公开(公告)号：CN114389784B

公开(公告)日：2023-07-21

申请号：CN202210072264.2

申请日：2022-01-21

Applicant: 南京邮电大学

Inventor： 徐友云 ,  孙高翔 ,  王小明 ,  蒋锐 ,  李大鹏

IPC: H04L5/00 ,  H04B7/06 ,  H04W72/044 ,  H04W72/0453

Abstract: 本发明是一种基于迁移学习的下行MISO‑OFDMA协作传输方法，包括步骤1：定义下行MISO‑OFDMA系统的关键参数；步骤2：利用深度Q网络在当前环境下训练当前智能体，为每个智能体构建一个深度Q网络即为多智能体深度Q网络，解决波束协作和资源分配问题；步骤3：以不同方案改变当前环境并提出一种迁移学习框架，所述迁移学习框架在新环境下通过步骤2中训练好的智能体的知识和新智能体的经验来训练新智能体；步骤4：动态调整波束成形协作和资源分配策略，以最大化所有用户的和速率。本发明可以有效地提升系统性能，加快神经网络的收敛速度，使新智能体更快更有效地适应新的网络环境。

公开(公告)号：CN114389784A

公开(公告)日：2022-04-22

申请号：CN202210072264.2

申请日：2022-01-21

Applicant: 南京邮电大学

Inventor： 徐友云 ,  孙高翔 ,  王小明 ,  蒋锐 ,  李大鹏

IPC: H04L5/00 ,  H04B7/06 ,  H04W72/04

Abstract: 本发明是一种基于迁移学习的下行MISO‑OFDMA协作传输方法，包括步骤1：定义下行MISO‑OFDMA系统的关键参数；步骤2：利用深度Q网络在当前环境下训练当前智能体，为每个智能体构建一个深度Q网络即为多智能体深度Q网络，解决波束协作和资源分配问题；步骤3：以不同方案改变当前环境并提出一种迁移学习框架，所述迁移学习框架在新环境下通过步骤2中训练好的智能体的知识和新智能体的经验来训练新智能体；步骤4：动态调整波束成形协作和资源分配策略，以最大化所有用户的和速率。本发明可以有效地提升系统性能，加快神经网络的收敛速度，使新智能体更快更有效地适应新的网络环境。

公开(公告)号：CN115866611A

公开(公告)日：2023-03-28

申请号：CN202211481575.0

申请日：2022-11-24

Applicant: 南京邮电大学

Inventor： 王小明 ,  孙高翔 ,  蒋锐 ,  徐友云

IPC: H04W16/10 ,  H04W52/04 ,  G06N3/096 ,  G06N3/092 ,  G06N3/045

Abstract: 本发明属于无线通信领域，具体的说，是一种RIS增强型上行OFDMA系统协作传输方法，具体包括：定义上行OFDMA系统的关键参数；设计了一种多智能体深度强化学习算法来解决此优化问题；以不同的方案改变当前环境，并提出了一种双向迁移学习框架，通过利用不同环境下共有的配置来增强神经网络在不同环境中的适应能力，从而使得智能体更高效地动态调整资源分配及RIS控制策略，以最大化所有用户的和速率。本发明可以有效提升系统性能，加快神经网络在不同环境下的收敛速度，使智能体更快更有效的适应不同的环境。