Deep Reinforcement Learning Based Algorithm for Symbiotic Radio IoT Throughput Optimization in 6G Network

计算机科学 吞吐量 电信线路 基站 计算机网络 聚类分析 传输(电信) 最优化问题 强化学习 选择算法 无线网络 无线 继电器 算法 实时计算 选择(遗传算法) 功率(物理) 人工智能 电信 物理 量子力学
作者
Gergs M. Salama,Samar Shaker Metwly,E. G. Shehata,Ahmed M. Abd El‐Haleem
出处
期刊:IEEE Access [Institute of Electrical and Electronics Engineers]
卷期号:11: 42331-42342 被引量:2
标识
DOI:10.1109/access.2023.3271423
摘要

Internet of Things (IoT) -based 6G is expected to revolutionize our world. Various candidate technologies have been proposed to meet IoT system requirements based on 6G, symbiotic radio (SR) is one of these technologies. This paper aims to use symbiotic radio technology to support the passive Internet of things and enhance uplink transmission performance. The IoT tag information is sent to the cloud for analysis through a macro base station (MBS) or a wireless access point (WAP), where the smartphones are used as a relay to transmit this information to the MBS or WAP. In this paper, an optimization problem was formulated into two phases to maximize the total throughput of the system. The first phase is, the problem of achieving the optimum mode selection of the LTE or Wi-Fi Network, aiming to maximize the system throughput. A matching game algorithm is used to solve this problem. Second phase, the problem of achieving optimum clustering of tags, where the tags are divided into virtual clusters, and finding which smartphones’ LTE/Wi-Fi downlink signals all cluster members can ride to maximize the system throughput. A double deep Q-network (DDQN) model was proposed to solve this problem. Simulation results show that our proposed algorithms increase the total system data rate by an average of 90% above the system using the LTE network first without DDQL algorithm. Furthermore, it enhances the capacity of the system on average by 100% above LTE network first system without the DDQL algorithm.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
萧水白应助张宝采纳,获得10
3秒前
虚幻靖易完成签到,获得积分10
5秒前
慕青应助等待的音响采纳,获得10
6秒前
丘比特应助hao123采纳,获得10
8秒前
10秒前
科研通AI2S应助繁荣的路灯采纳,获得10
13秒前
321完成签到,获得积分10
14秒前
啦啦啦发布了新的文献求助10
15秒前
Eopue发布了新的文献求助10
15秒前
16秒前
17秒前
18秒前
ynchaoren完成签到,获得积分10
20秒前
卷卷酱完成签到,获得积分10
20秒前
ynchaoren发布了新的文献求助10
22秒前
Tmac发布了新的文献求助10
23秒前
调研昵称发布了新的文献求助30
24秒前
哈哈哈哈哈完成签到 ,获得积分10
26秒前
29秒前
33秒前
34秒前
程静亭完成签到,获得积分20
34秒前
36秒前
甜崽发布了新的文献求助30
36秒前
一叶舟完成签到 ,获得积分10
36秒前
37秒前
38秒前
39秒前
39秒前
大额完成签到,获得积分10
41秒前
塔菲尔完成签到 ,获得积分10
42秒前
43秒前
清爽的觅儿完成签到,获得积分10
45秒前
47秒前
万能图书馆应助justin采纳,获得30
48秒前
耍酷的白梦完成签到,获得积分10
48秒前
Eopue完成签到,获得积分10
49秒前
大额发布了新的文献求助10
50秒前
51秒前
高分求助中
Earth System Geophysics 1000
Co-opetition under Endogenous Bargaining Power 666
Medicina di laboratorio. Logica e patologia clinica 600
Handbook of Marine Craft Hydrodynamics and Motion Control, 2nd Edition 500
Sarcolestes leedsi Lydekker, an ankylosaurian dinosaur from the Middle Jurassic of England 500
《关于整治突出dupin问题的实施意见》(厅字〔2019〕52号) 500
Language injustice and social equity in EMI policies in China 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3212387
求助须知:如何正确求助?哪些是违规求助? 2861232
关于积分的说明 8127731
捐赠科研通 2527172
什么是DOI,文献DOI怎么找? 1360782
科研通“疑难数据库(出版商)”最低求助积分说明 643322
邀请新用户注册赠送积分活动 615664