【目的】针对认知无线电网络（Cognitive Radio Network， CRN）中传统频谱共享机制局限于次级用户（Secondary User， SU）单一overlay模式接入的缺陷，提出一种基于信息年龄（Age of Information， AoI）联合优化的动态频谱共享模型（...
详细信息
【目的】针对认知无线电网络（Cognitive Radio Network， CRN）中传统频谱共享机制局限于次级用户（Secondary User， SU）单一overlay模式接入的缺陷，提出一种基于信息年龄（Age of Information， AoI）联合优化的动态频谱共享模型（AoI-Optimized Spectrum Sharing， AISS）。【方法】该模型创新性地融合overlay与underlay双模混合接入机制，允许SU根据实时信道状态及主用户（Primary User， PU）活动性，自适应选择频谱接入策略，以实现系统级AoI最小化目标。为解决SU部分可观测环境下的序列决策问题，将频谱共享建模为部分可观测马尔可夫决策过程（Partially Observable Markov Decision Process， POMDP），并设计基于双重去噪深度Q网络（Dueling Double Deep Q-Network， D3QN）的强化学习算法，通过解耦动作优势函数与状态价值函数，有效缓解传统DQN的动作过估计偏差。【结果】仿真实验基于NS-3平台构建动态CRN场景，结果表明：相较于单一overlay基线方案，AISS模型在SU频谱接入机会提升了46.2%，验证了混合接入机制与AoI驱动策略的协同优化效能。【结论】所提出的AISS模型通过双模混合接入机制与基于D3QN的优化策略，成功解决了传统频谱共享中模式单一与信息时效性不足的问题，为动态CRN环境下的自适应资源分配提供了新的技术路径。
暂无评论