买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长春理工大学申请的专利密集用户下基于联合优化框架的D2D通信资源分配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119071928B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411281414.6，技术领域涉及：H04W72/40；该发明授权密集用户下基于联合优化框架的D2D通信资源分配方法是由陈桂芬;周嘉露;李新州;郑铠金;沈傲宸设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本密集用户下基于联合优化框架的D2D通信资源分配方法在说明书摘要公布了：本发明属于通信技术领域，尤其为密集用户下基于联合优化框架的D2D通信资源分配方法，包括以下步骤：S1：D2D通信资源分配数据采集部分及建立联合D3QN和DDPG的D2D通信资源分配的MDP决策过程；S2：设计渐进式奖励机制；S3：构建联合D3QN和DDPG优化的动作选择机制。本发明通过采用D3QN和DDPG联合D2D通信资源分配和发射功率控制方法，可以根据D2D延迟要求，每个D2D用户发射端可以自适应地控制功率并独立选择资源。并采用渐进奖励机制，使得算法在优化过程中逐步逼近最优解，解决初期探索困难、策略收敛缓慢的问题，及时平衡用户延迟高和吞吐量低之间的关系；本发明不仅可以确保蜂窝用户的正常通信，还可以在实现时延和吞吐量平衡的情况下，最大化系统吞吐量。

本发明授权密集用户下基于联合优化框架的D2D通信资源分配方法在权利要求书中公布了：1.密集用户下基于联合优化框架的D2D通信资源分配方法，其特征在于：包括以下步骤： S1：D2D通信资源分配数据采集部分及建立联合决斗双重深度Q网络D3QN和深度确定性策略梯度DDPG的D2D通信资源分配的MDP决策过程； S2：设计渐进式奖励机制； S3：构建联合D3QN和DDPG优化的动作选择机制； S4：设计包含正负样本分类、优先经验回放的深度强化学习经验池，进行D2D通信资源分配数据训练部分； S5：基于设计好的单小区密集用户场景下D2D通信系统模型,利用联合D3QN和DDPG的优化方法进行智能体与通信环境交互进行10000次迭代学习输出最优结果，进行D2D通信资源分配和发射功率控制的数据交互部分； S6：输出迭代学习后的最优策略，即单小区密集用户场景下D2D通信中的用户信道选择和发射功率分配； 所述S3中需进行初始化联合优化网络中的经验池，设置样本缓存区存储智能体与环境交互获得当前状态、当前动作、当前奖励和下一时刻的状态；初始化联合动作选择优化模型，包括D3QN和DDPG的网络参数；并具体包括以下内容： 基于联合优化网络中双动作选择机制设定： 改进贪婪策略定义： 其中Tnow表示当前回合数，εfinal表示稳定后的探索率，Tfinal表示探索率稳定时的回合数； 双动作选择机制中的动作定义： 其中表示最优子信道选择，表示在当前延迟约束下最佳发射功率； 其中采用D3QN选择最优用户子信道分配方案采用DDPG选择最佳发射功率

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春理工大学，其通讯地址为：130012 吉林省长春市朝阳区卫星路7089号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。