[發明專利]一種基于監督機器學習的車載協作通信中繼選擇方法

有效

• 申請號: 202011486134.0
• 申請日: 2020-12-16
• 公開（公告）號: CN112637812B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 肖海林;胡詩婷;汪鵬君;周迪;潘永才;翟捷萍;左清念
• 申請（專利權）人: 溫州大學;桂林電子科技大學
• 主分類號: H04W4/40
• 分類號: H04W4/40;H04W40/12;H04W40/22;G06N3/08
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 覃永峰

本發明公開了一種基于監督機器學習的車載協作通信中繼選擇方法，包括如下步驟：1）構建車協協作NOMA模型；2）構建中斷概率最小化的目標函數；3）構建BP神經網絡中斷概率預測模型；4）構建影響中斷概率的關鍵參數，組成輸入矩陣；5）對輸入矩陣的元素進行歸一化處理；6）構建誤差目標函數；7）初始化權值閾值對構建的BP神經網絡預測模型進行訓練；8）采用LM算法對BP神經網絡模型進行改進；9）利用訓練好的模型對候選中繼節點的中斷概率進行預測；10）根據預測結果，進行基于最小中斷概率的中繼選擇。這種方法構建的BP神經網絡預測模型具有較好的準確性，能夠在候選中繼集中有目標的選取中斷概率最小的節點，優化了系統的中斷性能。

技術領域

本發明涉及車載協作通信領域，具體是一種基于監督機器學習的車載協作通信中繼選擇方法。

背景技術

汽車的大規模普及，帶來了一系列道路安全、道路建設等交通問題，同時也面臨著基站覆蓋不完善、連接性不穩定等通信問題。而車載協作通信技術不僅在道路安全、輔助駕駛、信息娛樂等方面發揮著至關重要的作用，而且也能增強通信鏈路的可靠性、連通性，擴大覆蓋范圍。但是，在中繼鏈路中，如果發生鏈路中斷，不僅無法改善其可靠性與連通性，而且還會影響道路安全，因此就需要通過中繼選擇技術來提高通信鏈路的連通性。

為了盡可能地發揮出路邊未被利用的通信資源的價值，可以借助停泊車輛作為靜態中繼協作通信，而非正交多址接入(non-orthogonal multiple access，簡稱NOMA)技術不僅可以提高頻譜效率，而且可以通過給遠端用戶分配較大的功率來提高連通性，因此將NOMA技術與中繼結合具有更好的現實意義，此外，現有的許多基于機器學習中增強學習算法的中繼選擇方案需要不斷地與環境進行交互、試錯，才能搜尋出最佳策略，是一種較為耗費時間的學習，且基于增強學習中Q學習的中繼選擇方案使用Q表來存儲Q值，存儲容量有限，無法覆蓋完整的狀態空間，而基于監督學習的神經網絡，具有感知獲取能力，能夠解決Q表不能覆蓋整個狀態空間的缺陷，且有“導師”指導，更適合基于最大化或最小化的中繼選擇。

發明內容

本發明的目的是針對現有技術的不足，而提供一種基于監督機器學習的車載協作通信中繼選擇方法。這種方法以路邊停泊車輛為中繼節點不需要依賴路邊單元，能減小部署成本，能夠減小中繼鏈路的中斷概率、優化系統中斷性能。

實現本發明目的的技術方案是：

一種基于監督機器學習的車載協作通信中繼選擇方法，包括如下步驟：

1)建立車載協作NOMA通信模型：所述通信模型包括一個源節點即基站、N個子信道、M個中繼節點、J個車載用戶，假設每個節點都配備有單根天線，能進行接收和發射數據，跳過停在障礙物中間、距離道路太遠以及沒有安裝無線設備的車輛節點，將剩余停泊的車輛組成候選中繼集M′，M′＝{1,2,...,m,...M′}，假設每個子信道內僅兩個車載用戶，忽略子信道間的干擾，且由于距離或者障礙物的影響，不考慮直傳鏈路，由于固定放大轉發(amplify-and-forward，簡稱AF)協議可以在降低信道估計復雜度的同時兼顧分集性能，且硬件實現成本更低，因此，中繼節點采用半雙工固定AF協議進行轉發，假設U₁為遠端車載用戶，U₂為近端車載用戶，在路徑損耗模型中，分別表示源節點到第m個中繼節點、第m個中繼節點到遠端車載用戶以及第m個中繼節點到近端車載用戶的信道衰落系數，且都服從Nakagami-m分布，其中m為整數，m大小由中繼節點的位置以及中繼節點周圍的環境來確定；

2)構建中斷概率最小化的目標函數：中斷概率最小化的目標函數如公式(1)所示：