联合人工神经网络和深度强化学习的卫星通信系统资源优化管理

颜晓娟; 王承祥; 张千锋

doi:10.13624/j.cnki.issn.1001-7445.2025.0397

广西大学学报（自然科学版） ›› 2025, Vol. 50 ›› Issue (02) : 397 -408. DOI: 10.13624/j.cnki.issn.1001-7445.2025.0397

联合人工神经网络和深度强化学习的卫星通信系统资源优化管理

颜晓娟, 王承祥, 张千锋

作者信息 +

Author information +

文章历史 +

摘要

为了缓解卫星通信系统中频谱资源受限与业务数量不断增长且服务质量(QoS)要求多样之间的矛盾，联合人工神经网络(ANN)和深度强化学习(DRL),在用户时延QoS约束和最小性能要求下，以系统性能最大化为目标研究资源优化管理问题。首先，分析了用户在非正交多址接入(NOMA)和正交多址接入(OMA)技术下的可达性能，推导了最小性能要求和系统关键参数对多址接入技术选择的影响。其次，利用ANN对特定场景下用户选择多址接入技术，避免在NOMA技术不适用场景进行功率优化分配。最后，提出上下界可变DRL算法，根据奖励动态地调整NOMA用户对功率分配因子的寻优区间，从而提高算法的收敛速度。仿真结果验证了时延QoS约束对用户性能的不利影响，最小性能要求对NOMA技术应用优势的影响，以及所提方案在提高收敛速度和卫星通信网络可达性能上的优势。