[發明專利]基于深度學習的多載波認知NOMA資源分配方法

有效

• 申請號: 201810391479.4
• 申請日: 2018-04-27
• 公開（公告）號: CN108737057B
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 桂冠;王潔;黃浩;李允怡;熊健;范山崗;楊潔
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04L5/00
• 分類號: H04L5/00;H04W16/10;H04W52/34;H04W72/12
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

本發明提出了一種基于深度學習的多載波認知非正交多址接入技術（Non?Orthogonal Multiple Access,NOMA）資源分配方法，包括以下步驟：（1）多載波認知NOMA系統的場景模型建立；（2）用戶調度和資源分配策略的數學描述；（3）基于聯合分配的深度神經網絡和深度學習算法設計。本發明在建立基于多載波認知NOMA的下行系統后，創新地提出符合該場景的頻譜共享策略，并合理建立優化目標和約束條件的數學表達式，實現了基于深度學習的多載波認知NOMA用戶調度和資源分配策略，滿足了用戶多方面傳輸需求的同時，更好地實現了多載波認知NOMA下行系統的低功耗資源分配。

技術領域

本發明提出基于深度學習的多載波認知NOMA資源分配機制，建立了多載波認知NOMA下行系統的傳輸模型，提出一個優化NOMA系統頻譜效率和能量效率的用戶配對及資源分配策略，設計了一個基于消息傳遞的全連接神經網絡，并提出了最優的深度學習算法，實現了大規模NOMA用戶公平且靈活地進行高質量，高速率，低功耗的數據傳輸。

背景技術

在過去的幾十年中，隨著移動通信技術的飛速發展，技術標準不斷演進，第四代移動通信技術(4G)以正交頻分多址為基礎，其數據業務傳輸速率達到每秒百兆甚至千兆比特，能夠在較大程度上滿足一段時期內寬帶移動通信應用需求。然而，隨著智能終端普及應用、物聯網(IoT)的快速發展、人工智能和大數據的爆發及移動新業務需求持續增長，無線傳輸速率需求也呈指數增長，無線通信的傳輸速率將仍然難以滿足未來通信的應用需求。

為了滿足飛速增長的移動業務需求，專家學者們已經開始在尋找既能滿足用戶體驗需求又能提高頻譜效率的新的移動通信技術。IMT-2020(5G)推進組在《5G愿景與需求白皮書》中提出，5G定位于頻譜效率更高、速率更快、容量更大的無線網絡，其中頻譜效率相比4G需要提升5～15倍。5G需要支持用戶和設備的大規模連接，并滿足對低延遲、低成本設備和多種服務類型的需求。為了滿足這些需求，增強型技術是必要的。到目前為止，專家學者們已經提出了一些潛在的候選方案來解決5G的挑戰，例如非正交多址(NOMA)、大規模MIMO、毫米波通信和超密集網絡。

第一到第四代移動通信系統所用的常規OMA技術(例如TDMA和OFDMA)，僅為每個正交資源塊中的單個用戶提供服務。考慮一個場景，一個用戶信道狀況很差，其具有高優先級數據或者長時間未提供服務。在這種情況下，使用OMA意味著不可避免的是，盡管信道條件不佳，但其中一個稀缺帶寬資源完全由該用戶占用。顯然，這會對整個系統的頻譜效率和吞吐量產生負面影響。在這種情況下，NOMA的使用不僅可以保證信道條件較差的用戶得到服務，而且信道條件較好的用戶可以同時利用與信道條件較弱用戶相同的帶寬資源。因此，如果需要保證用戶的公平性，NOMA的系統吞吐量可能明顯大于OMA。

然而，NOMA技術到目前為止還有很多重要的實施挑戰，在將NOMA成功應用于實際無線系統之前必須解決這些挑戰。典型的NOMA網絡是一個復雜的系統，由于需要服務多個用戶，而資源分配的自由度被耦合。即使集中式資源分配設計可以產生最佳性能，該方案也會帶來令人望而卻步的信令開銷和復雜性。因此，NOMA網絡中的分布式資源分配引起了極大的關注。

與碼域NOMA系統相比，功率域NOMA通過引入可消除干擾的功率分配方式來實現多用戶的頻譜共享，避免了復雜的正交編解碼和時間同步。功率域NOMA中為了滿足用戶公平有效的通信，防止較遠用戶無法滿足正常傳輸的信干噪比，功率分配需要引起格外的關注。此外，將地理位置、信道狀態以及通信需求不同的大量NOMA用戶分配到不同的信道上的方式，也將會大大影響用戶的通信質量和系統的頻譜效率。由此可見，與其他網絡相比功率域NOMA系統的用戶調度和資源分配問題更加復雜也具有挑戰性。因此，如何建立一個能夠更好地滿足用戶及系統需求的功率域NOMA系統模型，并提出合理有效的調度分配策略，也是必須要解決的。