专利交易市场

本发明实施例提供了一种半持续调度的资源分配方法及基站。其中，所述方法包括：若判断获知具有SL SPS资源释放需求或接收到UE发送的SL SPS业务释放请求，并且具有剩余的控制资源，则授权指示UE释放SL SPS资源；若判断获知存在满足重分配条件的SL SPS业务，并且具有剩余的控制资源和业务资源，则为相应UE重分配SL SPS资源；若判断获知存在SL SPS新接入业务，并且具有剩余的控制资源和业务资源，则为相应UE分配SPS资源。本发明实施例提出的半持续调度资源分配方法及基站，给出了SL SPS业务的分类和优先级处理过程，在保证用户的QoS的前提下，能够更加有效地利用和分配资源，提高资源利用率和系统容量。

本发明涉及物联网资源管理技术领域，具体公开了一种D2D辅助超密物联网的资源分配方法及系统，为了避免D2D辅助的UD‑IoE中IoED之间的资源冲突，首先分析了IoED之间的冲突关系；然后利用团理论和超图理论，建立了一个能同时直观地反映这些冲突关系的冲突超图模型；基于冲突超图模型，将频谱资源分配描述为混合整数线性规划(MILP)问题；为了求解混合整数线性规划问题，构建了一个多代理的DRL(深度强化学习)框架，用于在整个D2D辅助的UD‑IoE中进行资源分配，每个代理的奖励功能旨在提高数据传输速率，同时缓解资源冲突。仿真实验表明，在D2D辅助的UD‑IoE中，该方法及系统可以实现更高的网络吞吐量和更好的性能。

本发明涉及D2D辅助的超密集物联网技术领域，具体公开了一种基于超图的D2D辅助超密集物联网资源管理方法及系统，分析了通信链路之间的资源冲突关系并对通信链路之间的冲突类型进行分类，并基于逻辑层之间的资源冲突关系，建立了冲突图模型；通过团和超图理论将冲突图模型简化为冲突超图模型，将无冲突资源分配问题转化为超图的点强着色问题，并设计了一种计算超图着色冲突度的方法；提出了一种具有冲突度算法的双深度Q网络(DDQN‑CD)，该算法采用多Q网络学习D2D辅助UD‑IoE中的资源分配过程，并根据经验回放的样本数据动态调整资源分配方案，在保证D2D辅助的UD‑IoE避免冲突的前提下，实现了资源重用率的提高。