面向分布式动态6G应用的语义感知多址接入方案

语义感知范式的出现为创新服务提供了机遇，特别是在基于6G的应用背景下。尽管在语义提取技术方面取得了显著进展，但将语义信息纳入资源分配决策仍处于早期阶段，缺乏对未来系统需求和特性的考虑。为此，本文提出了一种新的无线频谱多址接入问题公式。它旨在优化利用-公平性权衡，使用$\alpha$公平性度量，同时通过引入自吞吐量和辅助吞吐量的概念来考虑用户数据相关性。首先，分析该问题以确定其最优解。随后，提出了一种语义感知多智能体双决斗深度Q学习（SAMA-D3QL）技术。该方法基于无模型多智能体深度强化学习（MADRL），使终端设备能够仅基于本地个体观测自主做出无线频谱接入决策。通过单信道和多信道两种场景评估了所提出技术的效率。结果表明，在一系列$\alpha$值、关联矩阵和信道下，SAMA-D3QL始终优于其他方法。这使其成为促进未来联邦动态演进应用实现的有前景的候选方案。