초록 ▼

본 발명은, 목표 통신 범위에 있는 VUE(Vehicular user equipment)의 송신 전력, 송신 안테나 이득, 수신 안테나 이득, 1m에서의 경로 손실치, 손실지수, 및 VUE 사이의 거리 중 적어도 어느 하나를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집한 데이터로 계산된 서브 채널의 누적 간섭 전력과 에이전트 VUE의 개별전력 레벨을 심층 강화학습 기반 신경망 모델에 적용하여 목표 통신 범위 내에서 최적의 PDR(packet delivery ratio)을 결정하는 학습부; 및 상기 학습부에서 결정된 최적의

본 발명은, 목표 통신 범위에 있는 VUE(Vehicular user equipment)의 송신 전력, 송신 안테나 이득, 수신 안테나 이득, 1m에서의 경로 손실치, 손실지수, 및 VUE 사이의 거리 중 적어도 어느 하나를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집한 데이터로 계산된 서브 채널의 누적 간섭 전력과 에이전트 VUE의 개별전력 레벨을 심층 강화학습 기반 신경망 모델에 적용하여 목표 통신 범위 내에서 최적의 PDR(packet delivery ratio)을 결정하는 학습부; 및 상기 학습부에서 결정된 최적의 PDR을 갖도록 VUE의 개별전력을 제어하는 제어부;를 포함하여, 목표 통신 범위 내에서 통신 성능을 최적화하는 것을 일 특징으로 한다.

대표청구항 ▼

목표 통신 범위에 있는 VUE(Vehicular user equipment)의 정보를 수집하는 데이터 수집부;상기 데이터 수집부에서 수집한 정보로 계산된 서브 채널의 누적 간섭 전력과 에이전트 VUE의 개별전력 레벨을 심층 강화학습 기반 신경망 모델에 적용하여 목표 통신 범위 내에서 최적의 PDR(packet delivery ratio)을 결정하는 학습부; 및상기 학습부에서 결정된 최적의 PDR을 갖도록 VUE의 개별전력을 제어하는 제어부;를 포함하고,상기 학습부는, 시간 t에서 상태 를 입력하여 조치를 취하고 정책 에 대한 보상

목표 통신 범위에 있는 VUE(Vehicular user equipment)의 정보를 수집하는 데이터 수집부;상기 데이터 수집부에서 수집한 정보로 계산된 서브 채널의 누적 간섭 전력과 에이전트 VUE의 개별전력 레벨을 심층 강화학습 기반 신경망 모델에 적용하여 목표 통신 범위 내에서 최적의 PDR(packet delivery ratio)을 결정하는 학습부; 및상기 학습부에서 결정된 최적의 PDR을 갖도록 VUE의 개별전력을 제어하는 제어부;를 포함하고,상기 학습부는, 시간 t에서 상태 를 입력하여 조치를 취하고 정책 에 대한 보상 를 받아, 에피소드를 경험하고 궤적을 메모리에 저장하고, 목적함수 의 기울기 를 수학식 9로 구하고, 신경망 가중치 를 수학식 12의 기울기 상승 방법을 이용하여 업데이트하는 단계를 반복하여 정책 를 최적화하고, 상기 학습부는, 목표 통신 범위 이내의 통신 성능을 최적화하기 위해 보상함수 를 수학식 15로 구하는, 목표 통신 범위 내에서 통신 성능을 최적화하는 분산전력제어 장치.[수학식 9]여기에서, 는 정책 에 따라 상태 에서 조치에 대한 기댓값이다.[수학식 12]여기에서, 는 학습률이다. [수학식 15]여기에서, [n,s,]는 n번째 서브 프레임의 s번째 서브 채널을 통해 목표 통신 범위(TCR) 으로 브로드캐스트되는 패킷 수이고, [n,s,]는 [n,s,] 패킷 중 성공적으로 수신된 패킷 수이다.