基于强化学习的多基站协作接收时隙Aloha网络信道接入机制

作     者：黄元康 詹文 孙兴华 HUANG Yuankang;ZHAN Wen;SUN Xinghua

作者机构：中山大学(深圳)广东深圳518107 中山大学广东广州510275 

出 版 物：《物联网学报》 (Chinese Journal on Internet of Things)

年 卷 期：2024年第8卷第2期

页      面：26-35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：国家重点研发计划(No.2023YFB2904100) 深圳市科技计划资助项目(No.RCBS20210706092408010) 

主　　题：强化学习 物联网 随机接入 多基站网络 时隙Aloha 

摘      要：随着物联网(IoT, internet of things)基站的部署愈发密集,网络干扰管控的重要性愈发凸显。物联网中,设备常采用随机接入,以分布式的方式接入信道。在海量设备的物联网场景中,节点之间可能会出现严重的干扰,导致网络的吞吐量性能严重下降。为了解决随机接入网络中的干扰管控问题,考虑基于协作接收的多基站时隙Aloha网络,利用强化学习工具,设计自适应传输算法,实现干扰管控,优化网络的吞吐量性能,并提高网络的公平性。首先,设计了基于Q-学习的自适应传输算法,通过仿真验证了该算法面对不同网络流量时均能保障较高的网络吞吐量性能。其次,为了提高网络的公平性,采用惩罚函数法改进自适应传输算法,并通过仿真验证了面向公平性优化后的算法能够大幅提高网络的公平性,并保障网络的吞吐性能。