[发明专利]一种基于深度学习的携能NOMA系统的资源分配方法在审
申请号: | 201910133936.4 | 申请日: | 2019-02-22 |
公开(公告)号: | CN110113179A | 公开(公告)日: | 2019-08-09 |
发明(设计)人: | 唐杰;罗静慈;冯婉媚;宋静茹;唐珩膑;苏智杰 | 申请(专利权)人: | 华南理工大学 |
主分类号: | H04L12/24 | 分类号: | H04L12/24 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 裴磊磊 |
地址: | 510640 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 联合资源分配 发射功率 资源分配 数学优化问题 学习算法 构建 最小化系统 用户服务 低功耗 低时延 最小化 节能 学习 | ||
本发明公开了一种基于深度学习的携能NOMA系统的资源分配方法,包括以下步骤:(1)构建携能NOMA系统中基于发射功率最小化的联合资源分配的数学优化问题;(2)设计基于深度学习算法的联合资源分配策略。本发明针对携能NOMA系统,从节能的角度出发,构建了在满足用户服务质量(Quality of Service,QoS)需求和发射功率约束的条件下,最小化系统发射功率的数学优化问题,并设计了基于深度学习算法的联合资源分配策略,实现了低功耗资源分配的同时,更加地符合了低时延的要求。
技术领域
本发明涉及无线通信技术领域,具体涉及一种基于深度学习的携能NOMA系统的资源分配方法。
背景技术
近些年来,无线通信技术的不断发展,给人类社会生产生活的各个方面都带来了深刻的变革,但是也面临着两方面的问题。一方面,无线频谱资源的短缺与通信网络越来越拥挤之间的矛盾日益突出,因此,研究新型的技术以提升频谱效率是一个关键的问题;另一方面,能源短缺的全球性问题与无线通信系统的发展所带来的巨大能源消耗之间的矛盾也不断凸显,绿色通信成为未来移动通信发展的核心理念,因此,如何提高通信系统的能量效率也引起了学术界乃至工业界的广泛关注。
由于无线携能通信技术(Simultaneous Wireless Information and PowerTransfer,SWIPT)和多载波非正交多址接入技术(Non-Orthogonal Multiple Access,NOMA)分别在提高系统能量效率和频谱效率方面发挥着重要的作用,因此也成为未来第五代(Five Generation,5G)以及更后的移动通信网络中的具有前景的技术。
现有的将SWIPT技术应用到NOMA方案中的研究大多数是针对单载波系统,包括基于系统吞吐量、安全速率、中断概率或者功率采集等方面的研究,而SWIPT技术应用到多载波NOMA方案的研究,特别是从绿色通信的角度出发,基于最小化系统发射功率的研究,还是一个开放性问题。
然而,对于这种耦合的针对携能多载波NOMA系统,最小化系统发射功率的资源分配问题,传统方法几乎都是基于循环迭代机制,需要消耗相当长的时间才可以收敛,不符合通信系统对于低时延的要求。近几年,深度学习方法已经被应用于解决通信系统中一些基本的高复杂度的资源分配问题,比如链路估计、网络流量分配、移动性预测、资源分配等。
发明内容
本发明的目的是针对现有技术的不足,构建了携能多载波NOMA系统基于最小化系统发射功率的数学优化问题,并设计了一个基于深度学习的资源分配优化算法,实现了低功耗资源分配的同时,更加地符合了低时延的要求。所要解决的技术问题包括:
问题1:构建了携能多载波NOMA系统基于最小化系统发射功率的数学优化问题;
问题2:设计一个基于深度学习的资源分配优化算法,并训练一组深度置信网络来实现更好的资源分配。
本发明的目的可以通过如下技术方案实现:
一种基于深度学习的携能NOMA系统的资源分配方法,所述方法包括以下步骤:
步骤1:构建携能NOMA系统中基于发射功率最小化的联合资源分配的数学优化问题,包括优化变量、优化目标函数及约束条件;
步骤2:基于深度学习算法,建立携能NOMA系统基于发射功率最小化的联合资源分配策略。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明构建了携能NOMA系统中发射功率最小化的优化问题,在满足用户QoS需求和发射功率约束的条件下,更加符合了绿色通信的理念。
2、本发明设计了基于深度学习算法的联合资源分配策略,实现了低功耗资源分配的同时,更加地符合了低时延的要求。
附图说明
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910133936.4/2.html,转载请声明来源钻瓜专利网。