CR-NOMA中基于深度确定策略梯度的能效优化策略

Abstract

利用认知无线电非正交多址接入（cognitive radio non-orthogonal multiple access，CR-NOMA）技术可缓解频谱资源短缺问题，提升传感设备的吞吐量。传感设备的能效问题一直制约着传感设备的应用。为此，针对CR-NOMA中的传感设备，提出基于深度确定策略梯度的能效优化（deep deterministic policy gradient- based energy efficiency optimization，DPEE）算法。DPEE算法通过联合优化传感设备的传输功率和时隙分裂系数，提升传感设备的能效。将能效优化问题建模成马尔可夫决策过程，再利用深度确定策略梯度法求解。最后，通过仿真分析了电路功耗、时隙时长和主设备数对传感能效的影响。仿真结果表明，能效随传感设备电路功耗的增加而下降。此外，相比于基准算法，提出的DPEE算法提升了能效。

Keywords

• 传感设备
• 能量采集
• 认知无线电非正交多址接入
• 能效
• 深度确定策略梯度