[发明专利]一种基于机器学习的功率分配方法

摘要

本发明属于通信抗干扰技术领域，具体的说是一种基于机器学习的功率分配方法。本发明主要为了降低功率分配算法的复杂度，具体方法如下：需要将信道样本处理为一个N维的实值特征向量，设计出预设的功率分配矩阵，贴上标签，重复此步骤，直至每个样本都有一个对应标签。利用样本特征集合和对应的标签集合，采用SVM算法对新输入的样本进行分类，输出的标签对应的功率分配矩阵即为此样本对应的最优功率分配矩阵。本发明的有益效果为，传统的功率分配方式的整个计算过程是具有重复性的，且为减轻这一问题，采用SVM算法对新输入样本分类且能有效的降低算法复杂度。

主权项

1.一种基于机器学习的功率分配方法，其特征在于，包括以下步骤：a、生成特征集合：设有M个Nr×Nt维的信道矩阵作为训练样本，具体方法为：a1、从信道矩阵Hm生成实值特征向量dm；a2、重复步骤a1，直至为所有的Hm(m＝1，2，…，M)生成特征向量；a3、生成训练数据矩阵a4、归一化矩阵D，并生成归一化特征矩阵T，其中T里面元素为：b、为样本贴上标签：b1、采用KPI来决定为样本贴上何种标签，利用最大化最小欧氏距离的思想，将通过求得的欧氏距离d_min作为KPI，X_SM为所有可能的发送信号集合，P为功率分配矩阵；b2、在功率分配中，标签对应着功率分配矩阵，根据s.t.tr(PP^T)≤P_T随机生成若干个功率分配矩阵，其中P_T为系统总能量；b3、对于第m个样本Hm，根据步骤b1计算每一种预设的功率分配矩阵的KPI；并从步骤b2中生成的功率分配矩阵中找出能使KPI最好的，并将其标签l与样本对应上，令l作为标签向量的第C个元素cm，重复此步骤，直至每个样本都有一个对应标签；c、建立学习系统：采用多级SVM分类器，即SVM采用一对其它的二元分类策略，具体方法为：c1、设Tl是标签为l的样本特征向量作为行向量所构成的子训练数据矩阵；对于所有的l，可以得到一个子训练数据矩阵集合{Tl}；c2、生成二元标签向量bl＝[bl[1],...,bl[M]]T，当cm＝l时，bl[m]＝1，否则bl[m]＝0；c3、用两个训练群和相应的二元向量标签b_l，根据下面的公式来解决逻辑回归的问题：其中，C为惩罚因子，是代价函数，θ_l是学习参数向量，f(t_r[m])是高斯径向基核函数向量，其第q个元素f_q(t_r[m])＝exp(‑||t_r[q]‑t_r[m]||²/(2σ²))给出了t_r[q]和t_r[m]的相似度；c4、重复步骤c3直至遍历完所有l，获得所有的θl，建立SVM分类器；d、输入一个新的信道矩阵后，根据步骤a将其处理为特征向量，然后输入步骤c获得的SVM分类器对其进行分类，即可预知其所属类别的标签，即选出的功率分配函数。