[发明专利]一种基于机器学习的非正交多址中的用户通用分组方法

说明书

本发明涉及一种基于机器学习的非正交多址中的用户通用分组方法，包括步骤1：获取系统内所有用户的发射功率预算以及信道增益系数数据；步骤2：构建多用户分组通信模型；步骤3：求解多用户分组通信模型，获得功率优化闭式解以及用户分组解；步骤4：根据用户分组解对用户进行分组，并通过功率优化闭式解进行功率控制，完成用户通用分组。与现有技术相比，本发明具有实现用户重叠分组、提高用户接入量、兼顾计算复杂度和有效性等优点。

技术领域

本发明涉及智能信息采集技术领域，尤其是涉及一种基于机器学习的非正交多址中的用户通用分组方法。

背景技术

随着有限的频谱资源不断耗尽，5G和未来的实际通信系统中，多址接入的问题十分具有挑战。另一方面，物联网(IoT)已经成为一套独具特色的网络体系，其中各类小型部件与传感器都能够自主产生感知信息和网络流量，如何有效的将大面积分布的传感器感知信息收集起来，是一项新型挑战。面对大规模用户或传感器的接入需求，多址接入技术亟待提升。非正交多址(Non-orthogonal multiple access,NOMA)技术因其能够将多个用户在频率域上叠加而复用频率/时间等资源，提升了用户接入量，成为未来通信领域的一项大有潜力的技术，大量研究显示，非正交多址技术能够为现有的通信系统带来性能提升。

在实际通信系统中，采用非正交多址技术的关键在于用户分组。在文献“On UserPairing in Uplink NOMA”中，通过匈牙利算法(Hungarian)求解修正后的代价矩阵来获得最优的用户配对组。在文献“Impact of User Pairing on 5G Nonorthogonal Multiple-Access Downlink Transmissions”中，建议将两个信道增益差别较大的用户安排在同一个分组，在文献“Dynamic User Clustering and Power Allocation for Uplink andDownlink Non-Orthogonal Multiple Access(NOMA)Systems”中，延伸了这种策略到多个用户的情形，形成了一套完整的为非正交多址设计的多用户分组解决方案。还有一些文献，例如“User Pairing for Downlink Non-Orthogonal Multiple Access Networks UsingMatching Algorithm”和“Joint Sensing Duration Adaptation,User Matching,andPower Allocation for Cognitive OFDM NOMA Systems”，将用户分组问题看作一种博弈，通过博弈理论来获得分组。

但是，现有的对非正交多址的用户分组方法大多假设用户仅仅能够参加一个分组，而忽略了用户参加多个分组的潜在性能提升。事实上，大多数情况下，由于多个用户的信道增益相近，有些差信道的用户必须降低功率来减少用户之间的信号干扰。因此，对于大规模用户的接入需求，可以考虑将用户进行重叠分组以进一步提升功率的有效利用率。另一方面，重叠分组的考虑会带来组合爆炸，求解最优的重叠分组是一个NP-hard问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于机器学习的非正交多址中的用户通用分组方法。

本发明的目的可以通过以下技术方案来实现：

一种基于机器学习的非正交多址中的用户通用分组方法，包括：

步骤1：获取系统内所有用户的发射功率预算以及信道增益系数数据；

步骤2：构建多用户分组通信模型；

步骤3：求解多用户分组通信模型，获得功率优化闭式解以及用户分组解；

步骤4：根据用户分组解对用户进行分组，并通过功率优化闭式解进行功率控制，完成用户通用分组。

优选地，所述的步骤2具体为：