CN106792451B - 一种基于多种群遗传算法的d2d通信资源优化方法 - Google Patents
一种基于多种群遗传算法的d2d通信资源优化方法 Download PDFInfo
- Publication number
- CN106792451B CN106792451B CN201611171534.6A CN201611171534A CN106792451B CN 106792451 B CN106792451 B CN 106792451B CN 201611171534 A CN201611171534 A CN 201611171534A CN 106792451 B CN106792451 B CN 106792451B
- Authority
- CN
- China
- Prior art keywords
- population
- cue
- genetic algorithm
- communication
- noise ratio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于多种群遗传算法的D2D通信资源优化方法,涉及LTE网络中的D2D通信频谱资源分配的技术领域。本发明分别建立***模型和信道模型,采用的资源分配方法包括:(1)设定染色体的编码方式;(2)初始化种群;(3)求解场景变换后小区中正常通信的D2D用户数量,并设置其为遗传算法的适应度函数;(4)对种群进行繁殖过程,每繁殖一代包括选择、交叉、变异、修正四个步骤;(5)引入移民算子,将各种群在进化过程中的最优个体定期的引入到其他种群;(6)引入精华种群;(7)当繁殖代数迭代到满足终止条件即达到最优个体最少保持代数后算法停止。本发明在满足用户服务质量的前提下能有效降低移动终端的发射功率,实现快速的场景变化。
Description
技术领域
本发明涉及LTE网络中的D2D通信频谱资源分配问题的研究,具体涉及一种基于多种群遗传算法的D2D通信***的资源分配方法。
背景技术
随着现代通信技术的快速发展,人们对无线数据的需求急速增加。无线通信所用的频段属于一种宝贵的稀缺资源,而用于通信的较高的频段日趋紧张,D2D技术应运而生,通过复用授权频段下的蜂窝用户的频谱资源,可以有效提高频谱利用率。授权频段下的D2D通信使得通信质量更好,更加稳定、安全。D2D通信的会话建立有两种模式,一种是集中式,这种方法通过基站介入,基站可以通过良好的功率控制,资源分配等方式控制链路间的干扰,实现合理优化。另一种是分布式的,D2D之间自主连接,但此方式需要较高复杂度的D2D设备才能实现D2D之间的发现和连接,可以实现一些基站覆盖不全面地区通信,弥补蜂窝用户通过基站转接在这些区域的不足。
但D2D引入带来了一系列的挑战,小区中的不同终端复用相同的信道资源,会对小区中的其他终端产生同频干扰。大多数的发明都是研究如何提高***总的吞吐量。而忽略了用户可正常通信数目。考虑到小区中用户信息传输速率要求并不是一成不变的,当 CUE用户以较高速率传输时,此蜂窝用户下的D2D通信就会受到影响。因此,我们需要设计合理的多种群资源分配算法,在满足所有用户服务质量的前提下有效的进行资源分配。针对出现的这些问题,本发明提出一种场景快速变化下的基于多种群遗传算法的D2D 通信***的资源分配方法,高效地利用蜂窝网络的频谱资源,提高频谱效率。
发明内容
本发明目的是针对场景切换情况下,D2D正常通信数目发生变化,提供一种基于多种群遗传算法的D2D通信资源优化方法,快速有效地进行资源分配的优化,有效保证场景切换后正常通信的D2D用户数量。
为实现上述发明目的,本发明采用如下技术方案:
一种基于多种群遗传算法的D2D通信资源优化方法,所述D2D通信***的终端包括蜂窝网络终端(CUE)和D2D移动终端(DUE),一对DUE包括D2D发射移动终端 (DTUE)和D2D接收移动终端(DRUE),其中有M对DUE和N个CUE共享上行链路资源,M和N为大于0的整数,所述方法包括以下步骤:
(1)初始化***参数,所述参数包括信噪比阈值、D2D发射终端的功率、移动终端数量以及终端间的距离;
(2)将资源分配进行染色体编码,编码方式为G=(g1,…,gj,…,gM),每个染色体共有M个基因位,每个基因位gj的取值为1…N;
(3)随机产生一定规模的种群,每个种群包含一定数量的染色体;
(4)以场景切换情况下的D2D用户正常通信数量最多为目标,计算场景切换后即N-m个子信道中正常通信的D2D用户的数量C(Ux),并作为多种群遗传算法的适应度函数值;
(5)对种群进行繁殖,每繁殖一代包括选择、交叉、变异和修正过程;
(6)引入移民算子,将各种群在进化过程中的最优个体定期的引入到其他种群;
(7)引入精华种群,在进化的每一代,通过人工选择算子选择出其他种群最优个体放入精华种群加以保存。
(8)重复繁殖过程直到满足迭代终止条件即迭代次数达到最优个体最少保持代数,停止繁殖。
信噪比的阈值需要满足以下条件:即CUE和DUE信噪比大于等于信噪比阈值。
信噪比的计算公式分别为:
其中,SINRci为CUEi接收到的SINR,SINRdj为DRUE j接收到的SINR,其中,Pi为CUEi的发射功率,ri为CUE i和基站之间的距离,PT为DTUE的发射功率,dk,i为DTUEk和CUE i 之间的距离,α为路径损耗指数,N0为噪声功率,为第i个子信道对应的终端集;
根据香农公式可计算出蜂窝用户和D2D用户的传输速率:
当信息传输速率变高,在通信频带带宽一定的情况下就需要更高的信噪比,而信噪比与接入的D2D对基站的干扰有关,数量越多的D2D用户对会增加对基站的累积干扰。高速率的用户数据传输将会导致此频带下的D2D用户不可复用。根据上述信息传输速率公式,我们可以计算出由于高速率通信目前不能接入的D2D用户数目,然后进行资源再分配。
本发明的优点如下:与现有技术相比,本发明的场景快速变化下的基于多种群遗传算法的D2D通信***的资源分配方法,能够有效实现场景的变换后所有用户的正常通信,收敛速度快,同时降低发射功率,其性能优越,且易于实现。
附图说明
图1是本发明的优化方法流程图。
图2是D2D通信***的初始场景图。
图3是D2D通信***中CUE用户高速率通信要求下切换后的场景图。
图4是D2D通信***中初始通信资源分配图。
图5是基于多种群遗传算法的D2D通信资源的分配例图。
图6是采用多种群遗传算法和遗传算法所得的D2D通信场景变化过程中小区中可正常通信的D2D用户数量。
图7是采用多种群遗传算法和其他算法所得的D2D通信***的CUE平均发射功率图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
场景切换后不能正常通信的D2D用户资源复用的选择直接影响了资源分配的性能,下面详细分析一下场景的设定与参数的设置。
1.***模型的阐述
在D2D通信***中,移动终端分为两类:传统蜂窝网移动终端CUE和D2D移动终端DUE。DUE是以成对形式存在的,一对DUE包括D2D发射移动终端DTUE和D2D 接收移动终端DRUE。在FDD-LTE网络中,一个子信道分配给一个CUE,而多个DUE 对可以同时共享某个子信道资源。在本发明中,N个CUE和M对DUE共享所有的信道资源。图2为D2D通信***的初始场景图,其中N个CUE和M个DTUE均匀分布在一个半径为R的小区内,DRUE分布在以其对应的DTUE为圆心,L为半径的圆内。图中颜色相同代表使用的是相同子信道的频谱资源。
本发明即为基于此场景切换提出的基于多种群遗传算法的D2D通信***的资源分配方法。
2.信道模型的建立
在传统蜂窝网络中,CUE采用严格的功率控制方式。然而在D2D通信中,D2D发射终端DTUE通常采用相同的发射功率,记作PT。我们假设发射终端和接收终端之间的信道模型为自由空间衰减模型,即Pr/Pt=1/rα,其中Pr是接收终端接收到的功率,Pt是发送终端的发射功率,r为终端之间的距离,α是路径损耗因子。
3.资源分配方法
在场景切换的分析中,在通信***中,用户所需数据速率的增加以及对语音质量的要求或视频通话的需求导致通信资源需要进行快速、准确的再分配。如图3所示,当CUE4由于高速率的信息传输需求,DTUE7和DRUE7这一对复用CUE4频谱资源的D2D用户对将被挤出。DTUE4向基站发出通信请求,基站对这一对DUE重新分配可复用的其他子信道资源。但由于CUE1、CUE2和CUE3的频谱下已经复用了多个DUE对。非最优化的分配方式会使得这些蜂窝用户及其频谱资源下的D2D用户不能全部正常通信,利用多种群遗传算法的方法,目前小区内由于部分蜂窝用户高质量通信无法接入的D2D用户将复用其他无高质量要求的蜂窝用户,如图3中被拒绝接入的DTUE 7和DRUE 7通过复用CUE 1保证了D2D用户的正常通信。
基于上述理论基础,对本发明的快速场景变化下基于多种群遗传算法的D2D通信资源分配方法进行设计。
首先对本发明使用的符号或参数说明如下:
CUE:传统蜂窝网移动终端;
DUE:D2D移动终端;
DTUE:D2D移动终端对中的发射移动终端;
DRUE:D2D移动终端对中的接收移动终端;
M:小区内D2D移动终端对的数量;
N:小区内CUE移动终端的数量;
m:小区内高速率通信要求的CUE数目
R:小区半径;
BS:基站;
L:一对DUE中DTUE和DRUE之间的可通信的最大距离;
Pi:CUE i的发射功率;
ri:CUE i和基站之间的距离;
PT:DTUE的发射功率;
dk,i:DTUEk和CUE i之间的距离;
α:路径损耗指数;
N0:噪声功率;
lj:DTUEj和DRUEj之间的距离;
dm,j:CUE m和DRUEj之间的距离;
dk,j:DTUEk和DRUEj之间的距离;
B:子信道带宽;
P0:交叉概率;
P1:变异概率。
本发明实施例公开的场景快速变化下的一种基于多种群遗传算法的D2D通信资源分配方法,包括以下步骤:
(1)初始化:
1)初始化***参数,所述参数包括信噪比阈值、D2D发射终端的功率;
2)获取D2D通信***中移动终端的数量M、CUE移动终端的数量N以及各种距离变量dk,i、dm,j和dk,j的值;本发明假设基站能够利用信道估计和一些反馈信息得到所有蜂窝通信链路和D2D通信链路的当前信道状态以及所有用户的QoS(服务质量)要求,仿真环境中可以直接初始化各设备所在位置信息;
3)对每个CUE来说,其仅并且只占用一个信道,不失一般性,我们假设分配给第1个信道的CUE终端的编号记作1,依次列推,即分配给第i个信道的CUE终端的编号记作i。
(2)设定染色体的编码为G=(g1,…,gj,…,gM),每个染色体共有M个基因位,代表M对DUE终端,每个基因位gj的取值为1…N,其取值代表着DUE共享信道资源的序号。
(3)初始化种群,种群规模越大越可能找到全局解,但运行时间也相对较长。本实例中我们总共随机产生3*N个染色体形成种群,种群数目采用10个,具体应用中可以根据终端数的规模和算法的效率要求适当调整,每个染色体的基因位也是随机产生的,取值为1…N,其概率为1/N;
(4)求解D2D通信***中正常通信的D2D用户的数目C(Ux),并设置其为遗传算法的适应度函数,其中Ux为第x个染色体,其中C(Ux)的求解过程如下:
根据蜂窝网基础理论,蜂窝网终端CUEi接收到的SINR(信号干扰噪声比)可以表示为:
同样地,D2D接收终端DRUE接收到的SINR可以表示为
显然,D2D通信***中首先CUE和D2D用户在资源分配过程中满足信噪比的需要。在多个种群中寻找最优的染色体,染色体上复用低速率要求的蜂窝用户的D2D用户的数量即为适应度函数。
(5)对种群进行繁殖过程,每繁殖一代包括选择、交叉、变异、修正、引入移民算子、选择最优个体进入精华种群六个步骤:
1)选择
2)交叉和变异
交叉的作用是为了得到更好的下一代,我们采用单点交叉模式,交叉点随机选择,然后两个染色体基于交叉点左右部分进行互换。我们设定交叉概率为Pc,这个值随种群的不同而变化。变异就是在种群中按照变异概率P1任选若干基因位改变其位值,变异概率的不同也会导致优化结构不同,因此,本发明中的方法设按照种群不同有不同的变异概率,基因位的取值为1…N,所以基因变异后的值为其值的补集。
4)修正和移民算子的引入
为保证每个终端的服务质量QoS,其SINR必须高于SINR的门限值,但有的时候在种群初始化、交叉、变异过程中所产生的染色体对应的信道分配状态并不满足每个终端的SINR都高于一定的门限值,因此需要修正的过程。在本发明中,我们采用简单的过程重复(重新从父辈进行一次选择、交叉、变异的过程)来进行修正。同时多种群遗传算法利用移民算子将各种群在进化过程中的最优个体定期的引入到其他种群,实现种群间的信息交换。
5)精华种群的引入
多种群遗传算法引入了精华种群,它和其它种群有很大的不同。在进化的每一代,通过人工选择算子选择出其他种群最优个体放入精华种群加以保存,精华种群不进行交叉、变异等一系列操作,保证了下面变化的过程中最优个体不会被破坏或损失。
(6)判断繁殖代数是否迭代到设定的最优个体最少保持代数Num,若判断为是,则算法停止;若判断为否,则将Num+1后,继续执行步骤(5)。最后计算最终的目标函数值,根据适应度函数值最大的个体进行资源的分配。
图4和5是本发明的具体示例,快速场景变化下的基于多种群遗传算法的D2D通信资源的分配例图,采用实数编码的方式,将蜂窝用户分别标记为1、2、3、4。例如(1, 2,1,2,2,3,4,3)就是指第一个和第三个用户复用第一个CUE,第二个、第四个和第五个DUE复用第二个CUE,第六个和第八个DUE用户复用第三个CUE,第七个DUE 复用第四个CUE。
图6详细比较了采用多种群遗传算法和遗传算法所得的D2D用户正常通信数量。为验证本发明方法比现有技术的优势,本发明设定如下仿真参数:小区半径R为600m, DUE终端对的最大距离L为20m,DUE终端对的数量是30,CUE终端的数量为4,需要高速率传输的CUE移动终端数量为1(具体需要高速率通信的用户数目按照实际情况改变)。CUE的最大发射功率为2W,DUE的发射功率为0.001W,噪声功率N0为-105dBm,信道中路径损耗系数为4,迭代次数为40,最优个体最少保持代数为20,SINR的门限值为6dB。从图中可以看出,多种群遗传算法能更快速的寻找到场景切换后让所有D2D 用户都能正常通信的方法,相比于遗传算法,本发明中采用的基于多种群遗传算法的资源分配方法计算量小,耗时短,收敛快。
图7比较了采用多种群遗传算法和其他算法所得的D2D通信***的CUE平均发射功率。从图中可以看出,所提基于多种群遗传算法的资源分配方法的CUE平均发射功率更低,因为在我们所提多种群遗传算法中CUE仍然采用功率控制,能够有效降低其发射功率,降低移动终端的能耗。
Claims (3)
1.一种基于多种群遗传算法的D2D通信资源优化方法,所述D2D通信***场景模型中包括M对DUE和N个传统蜂窝网络移动终端CUE,它们共享上行链路资源,一对DUE包括D2D发射移动终端DTUE和D2D接收移动终端DRUE,一个子信道分配给一个CUE,而多个DUE对可以同时共享某个子信道资源;其特征在于,所述优化方法包括以下步骤:
(1)初始化***参数,所述参数包括信噪比阈值、D2D发射终端的功率、移动终端数量、终端间的距离;
(2)将资源分配方案进行染色体编码,采用实数编码方式,G=(g1,…,gj,…,gM),每个染色体共有M个基因位,每个基因位gj的取值为1…N;
(3)随机产生一定规模的初始种群数目,每个种群包含一定数量的染色体;
(4)以场景切换情况下的D2D用户正常通信数量最多为目标,计算场景切换后即N-m个子信道中正常通信的D2D用户的数量C(Ux),并作为多种群遗传算法的适应度函数值;其中,m:小区内高速率通信要求的CUE数目,Ux为第x个染色体;
(5)对种群进行繁殖,每繁殖一代包括选择、交叉、变异和修正过程;
(6)引入移民算子,将各种群在进化过程中的最优个体定期的引入到其他种群;
(7)引入精华种群,在进化的每一代,通过人工选择算子选择出其他种群最优个体放入精华种群加以保存;
(8)重复繁殖过程直到满足迭代终止条件即迭代次数达到最优个体最少保持代数,停止繁殖。
2.根据权利要求1所述的基于多种群遗传算法的D2D通信资源优化方法,其特征在于所述步骤(1)中信噪比的阈值需要满足以下条件:即CUE和DUE信噪比大于等于信噪比阈值;
CUE和DUE的信噪比计算公式分别为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611171534.6A CN106792451B (zh) | 2016-12-17 | 2016-12-17 | 一种基于多种群遗传算法的d2d通信资源优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611171534.6A CN106792451B (zh) | 2016-12-17 | 2016-12-17 | 一种基于多种群遗传算法的d2d通信资源优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106792451A CN106792451A (zh) | 2017-05-31 |
CN106792451B true CN106792451B (zh) | 2020-04-21 |
Family
ID=58892065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611171534.6A Active CN106792451B (zh) | 2016-12-17 | 2016-12-17 | 一种基于多种群遗传算法的d2d通信资源优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106792451B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108271242B (zh) * | 2017-12-14 | 2021-01-05 | 南京邮电大学 | 基于能量效率的d2d资源分配方法 |
CN108990160B (zh) * | 2018-07-25 | 2020-07-31 | 河海大学 | 一种基于改进蝙蝠算法的5g通信***容量优化方法 |
CN111024086B (zh) * | 2019-12-19 | 2022-12-13 | 哈尔滨工程大学 | 一种基于群禽寻优技术的多无人机航迹规划方法 |
CN111242803A (zh) * | 2020-01-03 | 2020-06-05 | 国电联合动力技术有限公司 | 基于多种群遗传算法的风机排布方法及装置 |
CN111787543B (zh) * | 2020-06-10 | 2023-03-31 | 杭州电子科技大学 | 一种基于改进灰狼优化算法的5g通信***资源分配方法 |
CN113099425B (zh) * | 2021-04-13 | 2023-04-07 | 北京工业大学 | 一种高能效的无人机辅助d2d资源分配方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103796317A (zh) * | 2013-12-06 | 2014-05-14 | 南京邮电大学 | 一种基于终端直通中继通信的资源分配方法 |
CN105873214A (zh) * | 2016-03-24 | 2016-08-17 | 河海大学 | 一种基于遗传算法的d2d通信***的资源分配方法 |
-
2016
- 2016-12-17 CN CN201611171534.6A patent/CN106792451B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103796317A (zh) * | 2013-12-06 | 2014-05-14 | 南京邮电大学 | 一种基于终端直通中继通信的资源分配方法 |
CN105873214A (zh) * | 2016-03-24 | 2016-08-17 | 河海大学 | 一种基于遗传算法的d2d通信***的资源分配方法 |
Non-Patent Citations (1)
Title |
---|
OFDM***资源分配智能算法研究;胡山锋;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140415;41-49 * |
Also Published As
Publication number | Publication date |
---|---|
CN106792451A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106792451B (zh) | 一种基于多种群遗传算法的d2d通信资源优化方法 | |
CN109474980B (zh) | 一种基于深度增强学习的无线网络资源分配方法 | |
CN109729528B (zh) | 一种基于多智能体深度强化学习的d2d资源分配方法 | |
CN107426773B (zh) | 无线异构网络中面向能效的分布式资源分配方法和装置 | |
CN106358308A (zh) | 一种超密集网络中的强化学习的资源分配方法 | |
CN104717755A (zh) | 一种蜂窝网络中引入d2d技术的下行频谱资源分配方法 | |
CN105873214B (zh) | 一种基于遗传算法的d2d通信***的资源分配方法 | |
CN108366427B (zh) | D2d通信中基于功率控制的***吞吐量与能效平衡方法 | |
CN108965009B (zh) | 一种基于势博弈的负载已知用户关联方法 | |
CN110492955B (zh) | 基于迁移学习策略的频谱预测切换方法 | |
CN107071914A (zh) | 一种能量捕获d2d网络中的动态模式选择与能量分配方法 | |
CN109982437B (zh) | 一种基于位置感知加权图的d2d通信频谱分配方法 | |
CN111629352B (zh) | 一种5G蜂窝网中基于Underlay模式的V2X资源分配方法 | |
CN110191489B (zh) | 一种超密集网络中基于强化学习的资源分配方法及装置 | |
CN110139249B (zh) | 基于机器类型通信设备分组的半非授权随机接入方法 | |
CN108990160B (zh) | 一种基于改进蝙蝠算法的5g通信***容量优化方法 | |
CN112351433A (zh) | 一种基于强化学习的异构网络资源分配方法 | |
CN107094281B (zh) | 一种m2m设备接入基站时的接入方法及*** | |
CN108848045B (zh) | 基于联合干扰对齐和功率优化的d2d通信干扰管理方法 | |
CN109039494B (zh) | 一种基于改进和声搜索算法的5g通信***资源分配方法 | |
CN114189870A (zh) | 基于多智能体深度强化学习的多小区多业务资源分配方法 | |
Yu et al. | Interference coordination strategy based on Nash bargaining for small‐cell networks | |
Bansod et al. | Ga-based resource allocation scheme for d2d communcation for 5g networks | |
CN111787543A (zh) | 一种基于改进灰狼优化算法的5g通信***资源分配方法 | |
Tran et al. | Novel reinforcement learning based power control and subchannel selection mechanism for grant-free NOMA URLLC-enabled systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |