毫米波网络中基于Q-Learning的阻塞感知功率分配

摘要

毫米波通信可在5G无线通信系统超密集网络场景中提供显著的系统容量增益,但毫米波通信场景中干扰复杂多变,并且小区边缘用户动态链路的高阻塞率会引起中断问题.为此,基于Q-Learning算法,提出一种考虑毫米波链路高间歇性概率的功率分配方案.基于泊松簇过程对随机部署的基站用户系统进行建模,分析链路阻断对有用信号和干扰信号带来的不同影响,并将利己利他策略引入Q-Learning算法的状态和回报函数设计中,通过机器学习策略得到功率分配最优解.仿真结果表明,与未考虑链路阻塞概率的CDP-Q方案相比,该方案由于根据链路动态链接状况进行最优功率分配,显著提升了系统总容量.