一类基于定向Q-Learning的后5G无线网络上下行多业务并发功率分配方法

摘要：

在后5G时代,基于动态时分双工技术的无线网络需要同时支持传输方向、速率、时延、可靠性等指标具有差异性的多类型业务共存及并发,这会导致复杂的跨小区交叉链路干扰问题.本文提出了一类基于定向Q-Learning的无线网络上下行多业务并发功率分配方法,利用平均意见分作为多业务的用户体验质量评价指标,对无线网络中的基站及用户发射功率进行分配.通过对新用户加入后Q-table的更新方式进行改进,提出了三种优化的Q-Learning算法.仿真结果表明,改进后的算法在用户数动态变化的场景下,在保证合理的平均意见分和拥塞率时,降低了迭代次数,提高了算法收敛性能.

关键词：无线网络、功率分配、机器学习、后5G、多业务

所属期刊栏目：29

分类号：TN92

资助基金：北京市自然科学基金-海淀原始创新联合基金前沿项目;北京邮电大学-中国移动研究院联合创新中心资助项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：27-33