研究人员开发了一个策略驱动的深度强化学习框架，用于管理在非授权频谱中运行的NR-U和Wi-Fi网络之间的资源分配。该框架使用深度Q网络学习自适应TXOP控制策略，解决了频谱利用不平衡和Wi-Fi性能下降的问题。通过不同的策略设计，该系统可以明确控制公平性、吞吐量和服务质量之间的权衡。 AI
影响 引入了一种新颖的DRL方法来优化频谱共存，有望改善共享无线环境下的性能。
排序理由 这是一篇详细介绍网络资源管理新框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.00457v1 Announce Type: cross Abstract: The coexistence of NR-U and Wi-Fi in unlicensed spectrum introduces a system-level resource coordination problem, where heterogeneous channel access mechanisms lead to a significant imbalance in spectrum utilization and degraded W…
The coexistence of NR-U and Wi-Fi in unlicensed spectrum introduces a system-level resource coordination problem, where heterogeneous channel access mechanisms lead to a significant imbalance in spectrum utilization and degraded Wi-Fi performance. To address this challenge, we pr…