.png){kind=icon}
返回
Deep Reinforcement Learning-Based Modulation and Coding Scheme Selection in Cognitive Heterogeneous Networks
.png){kind=icon}
OA
AI
DOI：10.1109/TWC.2019.2912754.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们考虑一种认知异构网络 (HetNet)，其中多对次要用户采用基于感知的方法与特定频谱带上的一对主要用户共存。由于不完美的频谱感测，次发射机 (STs) 可能对主接收机 (PR) 造成干扰，并且使得PR难以选择适当的调制和/或编码方案 (MCS)。为了解决这个问题，我们利用深度强化学习 (DRL)，并提出了一种用于主传输的智能MCS选择算法。为了减少由MCS切换引起的系统开销，我们在所提出的算法中进一步引入了切换成本因子。仿真结果表明，在不考虑切换成本因素的情况下，该算法的主传输速率与最优MCS选择方案的100% 90% 相似，后者假设来自STs的干扰在PR作为先验信息是完全已知的，30% 高于上置信度bandit (UCB) 算法，100% 高于基于信噪比 (SNR) 的算法。同时，与基准算法相比，具有切换成本因子的算法可以在不增加系统开销的情况下实现更高的主传输速率。
Keyword:
Cognitive HetNet
intelligent DRL
MCS selection
spectrum sharing
switching cost
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
10.7
论文数:
1.3W
被引数:
5.3W
机构
引用论文
Performance Analysis and Optimization in Downlink NOMA Systems With Cooperative Full-Duplex Relaying
.png){kind=icon}
PREAI
分享收藏Optimal Modulation and Coding Scheme Selection in Cellular Networks with Hybrid-ARQ Error Control
PREAI
分享收藏Study of bi-directional buck-boost converter topologies for application in electrical vehicle motor drives应用于电动汽车电机驱动的双向buck-boost变换器拓扑研究
PREAI
分享收藏Efficient Scheduling and Power Allocation for D2D-Assisted Wireless Caching NetworksD2D-Assisted无线缓存网络的高效调度和功率分配OAAI
OAAI分享收藏分享收藏
查看更多内容