基于深度学习的家庭基站下行链路功率分配

• 作者: 叶佩文 吕亚平 贾向东 路艺
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 家庭基站 密集部署 功率分配 神经网络 深度学习
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 移动互联与通信技术
• 页码范围: 188-192
• 页数: 5页
• 分类号: TN929.5
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055640

摘要

为提高室内无线通信服务质量以满足用户需求,基于深度Q学习(DQL)算法进行家庭基站的下行链路功率分配,旨在最大化系统吞吐量.在办公区域密集部署家庭基站的系统模型中,将家庭基站的物理位置建模为泊松点过程,移动用户随机分布在各个位置.在此基础上,构建含有两层隐藏层的深度神经网络,优化网络的非线性,提高网络的拟合能力.仿真结果表明,DQL算法相较于贪婪算法和Q学习算法能有效提高系统吞吐量和收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾向东		59	217	8.0	13.0
2	路艺		4	0	0.0	0.0
3	吕亚平		4	0	0.0	0.0
4	叶佩文		2	0	0.0	0.0