移动场景下基于信号增强的深度强化学习带宽估计方法

AITNT
正文
推荐专利
移动场景下基于信号增强的深度强化学习带宽估计方法
申请号:CN202511174543
申请日期:2025-08-21
公开号:CN120711519B
公开日期:2025-11-04
类型:发明专利
摘要
本发明提供移动场景下基于信号增强的深度强化学习带宽估计方法,涉及移动通信技术领域,包括采集网络传输状态数据,将RSSI值归一化并滤波,构建包含网络传输状态特征、时序特征和RSSI值的状态空间,输入演员‑评论家结构的深度强化学习模型进行带宽预测,并基于RSSI值差异触发带宽保护机制。本发明能有效提高移动场景下带宽预测精度,降低网络波动影响,提升信号传输质量。
技术关键词
深度强化学习模型 带宽估计方法 滑动时间窗口 时序特征 速率 网络结构 发送端 计算机程序指令 滑动窗口 信号 策略 动态 滤波 机制 移动通信技术 网络抖动 场景 因子
系统为您推荐了相关专利信息
1
多元负荷预测方法、设备、存储介质及程序产品
预测网络模型 负荷预测方法 时序特征 交叉注意力机制 序列
2
一种基于量子化学与反应分子动力学研究抗氧化剂对不同含水量植物油防护效果的方法
抗氧化剂 甘油三酸酯 植物油 指数 密度泛函理论
3
预测模型构建方法、对地下水致病原微生物进行检测的方法和计算机程序产品
预测模型构建方法 地下水 微生物种类 体积特征 机器学习算法
4
一种细胞培养场景的预测方法、装置、存储介质及电子设备
变量 时间段 阶段 速率 产率
5
一种云桌面虚拟机硬件资源分配方法、装置及介质
硬件资源分配方法 云桌面虚拟机 内存 处理器 非易失性存储介质
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号