声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1307/TP
国际刊号：1001-9081
发布日期:
作者：陈发堂, 黄淼, 金宇峰
单位：重庆邮电大学 通信与信息工程学院，重庆 400065
关键词：低轨卫星,多波束,资源分配,强化学习,图样分割多址接入
基金：重庆市自然科学基金资助项目(cstc2021jcyj?msxmX0454)
低轨（LEO）卫星多波束通信场景下，传统固定资源分配算法无法满足不同用户对信道容量的差异需求。以适应用户需求分配为主要目标，建立联合信道分配、带宽分配和功率分配的最小供需差优化模型，并引入图样分割多址接入技术（PDMA）提升信道资源的利用率。针对该模型的非凸特性，通过Q-learning算法学习资源分配最优策略为每个用户分配适合的信道容量，并引入奖励阈值进一步改进算法，加快算法的收敛，且使算法达到收敛时供需差异更小。仿真结果表明，改进后的算法收敛速度约是改进前的3.33倍：改进算法能满足更大的用户需求，比改进前Q-learning算法提升14%，是传统固定算法的2.14倍。
来源：2024年第4期
《计算机应用》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。