10.3969/j.issn.1000-386x.2022.11.019
基于Q-learning的随机接入碰撞问题的研究
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.
Q-learning、碰撞、吞吐量、多用户组、5G
39
TP309.2(计算技术、计算机技术)
重庆市市科委项目cstc2017zdcy-zdzx0030
2022-12-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
119-123,140