基于强化学习的 NBIoT/LoRa 异构网络资源分配算法

摘要

随着物联网技术的发展，NBIoT与LoRa是目前两种常见的窄带物联网通信技术，在智慧城市的各个领域如智能交通、智能照明等以及工业监测、农业生产中被大量使用。但是由于每一种通信技术都有其局限性而不能完全胜任各种各样的应用，因此将不同的通信技术结合在一起形成异构网络可以更好地发挥各自优势从而提高整个物联网系统的性能。本文针对NBIoT与LoRa异构网络中的资源调度问题提出了一种基于深度强化学习的方法来解决。把网络资源调度看作一个马尔科夫决策问题，用深度Q网络在异构网络中对频谱资源、功率资源以及时隙资源进行优化。根据实际情况定义合适的状态空间、动作空间以及奖励函数使算法可以在复杂环境中自动找到最优资源配置方案，在系统吞吐率、能效比和用户体验上都有所改善，对于异构物联网网络中的资源管理具有积极意义。