联合信道功率控制框架

动态频谱吞吐提升

该框架通过集中训练与分散执行的多智能体深度强化学习，协调次级用户的信道选择与功率控制，提高认知无线电网络中动态频谱接入的吞吐量与收敛性。

Bai, Weiwei · 郑国强 · Weibing, Xia · Mu, Yu · Xue, Yujun

Computers and Electrical Engineering 2025

参数信息

次级用户总吞吐量平均提升

9.1 %

次级用户总吞吐量平均提升

6.7 %

技术优势

收敛更快

通过集中训练与分散执行以及新颖的初始动作选择策略，解决了稀疏奖励和无效探索问题，使算法能更快找到最优策略。

吞吐更高

在各种场景下均能获得更高的次级用户总吞吐量，相比集中式深度强化学习方法平均提升6.7%和9.1%。

资源分配更合理

联合优化信道选择和功率控制，使有限的频谱和功率资源得到更高效的利用，提高资源分配的合理性。

应用场景

• 认知无线电网络：在不影响主用户的前提下，提升次级用户的频谱接入效率和吞吐量。
• 动态频谱共享：协调多个次级用户动态共享频谱，提高频谱利用率和整体网络性能。
• 无线资源分配：联合优化信道选择和功率，实现无线资源的合理分配，提升系统吞吐量。