基于深度强化学习的C-V2X车联网信息年龄与能耗优化

为解决通信延迟问题，第三代合作伙伴计划定义了蜂窝车联网技术，其中包括用于直接车对车通信的V2V通信。然而，该方法要求车辆基于半持久调度协议自主选择通信资源，可能导致不同车辆共享相同通信资源而发生碰撞，从而影响通信效果。非正交多址接入被视为处理大规模车辆通信的潜在解决方案，它可以通过采用连续干扰消除来增强信干噪比，从而减少通信碰撞的负面影响。在评估车辆通信性能时，传统指标如可靠性和传输延迟存在一定矛盾。引入新指标信息年龄可以更全面地评估通信系统。此外，为确保服务质量，用户终端需要具备高计算能力，这可能导致能耗增加，因此需要在通信能耗与效果之间进行权衡。鉴于通信系统的复杂性和动态性，深度强化学习作为一种智能学习方法，能够在动态环境中学习最优策略。因此，本文分析了多优先级队列和非正交多址接入对C-V2X车辆通信系统中信息年龄的影响，并提出了一种基于深度强化学习的能耗与信息年龄优化方法。最后，通过与基线方法的对比仿真，所提方法在能耗和信息年龄方面展示了其先进性。