专利交易市场

本发明提出的一种主用户最小速率需求下的认知无线供能网络资源分配方法，场景如下：认知无线供能网络包括一个主用户基站，一个认知基站，N个主用户和N个具有能量采集技术的次用户。本发明的目的是在满足主用户最小速率约束，主用户基站发射功率约束，次用户能量消耗约束下，通过优化两阶段时长，主用户基站两阶段发射功率和τ1阶段次用户的上行发射功率，以最大化次用户的上行传输速率。本发明在不影响主用户性能的前提下，认知无线供能网络通过允许次用户使用主用户频段，实现频谱资源的高效利用。次用户通过射频能量采集技术从基站射频信号中收集能量，减少了基站射频信号能量的损耗，摆脱了电池的限制，增长了使用周期，提高了移动性。

本发明公开了一种基于强化学习的异构网络资源分配方法，首先在每个基站部署DNN框架，该框架基于ADMM算法，并将信道信息当作网络的权重；根据基站所得到的数据，即当前的用户关联信息、平均干扰功率，给出当前状态下最佳的资源分配策略；将每个基站视为独立主体，基站的状态被作为建模环境；若干代理程序观察同一异构网络环境并采取行动，同时代理程序通过环境的奖励相互沟通；代理商根据奖励调节政策；本发明提供的资源分配方法基于深度学习网络，无需全部CSI信息，即可给出资源分配方案，同时考虑了频谱效率，将频谱效率函数设置为代理的奖励，可以在保证系统吞吐量的同时保证频谱效率。

本发明涉及基于正交频分多址的并行移动边缘计算网络资源分配方法，其包括以下步骤：步骤一：建立一个基于正交频分多址的单MEC服务器、多用户的场景模型；步骤二：建立远端计算模型，在满足传输和时延的约束条件下，通过系统的总能耗数学表达式，建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；步骤三：引入简化变量，改变系统的总能耗数学表达式，以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；步骤四：通过使用基于连续松弛和基于罚凹凸算法，分别获得一种使系统总能耗最小的资源分配结果。本发明相比于现有的串行操作能更好地利用移动边缘计算系统的通信资源和计算资源，实现系统能耗最小化。