[发明专利]一种车联网资源分配方法、装置、设备及可读存储介质

权利要求书

1.一种车联网资源分配方法，应用于V2V无线通信系统，其特征在于，包括：

发射机选择t时隙相应的传输功率以及传输数据包个数，接收机在K轮信道采样后记录KT个瞬时信道状态信息h_t；其中，t为单个时隙，T为多个时隙，且t∈{1，2，...，T}；

所述接收机基于所述瞬时信道状态信息h_t，通过反向Q-learning算法计算基于奖励机制的最优资源分配策略，并反馈至所述发射机；其中，所述最优资源分配策略为保证信道传输成功率的同时最小化发射机功耗的策略；其中，所述反向Q-learning算法为从截止时隙的前一个时隙开始，在每一个时隙轮询剩余数据包的数目以及动作；

所述发射机根据所述最优资源分配策略完成信息无线传输。

2.根据权利要求1所述的车联网资源分配方法，其特征在于，所述发射机选择t时隙相应的传输功率以及传输数据包个数，接收机在K轮信道采样后记录KT个瞬时信道状态信息h_t的步骤之前，还包括：

发射机从状态空间中获取t时隙环境的状态S_t，根据资源分配策略π从动作空间中选择动作A_t；

针对与所述环境的交互过程，将状态S_t定义为剩余时隙数U_t、等待传输的剩余数据包数V_t组成的二元组S_t＝{U_t，V_t}，将动作A_t定义为发射机传输功率P_t、发送数据包的个数D_t组成的二元组A_t＝{P_t，D_t}。

3.根据权利要求2所述的车联网资源分配方法，其特征在于，所述通过反向Q-learning算法计算基于奖励机制的最优资源分配策略的步骤，包括：

设置奖励机制；

通过反向Q-learning算法访问所述状态S_t以及所述动作A_t，并基于所述奖励机制计算最优资源分配策略。

4.根据权利要求2所述的车联网资源分配方法，其特征在于，所述通过反向Q-learning算法计算出最优资源分配策略的步骤之前，还包括：

基于所述t时隙时所述发射机传输功率P_t确定信道容量；所述信道容量表示为：其中，W为频谱带宽，h_t为小尺度衰落g_t和大尺度衰落α_t的乘积，即h_t＝α_t·g_t，σ²为噪声功率；

基于所述t时隙信道容量确定发射机成功传输到接收机的数据包个数为：

其中，τ为每一个时隙长度，Z为每个包所包含的比特数；

将所述资源分配策略π中传输成功率定义为：传输的期望功耗表示为：其中，表示大括号内的事件发生的概率，表示中括号内的随机变量的期望值；

根据所述传输成功率以及所述期望功耗，确定所述资源分配策略π的优化问题，并表示为：

Ψ(π)

s.t.Υ(π)≥1-δ，

其中，δ为传输中断概率。