电讯技术

作者：江巍,朱江

单位：(重庆邮电大学 a.移动通信教育部工程研究中心;b.移动通信技术重庆市重点实验室，重庆 400065)

关键词：反向散射网络；物联网设备；资源分配；深度强化学习；吞吐量最大化；

基金：国家自然科学基金资助项目（61771084）；重庆市科委自然科学基金（KJQN201800834）

为了提升反向散射网络中物联网设备的平均吞吐量，提出了一种资源分配机制，构建了用户配对和时隙分配联合优化资源分配模型。由于该模型直接利用深度强化学习(Deep Reinforcement Learning,DRL )算法求解导致动作空间维度较高且神经网络复杂，故将其分解为两层子问题以降低动作空间维度：首先，基于深度强化学习算法，利用历史信道信息推断当前的信道信息以进行最优的用户配对；然后，在用户固定配对的情况下，基于凸优化算法，以最大化物联网设备总吞吐量为目标进行最优的时隙分配。仿真结果表明，与其他资源分配方法相比，所提资源分配方法能有效提升系统吞吐量，且有较好的信道适应性和收敛性。

来源：2022年第10期

《电讯技术》期刊编辑部

查看电讯技术杂志2022年第10期