[發明專利]基于級聯人工神經網絡的逐子載波無線轉發站分配方法

在審

• 申請號: 202010441498.0
• 申請日: 2020-05-22
• 公開（公告）號: CN111698754A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 黨舒平;傅天豪;韋林昌;黎成中
• 申請（專利權）人: 廣西華南通信股份有限公司
• 主分類號: H04W40/22
• 分類號: H04W40/22;H04B7/026;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 南寧東之智專利代理有限公司 45128
• 代理人: 戴燕桃;汪治興

1.基于級聯人工神經網絡的逐子載波無線轉發站分配方法，其特征在于：包括以下步驟：

S1：根據逐子載波無線轉發站分配標準設計級聯人工神經網絡的結構；

S2：采用監督型機器學習的方法對人工神經網絡進行訓練；

S3：采用訓練好的級聯人工神經網絡逐子載波分配最優的無線轉發站。

2.根據權利要求1所述的基于級聯人工神經網絡的逐子載波無線轉發站分配方法，其特征在于：

所述逐子載波無線轉發站分配標準具體為：在不受所選無線轉發站數量限制的情況下，逐子載波無線轉發站分配標準可以分配多個無線轉發站，最多可以分配與子載波數目相同的無線轉發站，讓每個子載波各自都能被最優的無線轉發站處理轉發，如下公式(1)所示：

其中，表示所有K個子載波的集合，即表示所有M個無線轉發站的集合，即G(m,k)表示第k個子載波被第m個無線轉發站轉發的等效的端到端信道功率增益；是所有K個載波的單無線轉發站索引，表示第k個子載波所分配的無線轉發站；為可分配無線轉發站的集合。

3.根據權利要求2所述的基于級聯人工神經網絡的逐子載波無線轉發站分配方法，其特征在于：所述步驟S1中設計級聯人工神經網絡的結構的步驟如下：

S11：構造K個主級人工神經網絡，每個主級人工神經網絡都具有M個輸入，即每個子載波都把M個無線轉發站遍歷一遍，輸入值為第k個子載波被M個無線轉發站轉發所對應的M個端到端信道功率增益；相應的主級人工神經網絡的輸出是這M個端到端信道功率增益中最大的那個端到端信道功率增益所對應的那個最優無線轉發站，最優無線轉發站對應的指示數設為1，其他無線轉發站的指示數設為0；

S12：構造M個次級人工神經網絡，把主級人工神經網絡的輸出作為次級人工神經網絡的輸入；對于第m個次級人工神經網絡，有K個輸入，即每個主級人工神經網絡都有M個輸出，把每個主級人工神經網絡的第m個輸出都輸入到第m個次級人工神經網絡內；第m個次級人工神經網絡的輸出是一個二進制數，指示是否對應分配第m個無線轉發站；每個次級人工神經網絡分別用作具有K個不完善輸入的“或”門，并且所有M個次級人工神經網絡都作為分類器在分布式的基礎上運行。

4.根據權利要求3所述的基于級聯人工神經網絡的逐子載波無線轉發站分配方法，其特征在于：所述步驟S2中采用監督型機器學習的方法對人工神經網絡進行訓練的步驟如下：

S21：構造帶有標簽的訓練數據集：采用暴力搜索算法確定轉發所有K個子載波的無線轉發站的集合對應于給定{G(m,k)}的標簽，將訓練數據集和標簽成對存儲，其中{G(m,k)}表示由第m個無線轉發站轉發的K個子載波的等效的端到端信道功率增益的集合；

S22：訓練人工神經網絡：初始化參數將訓練數據集作為K個主級人工神經網絡的輸入，把主級人工神經網絡的輸出作為次級人工神經網絡的輸入，次級人工神經網絡的輸出檢索到的一組選定的無線轉發站，命名為將與根據暴力搜索算法所產生的標簽進行比較，從而產生誤差矢量和誤差梯度矢量，再通過反向傳播機制逐層調整鏈接權重和神經元激活閾值；其中，表示主級人工神經網絡的層數；表示主級人工神經網絡第l層中神經元的數目；表示主級人工神經網絡的學習速率；表示主級人工神經網絡的范圍擴展系數；表示次級人工神經網絡的層數；表示次級人工神經網絡第l層中神經元的數目；表示次級人工神經網絡的學習速率；表示次級人工神經網絡的范圍擴展系數；

S23：重復步驟S22，訓練過程以迭代的方式進行，每次迭代更新鏈路權重和神經元激活閾值，從而使得級聯人工神經網絡所給出的輸出與標簽接近；當所有訓練數據集全部被使用完之后，迭代過程停止，訓練結束。

5.根據權利要求4所述的基于級聯人工神經網絡的逐子載波無線轉發站分配方法，其特征在于：所述步驟S21中包括先將{G(m,k)}歸一化，具體如下：

6.根據權利要求4所述的基于級聯人工神經網絡的逐子載波無線轉發站分配方法，其特征在于：所述步驟S22中采用量化函數將次級人工神經網絡的輸出逐項量化，具體是將最大項轉換為1，其他項轉換為0；1與所選無線轉發站相關聯，0與落選無線轉發站相關聯。