基于深度强化学习的工业物联网多用户频谱分配

作     者：邵瑞宇 黎智雄 任瑾璇 SHAO Ruiyu;LI Zhixiong;REN Jinxuan

作者机构：广东工业大学自动化学院广州510006 

出 版 物：《电讯技术》 (Telecommunication Engineering)

年 卷 期：2021年第61卷第6期

页      面：666-673页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基　　金：广东省信息物理融合系统重点实验室和智能制造信息物理融合系统集成技术国家地方联合工程研究中心开放课题(008) 

主　　题：工业物联网 认知无线电 深度强化学习 频谱分配 聚类分组 

摘      要：随着5G时代的来临,工业物联网将迎来蓬勃发展。然而,联网设备数量的不断增加,加剧了有限的频谱资源与大量的通信需求之间的矛盾。针对以上问题,提出了一种基于聚类分组和深度强化学习的合作式动态频谱分配算法,使用户可以获得较低的信息传输中断概率以及较少的多跳转发次数,快速找到信息传输的最优路径。在动态频谱分配中,该算法可以有效降低主、次用户信道接入的碰撞概率,提升频谱资源的利用率。对于少部分计算能力有限的用户,通过协调同组次用户的计算能力来完成策略的训练,实现了计算资源的高效利用。经过多次仿真实验验证,所提出的联合算法与现有的方法相比具有更高的信道利用率和更低的用户接入碰撞率。