科研之友
微信
新浪微博
Facebook
分享链接
摘要
认知无线电网络中，由于无线电环境的开放性和共享性，次级用户极易受到干扰，导致其吞吐量降低。而多个干扰机的出现会进一步急剧降低次级用户的吞吐量。针对这一问题，提出了一种在认知无线电网络中基于深度强化学习的抗干扰信道接入方法。首先，将多干扰环境下的信道接入建模为马尔科夫决策过程。然后，次级用户在没有先验信息条件下，以最大化吞吐量为目标，利用深度强化学习优化信道接入策略。所得到的信道接入策略使得次级用户在尽量不与主用户碰撞的前提下，自主选择一个干扰小的信道接入。仿真结果表明，与已有方法相比，所提方法将次级用户的吞吐量至少提升了19%。
- 单位
