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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利基于协同多点传输和深度强化学习的资源分配方法、系统及存储介质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：CN119997237B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202510131403.8，技术领域涉及：H04W72/50；该发明授权基于协同多点传输和深度强化学习的资源分配方法、系统及存储介质是由石兵;郑福春设计研发完成，并于2025-02-06向国家知识产权局提交的专利申请。

本基于协同多点传输和深度强化学习的资源分配方法、系统及存储介质在说明书摘要公布了：本发明提供了一种基于协同多点传输和深度强化学习的资源分配方法、系统及存储介质，该资源分配方法包括：步骤1：引入针对URLLC用户的BLER中断概率，将eMBB和URLLC联合资源分配问题建模为CMDP问题；步骤2：采用基于约束修正策略优化的孪生延迟深度确定性策略梯度算法，通过线下训练，使算法在线上能利用前向传播以低复杂度找到最优资源分配策略，降低算法的处理时延。本发明的有益效果是：能满足多蜂窝网络下的URLLC时延与可靠性要求，能在高移动性场景中满足URLLC的QoS指标。同时，通过动态调控URLLC导频长度和数据传输符号数，能有效降低eMBB用户性能因URLLC用户抢占资源而受到的衰减。

本发明授权基于协同多点传输和深度强化学习的资源分配方法、系统及存储介质在权利要求书中公布了：1.一种基于协同多点传输和深度强化学习的资源分配方法，其特征在于，包括以下步骤： 步骤1：引入针对URLLC用户的BLER中断概率，并将eMBB和URLLC联合资源分配问题建模为CMDP问题； 步骤2：采用基于约束修正策略优化的孪生延迟深度确定性策略梯度算法，通过线下训练，使该算法在线上能利用深度神经网络前向传播以低复杂度找到最优资源分配策略，从而降低算法的处理时延; 在所述步骤1中，包括如下步骤： 步骤S1：基于不完美信道互异性、信道估计时延的不完美性、信道估计误差的不完美性，得到不完美信道的数学建模，如下所示： 1.4 其中； 步骤S2：求取不完美信道下URLLC用户的信干噪比，表述如下： 1.5 其中代表了不完美信道的影响，是预编码向量，为干扰信号，是高斯白噪声； 步骤S3：假设URLLC数据包短包包长为，当RRH簇在时刻将URLLC包通过信道编码编译成个OFDM符号时，可达误块率由短包公式近似为： 1.6 其中分别是子载波间距和单符号持续时间，是URLLC包实际传输速率，是信道散度； 步骤S4：定义BLER中断概率，建模CMDP问题； 在所述步骤S1中，不完美信道互异性： 在TDD系统中，上、下行链路的信道向量建模如下： 1.1 其中分别表示上、下行链路在时刻的信道向量，刻画了不完美信道互易的不确定性，代表信道互异系数； 信道估计时延的不完美性： 在CoMP系统中，用数学语言表述信道估计时延影响的公式如下： 1.2 其中是在时刻的真实信道，表示信道估计时延，是随机向量，是信道相关系数； 信道估计误差的不完美性： 将信道估计误差表述为真实信道与估计信道的差值，表述为这里代表时刻的估计信道， 同时信道估计误差是一个随机向量，服从圆对称复高斯分布，即，方差的数学形式如下： 1.3 这里和分别代表时隙的路径损耗和RRH最大传输功率，代表噪声方差，则表示在时隙分配给URLLC用户的导频长度。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。

以上内容由龙图腾AI智能生成。