[发明专利]基于改进卷积神经网络的移动通信系统智能预测方法

权利要求书

1.一种基于改进卷积神经网络的移动通信系统智能预测方法，其特征在于，该方法包括以下步骤：

S1：建立移动协作通信系统模型，选取2-Nakagami通信信道；

S2：针对发射天线选择TAS方案，推导出所述通信系统OP性能的闭合表达式；所述S2中，最佳TAS方案是从N_t根发射天线中选择发射天线w，使目的端的接收信噪比最大，即

γ_SDij,γ_RDqj分别表示MS_i→MD_j,MR_q→MD_j链路的信噪比，译码集合C表示为

C＝{1≤i≤N_t|C_i} (13)

|C|表示译码集合C的势，C_i表示译码集合，N_t表示发射端的天线数量；所述MS为移动信源，所述MR为多个移动中继，所述MD为移动目的端，所述MS的第i根发射天线表示为MSi，所述MD的第j根天线表示为MDj；

那么，最佳TAS方案的OP表示为：

其中R_th是中断阈值,γ_SCij表示第i根发射天线到第j根接收天线的接收信噪比，N_r表示接收端的天线数量，

其中，γ_SRjl表示MS_j→MR_l链路的信噪比，L为中继的数目，m为衰弱系数，K为功率分配系数，Ω＝E(|a|²),E()表示求均值运算；G[·]表示Meijer’s G函数；为平均信噪比，G_SR,G_SD,G_RD分别表示MS→MR,MS→MD,MR→MD链路的位置增益，G_SD＝1；

V₁表示为

V₂表示为

S3：选取CNN模型，并将该模型中的池化层去除，将影响通信系统OP性能的信道参数作为该模型输入，再通过训练样本进行训练，即得到基于改进卷积神经网络的移动通信系统智能预测模型。

2.如权利要求1所述的移动通信系统智能预测方法，其特征在于，所述S3中，CNN模型构造过程包括数据预处理、卷积层搭建和全连接层搭建。

3.如权利要求1所述的移动通信系统智能预测方法，其特征在于，所述S3中，选取8个信道参数：m_SR,m_RD,m_SD,G_SR,G_RD,K,γ_th,其中m_SR,m_SD,m_RD分别表示MS→MR,MS→MD,MR→MD链路的衰弱系数；X表示为

X＝(x₁,x₂,...,x₈) (22)然后利用X，通过所述公式(14)，就计算得到了输出y，即为OP性能。

4.如权利要求1所述的移动通信系统智能预测方法，其特征在于，所述S3中，使用贪心算法与迁移学习训练CNN模型，采用均方误差(MSE)作为损失函数，损失函数表示如下：

其中,y^z是第z个输入对应的实际输出,d^z是其理想的输出，PP是测试集的数目。