-
题名深度强化学习驱动的车联网两阶段频谱共享方案
- 1
-
-
作者
全浩宇
赵军辉
张青苗
-
机构
华东交通大学信息工程学院
北京交通大学电子信息工程学院
-
出处
《无线电通信技术》
北大核心
2025年第3期555-563,共9页
-
基金
国家自然科学基金(U2001213,62261024)
国家重点研发计划(2020YFB1807204)
江西省研究生创新专项资金(YC2022-s496)。
-
文摘
与传统的物联网通信场景不同,车联网通信由于设备高速移动的特性面临一系列挑战,如信道状态快速变化等。为了提升蜂窝车联网(Cellular Vehicle-to-Everything,C-V2X)通信的可靠性与有效性,提出了一种基于深度强化学习的两阶段频谱共享方案。在通信时隙开始时,由宏基站根据系统状态信息将频谱资源划分给不同的车对基础设施(Vehicle-to-Infrastructure,V2I)通信链路,由车对车(Vehicle-to-Vehicle,V2V)通信链路根据本地状态信息,结合已划分的频谱资源选择合适的V2I通信链路进行复用,实时调整设备的信号发射功率。为了优化该方案,设计了混合多智能体深度强化学习算法以提高车联网C-V2X通信系统的性能。仿真结果表明,所提方案能有效提高V2V通信链路的数据传输成功率,最大化V2I通信链路的信道容量。
-
关键词
车联网
频谱共享
信道选择
功率控制
深度强化学习
-
Keywords
internet of vehicles
spectrum sharing
channel access
power control
deep reinforcement learning
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
-
题名移动边缘计算中的智能任务迁移技术:现状与展望
被引量：2
- 2
-
-
作者
全浩宇
张青苗
赵军辉
-
机构
华东交通大学信息工程学院
-
出处
《无线电通信技术》
2022年第5期804-811,共8页
-
基金
国家自然科学基金(U2001213,61971191)
北京市自然科学基金(L182018,L201011)
+1 种基金
国家重点研发计划(2020YFB1807204)
江西省自然科学基金重点项目(20202ACBL202006)。
-
文摘
与传统边缘计算相比,移动边缘计算(Mobile Edge Computing,MEC)技术能更好地解决移动设备资源受限问题,因而备受关注。而移动场景的高动态性,又对MEC的任务调度能力提出了挑战。为了应对这种挑战,将人工智能技术与MEC技术相结合已经成为一种新的发展趋势。首先,介绍了MEC技术的发展背景,然后详细说明MEC中的任务迁移技术和研究现状,最后展望了MEC和人工智能技术融合的发展方向,并对结合了深度强化学习技术的MEC技术进行仿真。结果表明,结合了深度强化学习的MEC系统在服务时延以及系统容量性能上都有着较大提升。
-
关键词
移动边缘计算
任务迁移
人工智能
深度强化学习
-
Keywords
mobile edge computing
task migration
artificial intelligence
deep reinforcement learning
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
