星地融合网络中基于Q学习的切换算法研究

发布时间：2017-11-17 09:28

  本文关键词：星地融合网络中基于Q学习的切换算法研究

  更多相关文章： 切换 MSS-ATC RSS预测 Q学习

【摘要】：基于地面辅助基站(ATC)的星地融合网络(MSS-ATC)具有覆盖范围广、用户体验佳的特点,切换机制是该融合网络主要研究的问题之一。针对卫星链路时延大、卫星网用户速度范围广的特点,综合考虑了用户接收信号强度(RSS)和用户运动速度,提出了一种基于卡尔曼滤波和Q学习的切换决策算法。比较了所提算法与传统算法在链路衰减率、切换次数和网络收益的性能,实验结果表明所提算法在性能上得到了很大的提升,并且能很好地适应高速运动状态。
【作者单位】： 北京邮电大学泛网无线通信教育部重点实验室;
【分类号】：TN927.2
【正文快照】： 1引言移动卫星通信系统具有顽健性强、覆盖范围广的特点,广泛应用于应急通信服务[1]。由于卫星通信链路依赖于视距传输,为减少阴影物阻挡的影响,星地融合网络成为近年来研究的热点[2]。地面辅助基站(ATC,ancillary terrestrial component)作为通信系统辅助,被广泛应用于星地融

【共引文献】

中国期刊全文数据库 前10条

1 张冬梅;刘强;;一种基于强化学习的传感器网络应用重构决策方法[J];北京交通大学学报;2010年03期

2 杨萍;毕义明;孙淑玲;;具有自主决策能力的机动单元智能体研究[J];兵工学报;2007年11期

3 赵晓华;李振龙;于泉;张杰;;基于切换模型的两交叉口信号灯Q学习协调控制[J];北京工业大学学报;2007年11期

4 孙若莹;李忱;赵刚;;基于强化学习的牛鞭效应对策模型[J];北京信息科技大学学报(自然科学版);2011年01期

5 王华;崔晓婷;刘向东;张宇河;;基于Q-学习的卫星姿态在线模糊神经网络控制[J];北京理工大学学报;2006年03期

6 毕金波,吴沧浦;有效的自适应λ即时差异学习(英文)[J];Journal of Beijing Institute of Technology(English Edition);1999年03期

7 童亮;陆际联;;Multi-Agent Reinforcement Learning Algorithm Based on Action Prediction[J];Journal of Beijing Institute of Technology(English Edition);2006年02期

8 吴洪岩;刘淑华;张嵛;;基于RBFNN的强化学习在机器人导航中的应用[J];吉林大学学报(信息科学版);2009年02期

9 杨银贤;Multi-agent reinforcement learning using modular neural network Q-learning algorithms[J];Journal of Chongqing University;2005年01期

10 杨东,殷苌茗,陈焕文,吴柏森;基于Q-学习的非线性控制[J];长沙电力学院学报(自然科学版);2003年01期

中国重要会议论文全文数据库 前10条

1 毛剑琳;向凤红;冯丽辉;;一种改进的IEEE802.15.4自适应实时带宽分配策略[A];第二十七届中国控制会议论文集[C];2008年

2 马丽;刘惟一;;多个交通路口调度博弈模型及其均衡求解的增强学习算法[A];第二十七届中国控制会议论文集[C];2008年

3 ;Complexity Analysis of Quantum Reinforcement Learning[A];第二十九届中国控制会议论文集[C];2010年

4 朴松昊;洪炳熔;褚海涛;;基于BDI的多Agent协作模型研究[A];2003中国控制与决策学术年会论文集[C];2003年

5 刘长有;孙光余;;一种应用Elman型回归网络的Q-学习[A];2004中国控制与决策学术年会论文集[C];2004年

6 邹亮;徐建闽;;基于Q-learning的电子地图动态最短路径求解方法[A];2005中国控制与决策学术年会论文集（下）[C];2005年

7 ;Hybrid Q-learning Algorithm About Cooperation in MAS[A];2009中国控制与决策会议论文集（3）[C];2009年

8 ;An Adaptive Inventory Control for a Supply Chain[A];2009中国控制与决策会议论文集（3）[C];2009年

9 谢志华;郑应平;;基于再励学习的排队系统优化控制[A];1995年中国控制会议论文集（下）[C];1995年

10 Meng Joo Er;;Modeling and Fuzzy Q-Learning Control of Biped Walking[A];第二十四届中国控制会议论文集（上册）[C];2005年

中国博士学位论文全文数据库 前10条

1 王作为;具有认知能力的智能机器人行为学习方法研究[D];哈尔滨工程大学;2010年

2 高延增;超小型水下机器人关键性能提升技术研究[D];华南理工大学;2010年

3 黄正行;临床过程分析与优化技术研究[D];浙江大学;2010年

4 林龙信;仿生水下机器人的增强学习控制方法研究[D];国防科学技术大学;2010年

5 冯奇;POMDP近似解法研究及在中医诊疗方案优化中的应用[D];北京交通大学;2011年

6 孙祥;大学生就业区域流向及引导策略研究[D];合肥工业大学;2011年

7 陈学松;强化学习及其在机器人系统中的应用研究[D];广东工业大学;2011年

8 李s，

本文编号：1195593