💥1 概述
随着通信产业尤其是个人移动通信的高速发展，无线电频谱的低端频率已趋饱和，即使是采用高斯滤波最小频移键控（GMSK）调制或各种多址技术扩大通信系统的容量，提高频谱的利用率，也无法满足未来通信发展的需求，因而实现高速、宽带的无线通信势必向微波高频段开发新的频谱资源。毫米波由于其波长短、频带宽，可以有效地解决高速宽带无线接入面临的许多问题，因而在短距离无线通信中有着广泛的应用前景。
毫米波通信可在5G无线通信系统超密集网络场景中提供显著的系统容量增益,但毫米波通信场景中干扰复杂多变,并且小区边缘用户动态链路的高阻塞率会引起中断问题。
📚2 运行结果
🎉3 参考文献
[1]施钊,孙长印,江帆.毫米波网络中基于Q-Learning的阻塞感知功率分配[J].计算机工程,2020,46(12):185-192
👨💻4 Matlab代码
主函数部分代码：
clc;clear all; x = [0.1 0.3 0.5 0.7]; y1 = [0.3 7.2e-03 6.6e-05 6.6e-05]; y2 = [0.337 2.3e-03 1.757e-05 1.356e-05]; figure(); plot(x,y1); hold on; plot (x, y2,'k'); xlabel('\lambda'); title('Optimal Power Allocation Ratio(p_1) of direct path wrt \lambda'); legend('Optimal p', 'Optimal capacity'); x = [0.2 0.6 1 5]; y1 = [0.3 0.25 0.2 6.6e-05]; y2 = [0.264 0.16 0.12 0.04]; figure(); plot(x,y1); hold on; plot (x, y2,'k'); xlabel('Noise Power'); title('Optimal Power Allocation Ratio(p_1) of direct path wrt noise power'); legend('Optimal p', 'Optimal capacity'); x = [0.5 1 2 3]; y1 = [0.3 0.3 0.3 0.12]; y2 = [0.827 0.661 0.337 0.082]; figure(); plot(x,y1); hold on; plot (x, y2,'k'); xlabel('\alpha'); title('Optimal Power Allocation Ratio(p_1) of direct path wrt \alpha'); legend('Optimal p', 'Optimal capacity'); x = [0.3 0.5 0.8 1]; y1 = [0.42 0.36 0.31 0.29]; y2 = [0.26 0.29 0.32 0.34]; figure(); plot(x,y1); hold on; plot (x, y2,'k'); xlabel('\beta'); title('Optimal Power Allocation Ratio(p_1) of direct path wrt \beta'); legend('Optimal p', 'Optimal capacity');
