典型文献
基于Q-learning的随机接入碰撞问题的研究
文献摘要:
在5G网络中,当大量用户接入小区时会产生随机接入碰撞.对此,提出在H2H和M2M共存场景下的一种基于强化学习(Q-learning)的随机接入碰撞退避方案.研究传统的ALOHA时隙下的随机接入信道吞吐量,分析传统的ALOHA时隙的不足并介绍基于Q-learning的M2M的QL-RACH模型.在不改变协议标准的情况下,该方案既解决了M2 M之间接入的问题,又不会影响H2 H用户接入,减少了随机接入碰撞.将H2 H分为三个接入优先等级,M2M分为两个优先等级并分析了多用户组的接入问题.仿真结果显示:优先级高的用户组在随机接入信道流量相同的情况下吞吐量高;采用Q-learning算法的吞吐量最终会收敛于一个最优值,而采用传统的SA-RACH方案的吞吐量会随着流量的增大而趋近于0.
文献关键词:
Q-learning;碰撞;吞吐量;多用户组;5G
中图分类号:
作者姓名:
徐方圆;张治中;李晨
作者机构:
重庆邮电大学通信与信息工程学院 重庆 400065
文献出处:
引用格式:
[1]徐方圆;张治中;李晨-.基于Q-learning的随机接入碰撞问题的研究)[J].计算机应用与软件,2022(11):119-123,140
A类:
RACH,多用户组
B类:
learning,随机接入,接入碰撞,碰撞问题,用户接入,H2H,M2M,强化学习,退避,研究传统,ALOHA,时隙,信道,吞吐量,QL,议标,优先等级,优先级,终会,最优值,SA,趋近
AB值:
0.272561
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。