研究了在有限反馈约束下的异构蜂窝网络下行链路中与宏蜂窝共存的小蜂窝能量效率最大化问题。其中,宏基站(Macro Base Station,MBS)和小基站(Small Base Station,SBS)通过共享频谱分别向宏用户(Macro User,MU)和小用户(Small User,SU)...
详细信息
研究了在有限反馈约束下的异构蜂窝网络下行链路中与宏蜂窝共存的小蜂窝能量效率最大化问题。其中,宏基站(Macro Base Station,MBS)和小基站(Small Base Station,SBS)通过共享频谱分别向宏用户(Macro User,MU)和小用户(Small User,SU)发送信号。提出了有限反馈和功率带宽联合优化方案来最大限度地提高小蜂窝中所有SU的平均能量效率。由于所构建的目标函数是分式形式并且具有非凸性,采用丁克尔巴赫方法将分式形式化为等价减法形式,并通过增广拉格朗日乘子法求解,提出两层迭代优化算法得到目标函数的最优解。仿真结果表明,相比于传统功率带宽等分配的反馈比特优化方案,所提方案明显地提升了小蜂窝所有SU的平均能量效率。
在大规模机器类通信(Machine Type Communication,MTC)中,短时间内大量的设备涌入LTE-A(Long Term Evolution-Advanced)网络,这些设备同时发起随机接入会引起严重的网络拥塞,需要采取合适的措施对拥塞加以控制。为此,提出了一种基于强...
详细信息
在大规模机器类通信(Machine Type Communication,MTC)中,短时间内大量的设备涌入LTE-A(Long Term Evolution-Advanced)网络,这些设备同时发起随机接入会引起严重的网络拥塞,需要采取合适的措施对拥塞加以控制。为此,提出了一种基于强化学习的D3QN(Dueling Double Deep Q-network)算法。D3QN以DQN(Deep Q-Network)为基础,使用Double和Dueling两种方法进行改进,并采用优先经验回放对训练数据进行采样,使算法收敛速度更快并且更加稳定。考虑多基站的场景,设备可以对其所在区域内的任一基站发送接入请求。该方案中,使用具有无记忆特性的泊松过程对采用二步的随机接入的MTC设备的到达进行建模,设备通过基站广播的发生冲突的前导码数量,改变强化学习中的奖励,使得MTC设备能够找到拥塞少的基站进行接入,减少可能的前导码冲突。在不同的负载场景中,将所提方案与传统方案以及其他基于强化学习的方案进行了比较,证明了所提方案在解决大规模问题时的实用性和有效性。
暂无评论