《表2 信道仿真参数设计：一种利用优先经验回放深度Q-Learning的频谱接入算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种利用优先经验回放深度Q-Learning的频谱接入算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本节分别对传统的随机频谱接入算法[11]、DDQN的频谱接入算法[8]及本文提出的PER-DDQN频谱接入算法在Matlab平台上进行仿真。假设在认知无线传感器网络的通信环境中，存在N=8个离散的PU信道，其信道参数如表2所示。DDQN频谱接入算法与本文提出的算法采用相同的完全连接的神经网络结构，神经元的激活函数是ReLU单元函数，即f（x）=max（x，0）。当更新MainNet的网络参数时，从经验库的200个经验中选择20个经验样本用于计算损失函数。设置每个时隙的时间长度20 ms，频谱感知时间Ts=2 ms[12]，TargetNet每隔10个时隙更新一次。频谱感知时间假设SU一直需要进行数据传输，将三种算法进行15轮迭代，得到SU的平均存活节点个数、平均阻塞概率和吞吐量。