基于边缘智能的频谱地图构建与分发方法

频谱地图可协助认知用户准确感知和利用频谱空洞，实现网络节点间的干扰协调，提升无线网络的频谱效率和鲁棒性。然而，当认知用户在利用和共享频谱地图时，面临着计算复杂度高和分发时延开销大的问题，限制了认知用户对空间频谱态势的实时感知能力。为了解决该问题，提出了一种边缘智能网络中基于强化学习的频谱地图构建与分发方法。首先，在频谱地图构建上，采用了一种克里金插值和超分辨率相结合的低复杂度构建技术；其次，通过引入边缘计算，将频谱地图构建与分发过程中的计算迁移策略选择问题建模为一个混合整数非线性规划问题；最后，将人工智能和边缘计算相结合，采用了一种集中式训练、分布式执行的强化学习框架，对不同网络场景下的频谱地图构建和分发策略进行学习。实验结果表明，所提方法具备良好的适应性，可有效降低频谱地图构建与分发的能耗和时延，支持认知用户在移动边缘网络场景下对频谱地图的近实时级应用。