[发明专利]一种基于集成神经网络的终端设备传输功率的控制方法

权利要求书

1.一种基于集成神经网络的终端设备传输功率的控制方法，其特征在于，包括以下步骤：

(1)收集D2D链路的信道功率增益样本；

(2)将收集到的信道功率增益样本输入到SPCA算法，并得到相应样本下的最优功率分配策略，收集训练数据集，包括信道增益样本和标签；

(3)搭建基于深度神经网络和卷积神经网络结合形成的集成神经网络，并初始化集成神经网络权重；

(4)将训练数据集分别输入至深度神经网络和卷积神经网络，构建两个神经网络的输出和标签之间的MSE作为损失函数，并选择随机梯度下降算法对两神经网络的权重进行更新；

(5)当损失函数小于预设值或达到迭代次数时即认为集成神经网络训练完成，保存集成神经网络；

(6)测试阶段构建选择器，由选择器负责收集两个神经网络输出的功率分配：以训练阶段相同分布的信道生成的样本作为测试集，两个神经网络接收数据集并产生相应的功率分配；

(7)计算两个神经网络输出策略所引起的和速率，并进行比较；

(8)选择并输出代表最优性能的功率分配策略。

2.根据权利要求1所述的基于集成神经网络的终端设备传输功率的控制方法，其特征在于，所述步骤(2)的实现过程如下：

对于i链路来说，其速率可被表示为：

其中，h_ij是i链路的发射机到j链路的接收机之间的信道功率增益；h_ii是链路i中发射机到接受机之间的信道功率增益；p_j是j链路的传输功率；p_i是i链路的传输功率；是环境背景噪声；

运行SPCA算法，得到相应的最优功率分配标签p^*；重复N次，得到N个具有增益样本和相应标签的训练数据集。

3.根据权利要求1所述的基于集成神经网络的终端设备传输功率的控制方法，其特征在于，所述步骤(3)的实现过程如下：

将增益样本输入进集成神经网络，由输入层转发输入数据，隐层或卷积核处理输入数据，最后输出层输出相应决策；所述深度神经网络采用具有完全连接的前馈网络，N₀维的输入向量通过输入层输入到网络，该层也有N₀个神经元，最后输出层处理来自最后一隐层的信息；第l层第n个神经元的输出表示为其中W_n,l是l-1层所有神经元与l层第n个神经元之间连接的权重向量，b_n,l是l层第n个神经元的偏置项，f_n,l是提供非线性能力的激活函数，采用ReLU作为每层隐层的激活函数，输出层的激活函数采用sigmoid函数作为输出激活函数。

4.根据权利要求1所述的基于集成神经网络的终端设备传输功率的控制方法，其特征在于，步骤(4)所述的损失函数构造如下：

其中，p_i是i链路的传输功率，得到相应的最优功率分配标签p^*；采用小批次梯度下降算法，每批次包含M个样本，训练周期为γ＝300，优化器选择随机梯度下降算法对两神经网络的权重和偏置进行更新。