[发明专利]一种可重构智能表面辅助的非正交多址网络资源分配方法

权利要求书

1.一种可重构智能表面辅助的非正交多址网络资源分配方法，其特征在于，包括如下步骤：

步骤一：建立通信用户与基站间的信道模型；

所述信道模型包括一个N天线基站、L个移动用户以及一个拥有K个反射元素的可重构智能表面；所述N天线基站与移动用户之间的直接通信链路被阻挡，只能通过可重构反射表面建立通信链路，并且L个移动用户将被分成M个类；

分别定义N天线基站到可重构智能表面及可重构智能表面到第M个类中第l个移动用户的信道为G∈C^K×N和H表示共轭；此外，对于可重构智能表面，其反射系数矩阵可以表示为其中β_k和θ_k分别表示第k个元素的振幅和相位，则第m个类中第l个移动用户接收到的信号为：

其中n_m,l～CN(0,δ²)表示零均值和方差为δ²的加性高斯白噪声，ω_m和x_m是第m个类的波束成形和传输符号；假设第m个类中第l_i和l_j个移动用户，其解码顺序满足则第l_i和l_j个用户的信号与干扰噪声比分别表示为：

其中，和分别表示第m个类中剩下用户、第个移动用户的信息符号和第l_i个移动用户的信息符号；那么，其相应接收到的通信速率可以通过香农公式R＝log₂(1+τ)计算可得，τ表示信噪比；资源分配策略的优化表示为最大化所有用户在T＝{t₀,t₁,…,t_n}时间段内的总通信速率；

步骤二：利用长短期记忆算法、K均值的高斯混合模型算法和基于深度Q网络的算法来分别预测移动用户的移动性、移动用户聚类以及联合确定相移矩阵和功率分配策略；

采用接受-拒绝抽样方法，随机为L个移动用户产生一组初始位置根据长短期记忆算法可以预测t₁到t_n各个时刻的位置，可表示为在每个时刻，再调用基于K均值的高斯混合模型算法进行聚类；基于第m个类，K均值的高斯混合模型算法中的模型系数和可以表示为：

其中，h_l、和μ_m分别表示第l个移动用户的信道、第m个类中第l个用户位置对应高斯分布的评估系数的期望值以及第m个类对应高斯分布的均值；最后，根据聚类结果，设定N天线基站为代理，定义状态空间、动作空间和奖励分别为当前时刻相位、可调整的相位以及相邻时刻的所有用户总通信速率的差值；

步骤三：在步骤二的基础上，优化该深度Q网络下最优资源分配策略；当神经网络经过训练达到收敛，即可输出最优的资源分配策略。

2.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1所述的方法。

3.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序时，实现权利要求1所述的方法。