基于强化学习的无线带宽与功率联合资源分配方法研究

无线资源调度是移动通信网络研究的核心问题之一,高效可靠的无线资源调度对于服务质量保障和系统效率起到关键作用。面向6G智能内生网络,提出一种基于双延迟深度确定性策略梯度强化学习的PRB分配和功率分配统一调度的方法,相比于传统资源调度和基于强化学习的单用户资源调度,该算法在调度周期内对用户需求和网络资源统一考量,相比于带宽轮询分配和功率平均分配,单PRB速率提升10%以上,有效提升了无线资源的利用效率和系统吞吐量。

LTE中基于能效的多小区资源分配算法

随着绿色通信的提出,能效优化问题成为研究热点。针对LTE网络多小区联合、负载不均衡的场景,提出了基于能效的多小区资源分配算法。联合考虑用户的最小数据速率要求、系统能耗,通过引入用户转移时的3个准则,实现了网络的节能和用户最小速率要求的满足。仿真表明,与传统资源分配算法相比,所提算法在满足用户最小速率要求的同时更有效地降低了系统的能耗,优化了系统能效。