基于深度Q学习的NOMA-CR网络动态功率分配方法及系统

本发明公开了一种基于深度Q学习的NOMA‑CR网络动态功率分配方法及系统。该系统包括能量采集模块、状态采集模块、深度Q网络模块、动作执行模块和奖励计算模块。该方法为：首先设计包含信噪比与能量状态的多维状态空间，定义离散化功率调节动作空间，构建融合通信性能、安全指标与能量效率的复合奖励函数；然后引入能量收集模块，仅在节点能量满足预设阈值时激活协作传输；最后通过动态干扰功率调整与主网络干扰容忍阈值约束，实现主次网络共存性能与保密吞吐量的联合优化。本发明实现了动态资源调度和安全防护的双重优化，提高了网络的通信质量、安全性能、稳定性和能量效率，具有较高的实际应用价值和技术推广前景。