一种基于强化学习的信道多址接入方法

本发明提出了一种基于强化学习的信道多址接入方法，所述方法包括将信道接入过程中的竞争窗口调整建模为马尔科夫决策过程；在当前动作调整周期，使用ε-贪婪策略选择出竞争窗口动作；AP从竞争窗口集合中选择出当前状态下的最优竞争窗口；STA使用AP广播的最优竞争窗口，生成OBO退避值进行退避，直至竞争结束；AP通过触发帧给竞争成功的站点分配资源单元RU，站点使用各自分配的RU传输数据；直至当前动作调整周期结束，待一个动作调整周期后，计算出系统的性能指标作为奖励；根据当前所获得的性能指标的奖励，更新动作价值函数；重复执行以上过程不断优化竞争窗口；本发明能够提高系统吞吐量和公平性，并且降低数据传输时延。