基于机器学习的MTC网络接入策略和资源分配

发布时间：2023-06-03 08:41

　　当今世界对于互联网的需求是全天候的高速的无处不在的网络连接,旨在实现一个完全移动和互联的互联网社会。这种对于互联网的需求催生了物联网(Internet of things,IoT)的概念。机器类型通信(Machine-Type Communication,MTC)作为物联网的推动者,允许智能对象在没有人为干预的情况下实现相互通信。随着第五代移动通信系统(5th-generation,5G)时代的到来,物联网的进一步发展,高速增长的设备对无线接入网络的接入能力造成了极大的考验。因此,针对当前新兴的机器类型通信网络,如何有效接入大规模机器类型通信设备(MachineType Communication Device,MTCD),是一直以来亟待研究解决的热点问题。近来,随着机器学习(Machine Learning,ML)技术的更新发展,机器学习开始应用于很多移动互联网的场景等。机器学习是计算机系统使用的统计模型,无需使用特殊的指令有效执行特定任务,而是依靠模式和推理来代替。机器学习通过观察环境和自我探索,来获取新的知识从而不断改善自身性能。本文结合机器学习的思想,对于MTC网络中接入能力不...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
缩略词表
第一章 绪论
    1.1 研究背景
    1.2 研究动机及意义
    1.3 主要研究内容及创新点
        1.3.1 主要研究内容
        1.3.2 创新点
    1.4 结构和章节安排
第二章 基于机器学习的MTC网络接入技术概述
    2.1 MTC接入机制概述
        2.1.1 无线随机接入过程
        2.1.2 基于竞争的随机接入过程
        2.1.3 接入等级限制
        2.1.4 退避机制
    2.2 机器学习算法概述
        2.2.1 学习方式
        2.2.2 典型算法
    2.3 基于机器学习的MTC网络接入策略和资源分配的研究现状
    2.4 本章小结
第三章 基于SOM神经网络数据聚合的MTC接入策略
    3.1 引言
    3.2 系统模型及问题建模
    3.3 基于SOM神经网络的MTCD聚类
        3.3.1 SOM神经网络聚类算法
        3.3.2 MTCD聚合
        3.3.3 MTCG选择
        3.3.4 数据传输过程
    3.4 仿真验证与性能评估
        3.4.1 仿真参数设置
        3.4.2 性能指标
        3.4.3 仿真结果与分析
    3.5 本章小结
第四章 基于马尔可夫决策过程的MTC退避接入策略
    4.1 引言
    4.2 系统模型
    4.3 问题建模
        4.3.1 马尔可夫决策过程
        4.3.2 基于MDP的MTC接入建模
    4.4 马尔科夫决策过程的动态规划算法
    4.5 仿真验证与性能评估
        4.5.1 仿真参数设置
        4.5.2 仿真结果与分析
    4.6 本章小结
第五章 基于深度强化学习的MTC网络资源分配
    5.1 引言
    5.2 系统模型
    5.3 问题建模
    5.4 基于深度强化学习的MTC网络资源分配
        5.4.1 传统Q学习算法
        5.4.2 DQN算法
        5.4.3 基于深度强化学习的MTC网络资源分配方案
    5.5 仿真验证与性能评估
        5.5.1 仿真参数设置
        5.5.2 仿真结果与分析
    5.6 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 未来展望
致谢
参考文献
个人简历
攻读硕士期间的科研项目和成果



本文编号：3829008