一种基于深度强化学习的低时延高可靠性V2V资源分配方法
授权
摘要
本发明提出的一种基于深度强化学习的低时延高可靠性资源分配方法，考虑了处于基站覆盖范围外的NR‑V2X侧链资源分配，其中车辆根据自己观测到的信息以及在训练阶段得到的Q网络调度5G网络中供V2V用户使用的URLLC切片资源。为了最大化V2V通信的能量效率，并且保证通信的可靠性以及时延要求，提出了一种使用集中式训练、分布式执行的深度强化学习架构，借助DDQN学习方法训练出满足上述要求的模型。将资源分配问题中目标和约束的建模都转化为深度强化学习中收益的设计，可以有效解决V2V用户信道分配和功率选择的联合优化问题，可以在一系列连续动作空间的优化中表现稳定。
基本信息
专利标题 ：
一种基于深度强化学习的低时延高可靠性V2V资源分配方法
专利标题（英）：
暂无
公开（公告）号 ：
CN112954651A
申请号 ：
CN202110273591.X
公开（公告）日 ：
2021-06-11
申请日 ：
2021-03-12
授权号 ：
CN112954651B
授权日 ：
2022-04-08
发明人 ：
缪娟娟宋晓勤王书墨张昕婷雷磊
申请人 ：
南京航空航天大学
申请人地址 ：
江苏省南京市御道街29号
代理机构 ：
代理人 ：
优先权 ：
CN202110273591.X
主分类号 ：
H04W4/46
IPC分类号 ：
H04W4/46 H04W24/06 H04W72/04 H04W72/08
法律状态
2022-04-08 ：
授权
2021-07-02 ：
实质审查的生效
IPC(主分类) : H04W 4/46
申请日 : 20210312
申请日 : 20210312
2021-06-11 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
