---

本文是对论文《Deep Reinforcement Learning for Joint Spectrum and Power Allocation in Cellular Networks》的分析，若需下载原文请依据前方标题搜索，第一作者为Yasar Sinan Nasir。

一、研究内容概述

本文作者联合使用DQN和DDPG强化学习方法，用于下行功率控制中的频带选择与能量分配。结果表明，该方法具有很好的收敛速度和泛化性能。

二、系统目标与约束

1.系统描述

如上图所示，整个功率分配系统有两部分组成，我们将其描述为顶层与底层。顶层是一个DQN网络，用于子带的选择。底层是一个DDPG网络，以顶层选择的子带作为输出，输出对应的功率分配值。

2.系统目标

系统的目标为最大化信道容量，信道容量由下式定义

其中是频带所对应的SINR值，公式如下

公式中，表示在t时刻发射机n的子带选择m(取值为0或1)。表示在t时刻发射机n的发射功率。表示高斯噪声功率值。表示t时刻，在子带m上，发射机n到接收机l的信道增益。其具体展开如下

其中为大尺度衰落，包含路径损耗和阴影衰落。为小尺度瑞利衰落。本文假设大尺度衰落在所有时隙中保持不变。小尺度衰落继续展开为

其中，是依赖于最大多普勒频率fd的第一类零阶贝塞尔函数。是具有单位方差的独立同分布的圆对称复高斯随机变量。

三、DQN、DDPG网络设计

四、性能表征

本文所提出的基于DQN与DDPG联合子带选择与功率分配模型，相较于传统的FP算法，具有更高的信道容量和值。随着系统链路规模的增大，本文所提出的算法仍能保持很好的收敛性和收敛速度。