[发明专利]一种基于深度学习的功率分配方法及分配装置

说明书

本发明实施例提供了一种基于深度学习的功率分配方法及分配装置，其中方法包括：获取用户的信道矩阵；对信道矩阵进行奇异值分解处理，得到等效信道特征值以及左酉矩阵；基于等效信道特征值以及用户的预设功率限制参数，生成用户的信道特征信息；将信道特征信息输入预先训练好的全连接神经网络模型中，得到用户的数据流数；基于用户的数据流数，等效信道特征值，以及左酉矩阵，构建用户的功率分配协方差矩阵；基于用户的功率分配协方差矩阵，为用户分配传输功率。本发明实施例能够提高分配传输功率的效率。

技术领域

本发明涉及无线通信技术领域，特别是涉及一种基于深度学习的功率分配方法及分配装置。

背景技术

MIMO(Multiple-Input Multiple-Output，多入多出)技术，是一种能够利用发射端的多个天线各自独立发送信号，同时在接收端用多个天线接收并恢复原信息的技术，随着通信技术不断发展，MIMO技术已经成为无线通信系统的关键技术之一。

MIMO技术可以应用于单用户MIMO信道场景或者MIMO-MAC(MIMO-Multiple AccessChannel，多址接入信道)信道场景中，其中，单用户MIMO信道场景是针对单个接入系统的用户而言，MIMO-MAC信道场景是针对多个接入系统的用户而言，可以认为，单用户MIMO信道场景是MIMO-MAC场景的一种特殊情况。对于单用户MIMO信道场景和MIMO-MAC场景，都需要计算用户的功率分配协方差矩阵，从而根据功率分配协方差矩阵为用户分配传输功率。

现有技术在为用户分配传输功率时，通常采用注水算法计算出用户的功率分配协方差矩阵。然而，现有技术利用注水算法计算用户的功率分配协方差矩阵时，均需要进行多次迭代计算，这种多次迭代的计算方法不仅计算量大，而且计算复杂度高，不利于快速为用户分配传输功率。

发明内容

本发明实施例的目的在于提供一种基于深度学习的功率分配方法及分配装置，以实现降低计算功率分配协方差矩阵过程中的计算复杂度，从而提高分配传输功率的效率。具体技术方案如下：

第一方面，本发明实施例提供了一种基于深度学习的功率分配方法，所述方法包括：

获取用户的信道矩阵；

对所述信道矩阵进行奇异值分解处理，得到等效信道特征值以及左酉矩阵，其中，所述等效信道特征值为与所述信道矩阵对应的等效信道中所包括的多个正交信道各自对应的奇异值；

基于所述等效信道特征值以及所述用户的预设功率限制参数，生成所述用户的信道特征信息；

将所述信道特征信息输入预先训练好的全连接神经网络模型中，得到所述用户的数据流数，所述数据流数用于表示为用户分配的数据流量大小；

基于所述用户的数据流数，所述等效信道特征值，以及所述左酉矩阵，构建所述用户的功率分配协方差矩阵；

基于所述用户的功率分配协方差矩阵，为所述用户分配传输功率。

可选的，当所述用户的数量为一个时，该用户处于多入多出MIMO信道场景，所述基于所述等效信道特征值，所述左酉矩阵，以及所述用户的数据流数，计算所述用户的功率分配协方差矩阵的步骤，包括：

基于该单个用户的等效信道特征值，左酉矩阵，以及该单个用户的数据流数，计算该单个用户的功率分配协方差矩阵；

所述基于所述用户的功率分配协方差矩阵，为所述用户分配传输功率的步骤，包括：

基于该单个用户的功率分配协方差矩阵，为该单个用户分配传输功率。

可选的，当所述用户的数量为多个时，所述用户处于多址接入信道MIMO-MAC信道场景，所述基于所述等效信道特征值，所述左酉矩阵，以及所述用户的数据流数，计算所述用户的功率分配协方差矩阵的步骤，包括：