一种深度确定性策略梯度的下行NOMA功率分配方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种深度确定性策略梯度算法的下行NOMA系统中功率分配方法,方法采用双神经网络结构及经验池回放机制,可以有效处理涉及大规模状态‑动作空间的问题,且降低训练样本之间的相关性,同时,采取确定性策略来选择动作,可以在连续的动作空间中选择动作。算法使用状态信息作为神经网络的输入,并对状态空间、动作空间及奖赏函数根据仿真下行NOMA系统情境进行了相应的设计,其中将上一时刻的信干噪比信息及速率信息作为当前时刻状态信息的组成部分,可以使得智能体更加有效的学习并利用所学习到信息来改进行为策略,经过多次迭代后,得到最优的功率分配策略。该方法可以有效解决下行NOMA系统中多用户的功率分配问题,且在不同的用户数量及基站的发射功率级别下均具备良好的泛化性能,可以有效提升功率分配的合理性,同时运算耗时少,有效提高功率分配的效率。
《一种深度确定性策略梯度的下行NOMA功率分配方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2020113443944,当前法律状态为已下证,由辽宁工程技术大学提出申请,发明人为王伟;殷爽爽;吕明海;武聪,申请日期为2020-11-26,公开(公告)日期为2024-03-26,国际专利分类号(IPC)为 H04W 72/044 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种深度确定性策略梯度算法的下行NOMA系统中功率分配方法,方法采用双神经网络结构及经验池回放机制,可以有效处理涉及大规模状态‑动作空间的问题,且降低训练样本之间的相关性,同时,采取确定性策略来选择动作,可以在连续的动作空间中选择动作。算法使用状态信息作为神经网络的输入,并对状态空间、动作空间及奖赏函数根据仿真下行NOMA系统情境进行了相应的设计,其中将上一时刻的信干噪比信息及速率信息作为当前时刻状态信息的组成部分,可以使得智能体更加有效的学习并利用所学习到信息来改进行为策略,经过多次迭代后,得到最优的功率分配策略。该方法可以有效解决下行NOMA系统中多用户的功率分配问题,且在不同的用户数量及基站的发射功率级别下均具备良好的泛化性能,可以有效提升功率分配的合理性,同时运算耗时少,有效提高功率分配的效率。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
