1.免授权频段上的一种智能共存方法，其特征在于：该方法包括以下步骤：

S1：设计LAA小基站动作集合、奖励函数以及状态集合；首先，在现有共存机制的基础上，为LTE系统设计一种智能的MAC协议，并基于该协议提出一种频谱共享框架；使用期望的WiFi数据包交付率n′/n来表示WiFi网络性能是否受到保护，其中n′表示每个TF中成功传输的WiFi数据包数量，n表示每个TF中待传输的WiFi数据包数量；因此，将此共存问题描述为：max TSBS/TF

其中TSBS/TF表示归一化的LAA小基站的吞吐量， 表示期望的WiFi数据包的到达率不低于保证率 将共存系统视为一个随机环境，把LAA小基站的频谱接入问题建模为马尔可夫决策过程，并从待解决的问题中映射出MDP中的关键元素：动作集合A、奖励函数 以及状态s；

其中，将奖励函数定义为：

根据所提出的MAC协议，LAA小基站的动作实际上为接入条件、接入长度和休眠时长的组合，并分别用Td、TL、Tq表示，则动作at表示为[Td,TL,Tq]；TL和Tq都存在各自的最大和最小值，其基本单位为毫秒，Td表示LAA小基站的侦听周期，单位为时隙；

状态s是决策的基础，其包含信息以指示WiFi网络的运行情况；LAA小基站通过能量探测技术监控信道活动收集WiFi活动，得到在每个LAA帧中成功发送的WiFi数据包数量、冲突的数量和空闲时隙的数量，并分别用ns，nc和TI来表示；除此之外，还包括在状态st时采取的动作at和得到的奖励rt；则状态st+1表示为：st+1＝

S2：初始化环境状态，LAA小基站通过监测环境状态，获取当前的环境信息st，并将其作为输入，传递给当前值网络，当前值网络根据st对每个动作的Q值进行估计；

S3：根据ε‑greedy策略，LAA小基站以概率(1‑ε)选择最大Q值对应的动作at，以概率ε随机选择动作at；

S4：LAA小基站执行动作at与环境进行交互，得到一个关于动作at的奖励值R(at,st)，环境的状态从st更新为st+1；LAA小基站与环境的每一次交互都会得到一个经验样本et＝，LAA小基站将此经验样本保存至的记忆池D＝{e1,e2,...et}中；

S5：在得到经验样本后，LAA小基站以批量化的方式将经验样本喂给估计值网络，并应用梯度下降算法最小化损失函数L(θ)，将估计值网络的权重θt更新为θt+1；

其中，损失函数定义为：

S6：重复步骤S3‑S5，LAA小基站不断与环境交互，利用经验样本反复训练神经网络并更* *新其权重θ，直到得到最佳权重θ，最终得到最佳接入策略π(s)，直到达到目标状态。