為了在無線網(wǎng)絡(luò)中進行高效的鏈路資源調(diào)度、減小網(wǎng)絡(luò)干擾、提高網(wǎng)絡(luò)容量,提出了一種利用回溯天線并考慮干擾環(huán)境的鏈路資源分布式智能調(diào)度算法.首先,結(jié)合通信的路徑損耗模型設(shè)計卷積核,對節(jié)點密度矩陣進行卷積來衡量干擾鏈路強度,從而避免對所有干擾鏈路進行信道估計產(chǎn)生巨大的計算代價;然后,結(jié)合強化學(xué)習(xí)的思想設(shè)計了與通信環(huán)境交互的鏈路調(diào)度學(xué)習(xí)模型,每個鏈路利用神經(jīng)網(wǎng)絡(luò)進行獨立的訓(xùn)練,將訓(xùn)練所得的決策結(jié)果反饋到環(huán)境中進行狀態(tài)更新,模型在不斷更新的環(huán)境中迭代來學(xué)習(xí)最優(yōu)的調(diào)度策略.該方法能分布式的運行,可有效衡量無線網(wǎng)絡(luò)中的鏈路干擾強度,結(jié)合衡量結(jié)果進行高效的鏈路資源分布式調(diào)度,從而最大化網(wǎng)絡(luò)容量.仿真結(jié)果驗證了該調(diào)度算法無論是在算法迭代收斂還是網(wǎng)絡(luò)容量性能上都能很好地逼近全局的調(diào)度算法,達到全局算法最優(yōu)結(jié)果的92%～100%. 

【文章來源】：電波科學(xué)學(xué)報. 2020,35(04)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

強化學(xué)習(xí)原理框圖

本文設(shè)計的網(wǎng)絡(luò)鏈路分布式調(diào)度模型如圖3所示. 該模型將各個定向傳輸鏈路看成獨立的算法執(zhí)行體,各個執(zhí)行體在感知得到的通信干擾環(huán)境下獨立地進行智能決策. 當(dāng)鏈路決策完成后,將決策結(jié)果反饋給自身鏈路來進行環(huán)境更新. 各個鏈路在下一次迭代中,會根據(jù)更新的環(huán)境和自身決策帶來的獎勵來進行新一輪的智能決策,整個網(wǎng)絡(luò)在不斷迭代過程中學(xué)習(xí)最優(yōu)的鏈路調(diào)度策略.1.2 數(shù)學(xué)模型

在定向傳輸中,假設(shè)采用具有4個方向的天線定向傳輸模型. 如圖4所示,將發(fā)射節(jié)點周圍等分為4個波束方向,按順時針方向?qū)Σㄊ幪? 通信時選取對準(zhǔn)接收節(jié)點的定向波束進行數(shù)據(jù)傳輸. 當(dāng)鏈路j在進行定向傳輸時,鏈路i的接收節(jié)點Di若在其波束覆蓋范圍內(nèi),則會受到干擾,且其干擾強度取決于d(Sj,Di).本文的設(shè)計目標(biāo)是僅利用節(jié)點位置信息,在考慮網(wǎng)絡(luò)定向干擾強度的情況下,通過決策各鏈路是否激活來最大化網(wǎng)絡(luò)容量,即

【參考文獻】：
期刊論文
[1]高密度場景下D2D通信干擾協(xié)調(diào)的方法[J]. 李校林,唐虹,李同會,陳永麗.  計算機工程與設(shè)計. 2019(02)



本文編號：3571662