摘要
随着5G时代的来临，工业物联网将迎来蓬勃发展。然而，联网设备数量的不断增加，加剧了有限的频谱资源与大量的通信需求之间的矛盾。深度强化学习的提出能有效解决频谱资源分配策略的训练问题，能够让所设立的模型通过不断地“学习”，面对不同时刻的用户和信道匹配问题能有效做出更加合理的选择。 本文的主要工作如下： 第三章部分针对填充式频谱分配算法改进。在整个小区场景中，多个基站以尽可能的选择“最优”策略，提升机会式频谱接入认知无线电网络的频谱利用率。同时提出了一个可行的控制框架，以保证在对主用户接入信道保护的同时，基站能将多余的空闲信道资源分配给次用户，并且保证认知节点的可靠通信。 第四章部分针对机会式频谱分配算法进行改进。提出了一种基于聚类分组和深度强化学习的合作式动态频谱分配算法。通过这种算法，用户可以获得较低的信息传输中断概率以及较少的多跳转发次数，快速找到信息传输的最优路径。其次，在动态频谱分配中，这种算法可以有效降低主、次用户信道接入的碰撞概率，提升频谱资源的利用率。最后，对于少部分计算能力有限的用户，通过协调同组次用户的计算能力来完成策略的训练，实现了计算资源的高效利用。 最后经过仿真实验验证，在填充式频谱分配算法中，在不同数量基站、次用户以及信道的条件下，对于主用户的增长，次用户都能维持一个较好的接入信道水平。其次，在工业物联网三维环境下，本文提出的动态频谱分配算法相比之前的算法具有更高的信道利用率，并且多用户之间选择信道时的碰撞率更低，可以优化整体系统的性能。
NETL