基于深度强化学习的卫星信道动态分配算法
唐一强
杨霄鹏
肖楠
朱圣铭
空军工程大学信息与导航学院,西安,710077
摘要：在卫星通信系统中,频率和信道是十分珍稀的资源,针对如何利用可靠且高效的方法来进行资源的开发这一亟需解决的难题,提出了一种基于Q-learning深度强化学习的动态卫星信道分配算法DRL-DCA,该算法将卫星和环境交互建模为马尔科夫决策过程,通过环境的反馈提升卫星的决策能力,实现用户业务请求的高效应答,提升卫星通信的服务质量,降低通信阻塞发生概率.仿真分析表明该算法能够有效地提升通信的吞吐量,降低通信的阻塞率.
关键词：卫星通信深度学习Q算法
分类号：TN927(无线通信)
资助基金：国家自然科学基金(61871474)
论文发表日期：2022-04-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 61-67 )
英文信息