摘要
本发明公开了一种用于无蜂窝大规模MIMO系统的智能高能效AP休眠方法,包括:在CPU处部署深度强化学习模型;得到估计的信道状态信息向量,并将其回传至CPU;CPU根据汇总得到的估计信道状态信息,控制AP下行发射功率系数,以及进行AP分簇控制,得到服务各用户的AP簇;计算用户端的信干噪比、频谱效率;利用频谱效率以及此时AP状态计算系统能量效率,将最大化能量效率的优化问题转化为智能体最大化奖励问题,进而计算智能体在采取该休眠决策下收获的奖励,收集状态、决策以及奖励作为智能体的训练数据进行实时训练,最终在有限训练次数下得到高能效的AP休眠决策。本发明在满足用户通信可靠性需求的同时,提高了系统能效。
技术关键词
大规模MIMO系统
休眠方法
深度强化学习模型
高能效
系统能量效率
决策
估计信道状态信息
最大化能量效率
下行发射功率
能量消耗
回程链路
上行链路训练
误差估计方法
网络
可靠性需求
导频符号
编码策略
系统为您推荐了相关专利信息
新能源发电设备
天气预测数据
深度强化学习模型
储能系统荷电状态
微电网
大米精加工设备
设备运行参数
高精度传感器
稻谷
智能控制方法
无人机
连续干扰消除
集群
资源分配方法
深度强化学习模型
应急资源调度
路径规划方法
深度强化学习模型
资源调度策略
深度神经网络
深度强化学习模型
数据处理模块
数据分类方法
精度
数据处理单元