基于多智能体深度强化学习的D2D通信资源联合分配方法

设备对设备(D2D)通信作为一种短距离通信技术,能够极大地减轻蜂窝基站的负载压力和提高频谱利用率。然而将D2D直接部署在授权频段或者免授权频段必然导致与现有用户的严重干扰。当前联合部署在授权和免授权频段的D2D通信的资源分配通常被建模为混合整数非线性约束的组合优化问题,传统优化方法难以解决。针对这个挑战性问题,该文提出一种基于多智能体深度强化学习的D2D通信资源联合分配方法。在该算法中,将蜂窝网络中的每个D2D发射端作为智能体,智能体能够通过深度强化学习方法智能地选择接入免授权信道或者最优的授权信道并发射功率。通过选择使用免授权信道的D2D对(基于“先听后说”机制)向蜂窝基站的信息反馈,蜂窝基站能够在非协作的情况下获得WiFi网络吞吐量信息,使得算法能够在异构环境中执行并能够确保WiFi用户的QoS。与多智能体深度Q网络(MADQN)、多智能体Q学习(MAQL)和随机算法相比,所提算法在保证WiFi用户和蜂窝用户的QoS的情况下能够获得最大的吞吐量。     

基于全频谱共享的三维轨迹和功率优化方法

当前蜂窝系统频谱资源极度短缺,免授权频谱因而被建议在蜂窝系统中使用。无人机(UAV)的飞行轨迹和功率控制对频谱利用效率有重大影响。然而,基于频谱共享的3维轨迹和功率优化方法却鲜少研究。为此,该文首先提出一种全频谱共享方法,即无人机通过控制上行蜂窝用户和设备到设备(D2D)用户的发射功率,在不影响WiFi设备正常传输的前提下使用免授权频谱;同时无人机也能够在不影响其他下行蜂窝用户的前提下使用授权频谱。然后基于提出的全频谱共享方法,该文构建了无人机电池能量约束下的3维飞行轨迹和发射功率的联合优化问题。为了求解提出的复杂多变量耦合的非凸优化问题,该文采用块坐标下降和连续凸逼近方法将原问题转化为3维轨迹优化和功率控制两个凸优化子问题并迭代求解。大量仿真结果证明提出的基于3维轨迹和功率优化的全频谱共享方法能够显著提高频谱利用效率。     

捕获效应对LTE授权辅助接入网络的影响

LTE授权辅助接入(LAA)和WiFi网络的共存性能已经被广泛研究。然而,这些工作忽略了捕获效应,即当两个以上的信号在相同信道上同时传输时,最强的信号仍然可能成功接收。这种现象在共存场景中可能比在WiFi网络中更频繁地发生。基于此,该文深入研究了LAA和WiFi网络在捕获效应下的共存性能。具体地,在共存场景中首先提出了两个以上信号的捕获模型,并推导出了捕获概率;然后,将LAA接入方案建模为具有捕获效应的新的2维离散马尔可夫模型,其中退避计数器的减少不仅取决于空闲的时隙,还取决于捕获效应发生的时隙;最后推导出共存性能的表达式。大量的仿真和数值结果验证了所提出的马尔可夫链和捕获模型的有效性。而且,仿真结果也证明了考虑捕获效应的必要性。     

LTE系统中PDCP子层功能研究

针对LTE系统的高数据速率和海量信息容量的特点,对分组数据汇聚协议（PDCP）在功能上进行了改进。对压缩算法进行了简化,支持完整性保护和加密（UMTS的加密在RLC的非TM模式和MAC的TM模式下实现）功能,分析了新的上下行数据传输方式以及在切换时的PDU重排序,最后设计了在OPNET中PDCP的具体实现方式。