[發(fā)明專利]基于機器學習的波寬控制方法

在審

• 申請?zhí)枺?/td>: 202010045690.8
• 申請日: 2020-01-15
• 公開（公告）號: CN111277308A
• 公開（公告）日: 2020-06-12
• 發(fā)明（設計）人: 高暉;賈承璐;許文俊;陸月明;馮志勇
• 申請（專利權）人: 北京郵電大學
• 主分類號: H04B7/06
• 分類號: H04B7/06;H04B7/0417;G06N20/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于機器學習(ML)的智能波寬控制方法，此毫米波網(wǎng)絡中存在多個模擬毫米波架構的用戶，一個混合毫米波架構的基站，基站與用戶之間進行毫米波傳輸，基站通過機器學習方法調節(jié)每一個簇的波束寬度提高頻譜效率和用戶覆蓋能力，具體方法包括：

(1)基于高斯過程機器學習方法的角度域信息預測：將歷史的角度域信息作為輸入，預測未來多個時隙的角度域信息，進而輔助毫米波通信的波束追蹤和用戶分組；

(2)基于無監(jiān)督學習的用戶分組：根據(jù)預測的角度域信息，利用無監(jiān)督學習方法進行用戶分簇，基站對每一個簇的用戶進行非正交多址傳輸；

(3)基于深度神經網(wǎng)絡的波寬控制：通過信道估計得到信道增益信息，將角度域、信道增益和用戶分簇信息作為深度神經網(wǎng)絡的輸入，將通過窮舉搜索得到的每個簇的最優(yōu)波束寬度作為對應的標簽，離線訓練深度神經網(wǎng)絡，建立系統(tǒng)參數(shù)與最優(yōu)波束寬度的映射關系；

(4)在線實現(xiàn)：把離線訓練的波寬控制神經網(wǎng)絡模型遷移到實際的毫米波系統(tǒng)中，當系統(tǒng)中的網(wǎng)絡拓撲發(fā)生劇烈變化時，利用遷移學習的方法進行模型修正。