[发明专利]一种基于交叉熵学习的异构网络用户接入方法

权利要求书

1.一种基于交叉熵学习的异构网络用户接入方法，其特征在于，包括以下步骤：

1)根据当前信道状态信息，计算各基站到用户的信干噪比和频谱效率，其中，基站j到用户i的信干噪比和频谱效率分别按照如下公式计算：

SINR_ij表示基站j到用户i的信干噪比，下标q表示基站集合中标号不为j的基站标号，P_j表示基站j的发射功率，P_q表示基站q的发射功率，h_ij表示基站j到用户i之间的信道增益，h_iq表示基站q到用户i的信道增益，信道增益仅考虑路径损耗，σ²表示噪声功率，和分别表示用户标号的集合和基站标号的集合，R_ij表示基站j到用户i的频谱效率，W是系统带宽，x_ij指示用户i是否接入基站j，如果用户i接入基站j，则x_ij＝1，反之x_ij＝0，log(·)表示取底为2的对数操作；

2)将最大化网络效用函数的用户接入问题建立为如下数学优化问题：

X＝(x₁₁,...,x_1J,...,x_IJ)^T是表示用户接入的矩阵，I是用户数目，J是基站数目，上标(·)^T表示向量和矩阵的转置操作，U_i(·)是效用函数，异构网络中考虑负载平衡采用的效用函数可以取为对数函数；

3)将用户接入矩阵X建模为随机变量x，x服从贝努利分布，即表示为x～Ber(u)，其中u表示贝努利分布中定义的成功概率，由此，所述数学优化问题转化为一个交叉熵最小化问题，即寻找随机变量x最优概率分布中对应的参数u，所述交叉熵最小化问题具体建模如下：

ln(·)是取底为自然数的对数操作，q(x)是观测到的样本概率分布，x＝(x₁,...,x_n,...,x_N)^T，x_n代表x中第n个元素，N＝IJ，u＝(u₁,...,u_n,...,u_N)^T，u_n表示x_n取1的概率，p(x；u)表示服从参数为u的贝努利分布的随机变量x的概率分布函数，具体表示如下：

4)利用统计采样方法进行迭代求解所述交叉熵最小化问题，得到最优的用户接入矩阵X；

所述迭代求解算法具体按如下步骤进行：

步骤1：令迭代次数变量t＝0，初始化参数其中，1表示元素全为1的向量，设置最大迭代次数T，取T＝20；

步骤2：根据所述随机变量x的概率分布函数，随机产生S个服从参数为u^(t)的贝努利分布的随机样本，产生获得的随机样本记为：其中表示第s个样本，其对应的用户接入矩阵表示为取S＝cN，c为1到10之间的任意常数；

步骤3：计算各样本对应的目标函数值，计算公式为：

步骤4：将S个目标函数值按降序排列，将对应目标函数值由大到小的样本分别记为x^max,1，x^max,2，…，x^max,S，即目标函数值满足：F(x^max,1)≥F(x^max,2)≥...≥F(x^max,S)，选择前S_elite个样本作为表现较好的矩阵，即S_elite＝βS，其中0β≤1；

步骤5：根据下面公式更新概率参数u^(t+1)：

u^(t+1)＝αv+(1-α)u^(t)

其中，α是权重因子，满足0≤α≤1，v＝(v₁,...,v_n,...,v_N)^T是中间变量，按照下面公式计算：

步骤6：判断若tT，t＝t+1，重复步骤2-6；若t＝T，停止迭代，输出X^max,1作为最优用户接入矩阵。