OFDMA系统中具有韧性的资源分配:一种可扩展的循环强化学习框架,用于解决信道老化问题
《IEEE Open Journal of the Communications Society》:Resilient Resource Allocation in OFDMA Systems: A Scalable Recurrent MARL Framework for Channel Aging Compensation
【字体:
大
中
小
】
时间:2026年05月08日
来源:IEEE Open Journal of the Communications Society 6.1
编辑推荐:
```
摘要:在下行正交频分多址(OFDMA)系统中,高效地联合优化用户调度和链路自适应对于满足未来无线通信的高数据速率和连接需求至关重要。然而,实际系统中固有的反馈延迟会导致基站获取的信道状态信息(CSI)过时,这种现象被称为信道老化。这种时间状态的不匹配会导致调制编码方案(
```
摘要:
在下行正交频分多址(OFDMA)系统中,高效地联合优化用户调度和链路自适应对于满足未来无线通信的高数据速率和连接需求至关重要。然而,实际系统中固有的反馈延迟会导致基站获取的信道状态信息(CSI)过时,这种现象被称为信道老化。这种时间状态的不匹配会导致调制编码方案(MCS)的选择错误以及用户调度的无效,从而导致系统吞吐量和用户公平性的显著下降。为了解决这一挑战,本文提出了一种基于可扩展的循环多智能体强化学习(MARL)框架的弹性资源分配策略。为了确保可扩展性,我们将问题表述为一个分散的、部分可观测的马尔可夫决策过程(Dec-POMDP),其中采用多智能体方法分解全局动作空间,以实现分布式扩展并避免集中式优化的指数级复杂性。通过门控循环单元将时间处理能力集成到智能体中。该框架利用历史观测数据隐式预测实时信道状态,有效克服了部分可观测状态所带来的挑战。仿真结果表明,所提出的方法在信道老化条件变化的情况下仍能保持稳定的性能。与传统基线算法相比,该算法在比例公平性效用方面平均提升了14.47%,在严重信道老化条件下性能提升幅度可达22.31%。该框架在显著提高系统吞吐量和传输可靠性的同时,有效平衡了用户公平性。
```
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号