基于深度Q学习的室内无线网络资源分配算法

吕亚平，贾向东,2，路 艺，敬乐天

(1.西北师范大学计算机科学与工程学院,甘肃 兰州 730070; 2.南京邮电大学江苏省无线通信重点实验室,江苏 南京 210003)

1 引言

第五代5G(5th Generation)移动通信网络还没有全面部署，第六代6G(6th Generation)移动通信网络已在路上。与5G移动通信网络不同的是，6G移动通信网络将会实现空、天、地、海一体化通信，但是这需要不同类型基站的密集部署甚至超密集部署。目前，我国已经部署约600多万个第四代4G(4th Generation)移动通信网络基站，而5G移动通信网络基站的数量预计将会达到4G移动通信网络基站数量的10倍，6G移动通信网络基站的数量可能会达到5G移动通信网络基站数量的10倍。虽然5G和6G提高了传输速率，提升了系统容量，但是基站的密集以及超密集部署将会消耗大量的能量，这不利于绿色通信的发展。因此，提高基站的能量效率对未来移动通信网络十分重要。

据调查显示，有超过50%的语音服务和70%的数据流量发生在室内[1]。对此类场景，家庭基站是较有潜力的节能技术之一，其可在密集部署的异构网络中，使用较低的发射功率来满足室内移动用户高传输速率的服务需求。

近年来，室内无线通信引起越来越多研究者的关注。众多学者对室内无线网络的吞吐量和容量进行了研究。例如，穆施瑶等[2]通过功率控制和信道分配相结合的方法来解决宏基站和家庭基站共存网络中的层间和层内干扰问题，以提升整个室内无线网络的容量；李俊伶等[3]通过基于路径损耗的功率控制算法来解决家庭基站密集部署网络中的干扰问题，以提高家庭基站用户的吞吐量；……