[发明专利]一种基于交叉熵学习的异构网络用户接入方法

摘要

本发明提出一种基于交叉熵学习的异构网络用户接入方法，采用交叉熵准则，建立问题的概率学习模型，利用机器学习领域中的统计采样方法找到最优的概率分布，最后得到最优的用户接入方案，按如下步骤进行：首先，构建网络效用最大化的用户接入优化问题；然后，将接入矩阵建模为随机变量，建立原问题的概率学习模型，以最小化交叉熵为目标函数优化概率分布；最后，根据统计采样方法，利用表现较好的样本更新概率矩阵，迭代获得接近最优的概率分布，确定用户接入方案。本发明以较低的计算复杂度获得接近最优的用户接入性能，实现网络负载平衡，提高异构网络的传输性能。与现有方法相比，本发明方法不需要根据网络调整算法参数，在异构网络中更加鲁棒。

主权项

1.一种基于交叉熵学习的异构网络用户接入方法，其特征在于，包括以下步骤：1)根据当前信道状态信息，计算各基站到用户的信干噪比和频谱效率；2)将最大化网络效用函数的用户接入问题建立为数学优化问题(3)；3)将用户接入矩阵X建模为随机变量x，假设x服从某一概率分布模型，对于离散随机变量，假设x服从贝努利分布，即表示为x～Ber(u)，其中u表示贝努利分布中定义的成功概率，由此，问题(3)转化为一个交叉熵最小化问题(4)，即寻找随机变量x最优概率分布中对应的参数u；4)利用统计采样方法进行迭代求解问题(4)，得到最优的用户接入矩阵X。