[发明专利]一种基于混沌Q-学习算法的竞争窗口大小智能选择方法

说明书

本发明涉及一种基于混沌Q‑学习算法的竞争窗口大小智能选择方法，属于通信技术领域。该方法通过对LTE LAA和WiFi网络场景构建混沌Q‑学习框架的方式，使得LAA基站可以基于当前的环境根据历史经验智能地选择最优竞争窗口大小，进而提升共存网络的性能。本发明能够在保证共存系统的公平性前提下有效提高共存系统的吞吐量性能，同时还能够获得较低的分组时延。

技术领域：

本发明属于通信技术领域，更为具体地讲，涉及一种基于混沌Q-学习算法的竞争窗口大小智能选择方法。

背景技术：

近十几年，移动通信技术高速发展，已逐步成为人们工作和生活当中不可替代的一部分，为人们带来了极大的便利。随着用户业务种类和需求的井喷式增长，未来无线移动通信系统在技术、安全和服务等方面会出现新的挑战。为了使用户获得更好的服务体验，需要对通信系统的传输速率、分组时延以及通信容量等指标提出更高的要求。目前，业内主要提出了两种解决方案来满足高速增长的通信业务需求。第一种方案是在免授权频段上升级物理层和数据链路层技术。第二种方案是将蜂窝网技术搬移到免授权频段上工作。由于授权频谱资源不可再生，当前的免授权频段极其匮乏且频谱利用率已接近临界值，因此第一种方案无法从根本上解决问题，人们更加倾向于第二种方案作为长远解决方案。

如果将LTE技术直接应用在免授权频段上，这势必对免授权频段上现有的技术(如：WiFi网络)造成干扰进而降低系统的性能。目前，许多无线通信技术工作在免授权频段上，其中以低成本和高数据率的WiFi技术为主要技术。因此，关键问题是设计一个共存机制使得LTE与WiFi网络在免授权频段上和谐共存，既要让LTE网络获得足够的频谱满足通信需求，也要避免过度干扰到WiFi网络及其用户。

当前，工业界和学术界为了使LTE与WiFi网络在免授权频段上和谐相处提出了各种共存机制，例如：动态频谱选择(Dynamic Frequency Selection,DFS)、几乎空白子帧(Almost Blank Subframe,ABS)、载波监听自适应传输(Carrier Sensing AdaptiveTransmission,CSAT)、传输功率控制(Transmit Power Control,TPC)、免授权频段长期演进(LTE-Unlicensed,LTE-U)、“先听后说”(Listen before talk,LBT)等技术。其中，在2014年6月法国的Sophia Antipolis会议中，3GPP提出的基于LBT机制的授权辅助接入(Licensed Assisted Access,LAA)方案寻求作为全球长远解决方案。该方案一个重要特征就是LTE接入免授权频谱前需要对信道情况进行评估，即LBT机制的空闲信道评估(ClearChannel Assessment,CCA)过程。因而这种机制需要对LTE协议栈进行修改以及设备商的支持。目前3GPP、ESTI等电信组织也正在积极对LBT共存机制制定相关标准。

作为LTE与WiFi网络在免授权频段上和谐相处的全球解决方案，3GPP、ESTI等电信组织以及工业界和学术界提供了大量的LAA机制评估材料。通过研究发现，LAA机制的竞争窗口值对共存网络的性能影响很大。考虑到竞争窗口值对共存系统的影响，一个高效的退避机制将能够提高信道的频谱利用率，从而使用户获得较好的服务质量(Quality ofService,Qos)。

目前，先进的智能技术有望在未来的通信系统中发挥至关重要的作用。考虑到现有的退避机制(如二进制指数退避机制等)缺乏动态学习/训练的过程，且不能根据实时的网络环境灵活调整系统参数，这在一定程度上制约了共存网络的性能。

因此，设计一个高效智能的退避机制，通信系统将能够针对共存网络的实时环境同步生成一个合理的竞争窗口大小，这有助于提升免授权频段频谱效率。

发明内容