干扰之间的平衡。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
