通信
Love_marginal
这个作者很懒,什么都没留下…
展开
-
A Survey on Multi-Agent Reinforcement Learning Methods for Vehicular Networks
摘要在物联网(IoT)的飞速发展下,车辆可以被视为移动的智能体,它们可以进行通信,合作以及竞争资源和信息。 车辆需要学习策略并做出决策,以提高多智能体系统(MAS)应对不断变化的环境的能力。多智能体强化学习(MARL)被认为是在高度动态的车载MAS中寻找可靠解的学习框架之一。 在本文中,我们对与车辆网络相关的研究问题进行了调查,例如资源分配,数据卸载,缓存放置,超可靠的低延迟通信(URLLC)和高移动性管理。此外,我们展示了MARL的潜在应用,该技术可在车辆万物互联(V2X)场景中实现分布式和可扩展的决原创 2020-11-28 00:55:27 · 885 阅读 · 1 评论 -
[强化学习] 我的场景中有多个主体,那是不是就一定要用多智能体强化学习?
我的场景中有多个主体,那是不是就一定要用多主体强化学习?sarl:Single Agent Reinforcement Learning, 单主体强化学习marl:Multi Agent Reinforcement Learning, 多主体强化学习先上结论:不是,使用 sarl 可以解决你所说的 “场景中存在多个主体” 的问题。示例空口无凭,下面用我一个场景来举例子说明此问题:考虑车联网的场景,有多个车,多个信道,多个车同时发送信息。我们的目标就是决定每个车使用哪个信.原创 2020-11-14 13:35:15 · 1036 阅读 · 0 评论 -
[LTE] RRU BBU 和 前传(fronthaul)
RRU和BBU基站由三部分构成:天线,射频单元RRU,基带处理单元BBU。其中一个天线连接一个RRU,是确定的。BBU进行基带处理,通过RRU产生射频信号后由天线负责发送出去过去一个BBU连接多个RRU,装在一间房中,放在塔下;现在多个BBU放在一间房中,连接老多RRU,RRU放在塔上,对应的天线旁边。优势天线和RRU之间的馈线变短,减少了很多损耗 不用给BBU依次准备房子,省成本 BBU可以使用虚拟化简化管理前传BBU和RRU原本在一起的,现在不在了.原创 2020-09-13 22:10:27 · 2179 阅读 · 0 评论 -
【文献阅读01】Eco-Vehicular Edge Networks for Connected Transportation: A Distributed Multi-Agent Reinfor
Eco-Vehicular Edge Networks for Connected Transportation: A Distributed Multi-Agent Reinforcement Learning Approach(点击可见原文)论文要解决的问题用户中心式的虚拟小区 (VC, virtual cell) 中,考虑V2I通信,在保证可靠性、数据速率、用户公平性的前提下,通过资源分配最大化能效 (EE, energy-efficient) 。使用分布式多主体强化学习加以解决。.原创 2020-07-08 19:54:25 · 704 阅读 · 0 评论 -
[论文笔记]A Deep-Learning-Based Radio Resource Assignment Technique for 5G Ultra Dense Networks
序:这是一篇来自IEEE Network的期刊论文(影响力8.808),18年11月发表,到20年7月已经被引了45次。摘要因为网络流量特征难以描述为适用于学习类算法的输入和输出数据集,因此将DL应用于网络流量控制目前仍不成熟。在UDN中,高流量需求、波束成形和MIMO技术的兴起都使得网络流量变的更加多变和复杂。因此对于5G网络运营商而言,以有效的方式进行无线电资源控制而不是采用传统的F/TDD使非常重要的。这是因为在基于波束成形和MIMO的UDN中,使用现存的动态TDD方法进行上行/下行链路配原创 2020-07-01 22:31:11 · 758 阅读 · 0 评论 -
【论文笔记】Applications of Deep Reinforcement Learning in Communications and Networking: A Survey
摘要本文综述了深度强化学习(DRL)在通信和网络中的应用。现代网络中的实体需要在网络环境不确定的情况下在本地进行决策,以使网络性能最大化。强化学习被有效地用于使网络实体在状态空间和行为空间较小的情况下,获得动作的最优选择。然而,在复杂的大规模网络中,状态空间和动作空间往往很大,强化学习可能无法在合理的时间内找到最优策略。因此,发展强化学习与深度学习相结合的DRL来克服这一不足。在本次调查中,我们首先提供了从基本概念到高级模型的DRL教程。然后,我们回顾了为解决通信和网络中的新问题而提出的DRL方法。这些原创 2020-06-30 21:26:41 · 2998 阅读 · 0 评论 -
3GPP资源使用、查找教程
本文首先简单介绍3GPP的组成(主要借鉴百度百科),接着介绍3GPP FTP,最后说说怎么在3GPP官网上下载想要的协议(主要借鉴参考文献[2])。一 3GPP简介1.1 概念 3GPP,3rdGeneration Partnership Project,即第三代合作伙伴计划。之所以叫3GPP,不叫2GPP或者4GPP,是因为在1998年12月,多个电信标准组织签署了《第...转载 2020-04-20 10:45:12 · 1772 阅读 · 3 评论 -
【论文笔记】Ultra Reliable, Low Latency V2I Wireless Communications with Edge Computing
超可靠低延迟的车对基础设施(V2I)通信是未来智慧城市中无人驾驶汽车(AV)的关键要求。 为此,具有边缘计算功能的蜂窝小型基站(SBS)可以通过本地处理来自AV的任务请求来减少端到端(E2E)服务延迟,无需将任务转发到远程云服务器。 但是,由于SBS的计算能力有限,再加上无线带宽资源的稀缺性,最大程度地减小AV的E2E延迟并实现可靠的V2I网络是一项挑战。在本文中,提出了一种新算法来联合优化AV与...原创 2020-03-27 10:53:58 · 2337 阅读 · 0 评论 -
[通信架构的演进]酣畅淋漓,听故事一样理清通信架构的变革
观实自加:本文按照架构发展的顺序,将通信架构拆分和重组的过程侃侃道来。为便于查找知识点,将出现的关键字整理如下:RAN(无线接入网)、承载网(物理层)、核心网3G:BBU(基带)、RRU(射频),D-RAN(分布式)、C-RAN(集中化),IP化,用户/控制面分离NFV4G:MME\SGW\PGW5G:CU(非实时)、DU(实时)、AAU,切片,MEC转载 2020-03-28 21:17:53 · 1488 阅读 · 2 评论