一种基于优化样本采样的NOMA系统资源分配方法及存储介质

授权

摘要

一种基于优化样本采样的NOMA系统资源分配方法及存储介质，属于移动通信与无线网络技术领域。为了解决利用现有的深度强化学习网络对NOMA系统的资源进行分配时可能存在重要价值的样本没有被学习到的问题，以及导致的学习速率低的问题。本发明设计了以当前信道状态信息为输入、以用户总和速率为优化目标，以每个样本TD误差为优先级的基于样本优化池的深度强化学习网络，并利用其输出最优的用户分组策略，同时利用深度确定性策略梯度网络输出每个用户的最优分配功率。本发明通过引入样本的优先级提高了有价值样本的出现概率，可以提高深度强化学习网络的学习速率，加快收敛速度。主要用于NOMA系统的资源分配。

基本信息

专利标题：

一种基于优化样本采样的NOMA系统资源分配方法及存储介质

专利标题（英）：

暂无

公开（公告）号：

CN113242601A

申请号：

CN202110505390.8

公开（公告）日：

2021-08-10

申请日：

2021-05-10

授权号：

CN113242601B

授权日：

2022-04-08

发明人：

李月王晓飞贺梦利刘泽龙魏唯张玉

申请人：

黑龙江大学

申请人地址：

黑龙江省哈尔滨市南岗区学府路74号

代理机构：

哈尔滨华夏松花江知识产权代理有限公司

代理人：

岳昕

优先权：

CN202110505390.8

主分类号：

H04W72/04

IPC分类号：

H04W72/04 H04W72/06 G06N3/08