买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种基于强化学习的分布式物联网系统无线传输方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116321005B 。

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310297090.4，技术领域涉及：H04W4/029；该发明授权一种基于强化学习的分布式物联网系统无线传输方法是由刘楠;许宪哲;潘志文设计研发完成，并于2023-03-24向国家知识产权局提交的专利申请。

本一种基于强化学习的分布式物联网系统无线传输方法在说明书摘要公布了：本发明公开了一种基于强化学习的分布式物联网系统无线传输方法。使用了AgeofinformationAoI和能量消耗作为衡量指标，每一个设备都是独立的，它们去监测车辆的位置信息并将其传输给基站，而由于有限的无线资源，只有部分设备可以传输，所以使用了强化学习IPPO算法用于决策哪些设备可以传输，IPPO算法可以实现对采样到的样本进行多次利用，解决了样本利用率低的问题，降低了计算时间复杂度，提高了设备传输的效率。

本发明授权一种基于强化学习的分布式物联网系统无线传输方法在权利要求书中公布了：1.一种基于强化学习的分布式物联网系统无线传输方法，其特征在于，包括如下步骤： 建立分布式物联网系统无线传输问题所对应的数学模型； 根据所述数学模型搭建对应的仿真环境，以及初始化该环境中用的各项参数，包括所述分布式物联网系统中设备s的AoI，设备s与基站的信道增益集合，设备s最多能储存的能量，设备s能采样的最大频率，设备s采样所消耗的能量，设备s上行传输所消耗的能量，设备s下行传输所接收的能量； 在设备侧，为每个设备设定一个智能体，将所述数学模型转化为一个马尔可夫决策过程：S,A,R，其中S表示状态空间，A表示动作空间，R表示奖励函数； 采用强化学习IPPO算法训练智能体，用于决策满足各项约束并且使得AoI和能量消耗最少的传输方案； 所述数学模型包括如下内容： 所述分布式物联网系统包括N个单天线物联网设备和一个具有M个天线的基站，其中每个物联网设备都需要向基站传输实时的数据包；物联网设备是分布式的，即各个物联网设备不能相互通信，而基站只知道当前时隙的无线信道信息，而对后面时隙的信道只知道统计的信息； 引入AoI来衡量信息传输的及时性；在基站方面，AoI定义为自上次成功接收到最新数据包以来经过的时隙数，在物联网设备方面，AoI定义为自上次成功采样以来经过的时隙数；设置一个最大值Ma来限制AoI的上限值，当AoI达到最大值Ma后，信息可以被认为是没有意义的； 基站有一个固定的能量源，每一个物联网设备都有一个射频能量采集电路，用于接受基站所发出的射频信号的能量，然后储存在自己的电池中，能量最多可以储存Bmax焦耳，接受的决定在设备处，设备通过控制信道把决定告诉基站；基站只要有至少一个设备需要充电，基站就发射； 在物联网设备采样方面，设备s在时刻t决定采样相应物理过程的间隔，而采样的最大间隔为Δs,t，当距离最近一次采样的时间δs,t小于Δs,t时，满足奈奎斯特-香农采样理论，此时，采样的信息精确代表物理过程的变化，反之，则不能精确代表物理过程的变化；用ss,t＝1来表示采样，用ss,t＝0来表示没有采样，采样消耗的能量为Es,1；在无线信道传输方面，使用正交频分多址用于采样信息的传输，用us,t＝1来表示上行传输，此时设备向基站传输更新数据包，需要消耗电量Es,2，用us,t＝0来表示下行传输，此时基站广播射频信号给设备用于充电，充电的能量为Es,3，用us,t＝2来表示设备s保持空闲。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。