一种基于迁移深度强化学习的低轨卫星跳波束优化方法
实质审查的生效
摘要
本发明涉及一种基于迁移深度强化学习的低轨卫星跳波束优化方法，属于卫星移动通信技术领域。该方法包括：S1：建立支持跳波束技术的低轨卫星资源分配优化模型；S2：将数据包的变化场景建模为马尔可夫决策过程，将每一时刻数据包缓存情况重构为状态，执行波束调度策略和功率分配动作，设定所有数据包的平均时延为奖励，采用DQN算法利用神经网络作为非线性近似函数，智能地选择当前状态下的最优决策；S3：采用TL‑DQN算法利用源卫星学习的调度任务快速寻找目标卫星的波束调度策略和功率分配策略。本发明能完善卫星服务过程中的时隙分配，优化数据包的平均时延，并提高系统的吞吐量和资源利用效率。
基本信息
专利标题 ：
一种基于迁移深度强化学习的低轨卫星跳波束优化方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114362810A
申请号 ：
CN202210027841.6
公开（公告）日 ：
2022-04-15
申请日 ：
2022-01-11
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈前斌麻世庆梁承超唐伦段瑞吉
申请人 ：
重庆邮电大学
申请人地址 ：
重庆市南岸区黄桷垭崇文路2号
代理机构 ：
北京同恒源知识产权代理有限公司
代理人 ：
廖曦
优先权 ：
CN202210027841.6
主分类号 ：
H04B7/185
IPC分类号 ：
H04B7/185 H04B17/336 H04B17/382 H04L41/0823 H04L41/14
法律状态
2022-05-03 ：
实质审查的生效
IPC(主分类) : H04B 7/185
申请日 : 20220111
申请日 : 20220111
2022-04-15 ：
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
