[发明专利]一种共生网络中用户关联的方法

说明书

本发明属于无线通信技术领域，涉及一种共生网络中用户关联的方法。本发明目标是找出一种有效的用户关联方案使所有蜂窝用户的速率和最大。因想要获得全部的实时信道信息非常困难，本发明提出利用深度强化学习来进行用户关联，然后根据当前总速率大小自适应地调整用户关联方案。基于深度强化学习的用户关联方法：利用在上一帧采集得到的历史信息，通过深度强化学习来进行当前信道预测，进而为在下一帧作出合适的用户关联决策。本发明不需要实时得到所有链路的信道信息，而是根据历史信息进行预测当前决策的有效信息，进而得到使所有IoT设备合速率最大的用户关联策略。

技术领域

本发明属于无线通信技术领域，涉及一种共生网络中基于深度强化学习的用户关联的方法。

背景技术

物联网(IoT)设备数量的指数增长将导致未来对无线频谱和网络基础设施的巨大需求。为了支持大规模IoT设备连接，这非常需要设计一种频谱，能源和基础设施高效的通信技术。共生无线电(SR)被是一种可行的解决方案，在SR中，IoT传输寄生在传统网络中。特别地，IoT设备通过反射从传统发射机接收的信号来发送它们的消息，而不需要有源射频(RF)链。这意味着物联网设备的数据传输使用无源无线电技术，并且不需要专用频谱和基础设施。

SR系统有三个节点：RF源，IoT设备和接收机。IoT设备通过改变反射系数来反射环境RF源信号来将信息传输到接收机。接收机接收两种类型的信号：来自RF源的直接链路信号和来自IoT设备的反向散射链路信号。反向散射链路信号包含RF源消息，并且IoT设备的传输速率低于传统系统的传输速率，这意味着反向散射链路可以被视为传统传输的附加路径，来提高传统通信系统的性能。因此SR系统可以实现传统通信系统和IoT通信的互利共生。

发明内容

本发明考虑蜂窝网络和IoT网络的共生模型，本发明设计了如图1所示的共生网络，蜂窝网络中的基站(BS)服务M个蜂窝用户，而IoT网络中的N个IoT设备通过反射来自BS的接收信号来将它们的消息发送到相关的蜂窝用户。本发明设计了在此SR网络中的传输协议，如图2所示，BS通过时间多址接入(TDMA)的方式服务多个蜂窝用户，IoT设备仅在一个关联的时隙中发送信息。蜂窝用户使用连续干扰消除(SIC)策略对来自BS和相关联的IoT设备信号进行解码。

在此SR网络中，所有的信道由两部分组成：大尺度衰落和小尺度衰落。如图1所示，在SR中，表示从BS到用户m的信道系数，表示从BS到IoT设备n的信道系数，表示从IoT设备n到用户m的信道系数，其中λ_m,λ_n,λ_m,n分别表示大尺度衰落，分别表示对应的小尺度衰落。大尺度衰落和两个通信节点的距离有关，小尺度衰落在一帧中保持不变，但是不同帧之间会发生变化。本发明用Jakes模型来表述第t帧的小尺度衰落的变化，即

其中m＝1,…,M,n＝1,…,N并且并且e_m(t),e_n(t),e_m,n(t)是服从的独立同分布的随机变量。是指均值为μ方差为σ²的复高斯，ρ是指不同帧之间的信道相关系数。

BS在一帧中的一个时隙给用户m传输的信息为x_m，IoT设备n将自己的信息c_n传送给关联的蜂窝用户，本发明假定IoT设备的传输周期是BS传输周期的K倍。则用户m接收到的信号可以写为

其中p是BS的传输功率，α_n表示IoT设备n的反射系数，u_m表示用户m端的复高斯噪声，服从分布并且a_m,n∈{0,1}表示用户关联指数，如果a_m,n＝1，则与IoT设备n关联的是用户m。