买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种基于深度强化学习的实时频谱资源优化方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117768902B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410125369.9，技术领域涉及：H04W16/14；该发明授权一种基于深度强化学习的实时频谱资源优化方法和系统是由张建照;陈勇;周宇航设计研发完成，并于2024-01-29向国家知识产权局提交的专利申请。

本一种基于深度强化学习的实时频谱资源优化方法和系统在说明书摘要公布了：本发明涉及超密集网络通信技术领域，具体公开了一种基于深度强化学习的实时频谱资源优化方法和系统，其中，该方法包括：构建典型超密集网络下行链路场景，根据随机漫步模型来模拟用户动态移动的行为；根据超密集网络下行链路场景，进行系统建模分析，以最大化系统总吞吐量为目标，生成联合优化模型；通过深度强化学习算法来求解联合优化模型的最优解，并设置用户的状态函数、用户的动作函数和奖励函数训练用户学习最优解。本申请通过考虑动态用户移动的不可预测性，基于随机漫步模型构建了一个的动态超密集网络环境。

本发明授权一种基于深度强化学习的实时频谱资源优化方法和系统在权利要求书中公布了：1.一种基于深度强化学习的实时频谱资源优化方法，其特征在于，包括： 步骤S1：构建典型超密集网络下行链路场景，根据随机漫步模型来模拟用户动态移动的行为； 步骤S2：根据所述超密集网络下行链路场景，进行系统建模分析，以最大化系统总吞吐量为目标，生成联合优化模型； 步骤S3：通过深度强化学习算法来求解所述联合优化模型的最优解，并设置状态函数、动作函数和奖励函数训练基站学习最优解； 所述步骤S3包括：所述状态函数为： skt＝{Ct,Pt,dkt} 式中，Ct为所有用户信道选择集合，Pt为所有用户功率选择的集合，dkt为基站k在t时刻的位置向量，skt为基站k在t时刻的状态向量； 所述步骤S3包括：所述动作函数为： 式中，为t时刻下的基站发射功率，ckt为t时刻下的信道选择向量； 所述步骤S3包括：所述奖励函数为： 式中，Rt为t时刻的奖励值，为基站k在t时刻选择信道n的信干噪比； 所述步骤S1包括： 步骤S11：用户移动节点随机选择一个方向和速度来从当前位置移动到新的位置； 步骤S12：所述用户移动节点的每次以恒定的时间间隔或恒定的行进距离进行移动，结束后会计算所述用户移动节点新的方向和速度； 步骤S13：若所述用户移动节点到达模拟边界，则从模拟边界弹回，弹回角度由入射方向确定，并沿此条路径继续移动，重复上述步骤直至结束； 所述步骤S2包括：以最大化系统总吞吐量为目标，生成联合优化模型，所述联合优化模型如下所示： 式中，表示用户k在子信道n上的信干噪比，C1表示功率的线性约束，表示基站发射功率，Pmax表示基站发射最大功率；C2表示发射功率不能小于0；C3表示二进制变量表示用户k与信道n的关系；C4表示每个信道只能分给一个用户，表示用户二进制信道分配向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军国防科技大学，其通讯地址为：210007 江苏省南京市秦淮区后标营路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。