[发明专利]一种多用户正交频分复用系统动态资源分配的方法及系统

摘要

一种基于神经网络的多用户正交频分复用系统动态资源分配的方法，建立三维神经元矩阵立方体的神经网络神经网络模型，神经网络模型表示一个子载波和用户的映射关系，以及每一个子载波所调制的比特数的映射关系；根据神经网络模型的能量函数进行多用户正交频分复用系统动态资源分配，使得在满足每个用户速率需求及误码率要求的情况下，使基站发射总功率最小。建立三维神经元矩阵立方体的神经网络神经网络模型，该神经网络模型中的能量函数考虑了每个用户的数据速率需求和误码率、以及子载波分配的约束条件，在满足每个用户速率需求及误码率要求的情况下，能够使基站发射总功率最小，可以满足多用户正交频分复用系统动态资源分配的实时性要求。

主权项

一种基于神经网络的多用户正交频分复用系统动态资源分配的方法，其特征在于，其包括：建立三维神经元矩阵立方体的神经网络神经网络模型，神经网络模型表示一个子载波和用户的映射关系，以及每一个子载波所调制的比特数的映射关系；神经网络模型的能量函数如下：$\begin{array}{c}E=A_e\underset{k=1}{\overset{K}{\Σ}}\underset{n=1}{\overset{N}{\Σ}}\frac{1}{h_{k,n}^2}\{\underset{b=1}{\overset{B}{\Σ}}{v}_{k,n,b}f\[C\left(b\right),{\mathrm{BER}}_k\]\}\\ +\frac{B_e}{2}\underset{k=1}{\overset{K}{\Σ}}{\[\underset{n=1}{\overset{N}{\Σ}}\underset{b=1}{\overset{B}{\Σ}}C\left(b\right)v_{k,n,b}-R_k\]}^2\\ +\frac{C_e}{2}\underset{n=1}{\overset{N}{\Σ}}{\left(\underset{k=1}{\overset{K}{\Σ}}\underset{b=1}{\overset{B}{\Σ}}{v}_{k,n,b}-1\right)}^2\\ +\frac{D_e}{2}\underset{n=1}{\overset{N}{\Σ}}\left(\underset{k=1}{\overset{K}{\Σ}}\underset{b=1}{\overset{B}{\Σ}}\underset{i\≠b}{\overset{B}{\underset{i=1}{\Σ}}}{v}_{k,n,b}{v}_{k,n,i}+\underset{b=1}{\overset{B}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}\underset{j\≠k}{\overset{K}{\underset{j=1}{\Σ}}}{v}_{k,n,b}{v}_{j,n,b}+\underset{k=1}{\overset{K}{\Σ}}\underset{b=1}{\overset{B}{\Σ}}\underset{j\≠k}{\overset{K}{\underset{j=1}{\Σ}}}\underset{i\≠b}{\overset{B}{\underset{i=1}{\Σ}}}{v}_{k,n,b}{v}_{j,n,i}\right)\end{array}$其中，N是正交频分复用正交频分复用子载波总数；K是小区内总用户数；R_k是用户k的数据速率；BER_k为用户k的比特误码率；h_k,n是子载波n对于用户k的信道衰减幅度；v_k,n,b为三维神经元矩阵立方体中的第k行，第n列，第b个三维神经元；b来表示第b个神经元二维矩阵的编号；对应的子载波n上所分配的比特数是C(b)，C(b)是b的函数，当b的取值为自然数时，则C(b)的取值为集合D＝{0,1,…,C_T}中的一个，此时对应的子载波调制方式为2^C(b)星座的正交振幅QAM调制，C_T为子载波最大允许的调制比特数；根据神经网络模型的能量函数进行多用户正交频分复用系统动态资源分配，使得在满足每个用户速率需求及误码率要求的情况下，使基站发射总功率最小。