-
公开(公告)号：CN113242066B
公开(公告)日：2022-07-26
申请号：CN202110505185.1
申请日：2021-05-10
Applicant: 东南大学
IPC: H04B7/0426 , H04B7/0456 , H04W72/04 , H04W72/08 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多小区大规模MIMO通信智能功率分配方法，首先根据传统的基于模型的最优功率分配方法生成数据集，将网络内所有用户的位置信息和信道状态信息作为输入特征，最优功率分配的结果作为输出标签，从而生成一个样本。数据集的每个样本中包含的用户数目都是随机的。进而提出一种基于长短期记忆网络的seq2seq方法，用数据集进行训练，获得用户的位置信息与功率分配策略之间的映射关系。本发明利用通信网络环境特征和信道信息，挖掘用户特征、功率分配与系统性能之间的关系，设计出数据驱动的功率分配方法，并且打破了以往基于神经网络的方法只能处理固定用户数目场景的局限性，只需训练单一的网络便可以灵活适应用户数目与位置实时变化的情况。
-
公开(公告)号：CN113242068B
公开(公告)日：2022-04-01
申请号：CN202110503924.3
申请日：2021-05-10
Applicant: 东南大学
IPC: H04B7/0456 , H04B7/0408 , H04B7/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度强化学习的智能通信波束碰撞避免方法，首先建立关于基站簇工程参数的最小化平均总波束碰撞参数的优化问题。接着根据波束碰撞参数、波束域信道信息与信干噪比以及频谱效率的关系，将原始优化问题转化为与波束域统计信道信息强相关的平均频谱效率最大化问题。基于强化学习框架，将基站簇工程参数的调优过程建模成马尔科夫决策过程，并根据实际优化问题设计合理的状态、动作和奖励信息。最后，利用深度强化学习优化算法，实现基站簇与无线通信环境的交互，并根据波束域统计信道信息进行基站簇工程参数的自适应调整，避免波束碰撞。该方法具有复杂度较低、与实际无线通信环境匹配度较好、性能优异特点。
-
公开(公告)号：CN113242066A
公开(公告)日：2021-08-10
申请号：CN202110505185.1
申请日：2021-05-10
Applicant: 东南大学
IPC: H04B7/0426 , H04B7/0456 , H04W72/04 , H04W72/08 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多小区大规模MIMO通信智能功率分配方法，首先根据传统的基于模型的最优功率分配方法生成数据集，将网络内所有用户的位置信息和信道状态信息作为输入特征，最优功率分配的结果作为输出标签，从而生成一个样本。数据集的每个样本中包含的用户数目都是随机的。进而提出一种基于长短期记忆网络的seq2seq方法，用数据集进行训练，获得用户的位置信息与功率分配策略之间的映射关系。本发明利用通信网络环境特征和信道信息，挖掘用户特征、功率分配与系统性能之间的关系，设计出数据驱动的功率分配方法，并且打破了以往基于神经网络的方法只能处理固定用户数目场景的局限性，只需训练单一的网络便可以灵活适应用户数目与位置实时变化的情况。
-
公开(公告)号：CN113242068A
公开(公告)日：2021-08-10
申请号：CN202110503924.3
申请日：2021-05-10
Applicant: 东南大学
IPC: H04B7/0456 , H04B7/0408 , H04B7/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度强化学习的智能通信波束碰撞避免方法，首先建立关于基站簇工程参数的最小化平均总波束碰撞参数的优化问题。接着根据波束碰撞参数、波束域信道信息与信干噪比以及频谱效率的关系，将原始优化问题转化为与波束域统计信道信息强相关的平均频谱效率最大化问题。基于强化学习框架，将基站簇工程参数的调优过程建模成马尔科夫决策过程，并根据实际优化问题设计合理的状态、动作和奖励信息。最后，利用深度强化学习优化算法，实现基站簇与无线通信环境的交互，并根据波束域统计信道信息进行基站簇工程参数的自适应调整，避免波束碰撞。该方法具有复杂度较低、与实际无线通信环境匹配度较好、性能优异特点。
-
-
-
Search Results
4
records
(took 0.018 seconds)
