[發明專利]適用于超密集網絡的小區間下行鏈路干擾控制方法、裝置和系統

在審

• 申請號: 202110262914.5
• 申請日: 2021-03-11
• 公開（公告）號: CN113038583A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 呂超;張立武;張影;劉金鎖;完顏紹澎;朱雪陽;黃忠明;朱晟楨;常明;朱驥;宋凱;陳犇前;周夢影;周相如
• 申請（專利權）人: 南京南瑞信息通信科技有限公司
• 主分類號: H04W52/02
• 分類號: H04W52/02;H04W52/14;H04W52/24
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 張倩倩

1.一種適用于超密集網絡基站的小區間下行鏈路干擾控制方法，其特征是，包括：

獲取基站所處網絡小區所在的超密集網絡參數數據，以及基站所服務用戶的當前下行鏈路信號與干擾加噪聲比數據r；

基于獲取到的數據，得到超密集網絡的平均用戶密度ρ、基站的當前各用戶信道狀態h，以及基站所處網絡小區的網絡吞吐量f；

將得到的r、ρ、h和f作為當前節點狀態參量，輸入至預先訓練的強化學習網絡，得到強化學習網絡輸出的基站對所服務用戶的下行鏈路發射功率數據；

按照得到的下行鏈路發射功率數據，對基站所服務的各用戶實施相應的下行鏈路發射功率。

2.根據權利要求1所述的方法，其特征是，所述超密集網絡參數數據包括基站所處網絡小區的當前活動用戶數量，所述平均用戶密度根據以下公式計算：

式中，代表網絡小區i在k時刻的活動用戶數量，ω為常數變量，代表網絡小區i中面積區域Φ_i的用戶數量的概率分布。

3.根據權利要求1所述的方法，其特征是，所述基站所處網絡小區的網絡吞吐量f根據以下公式計算：

式中，代表基站對用戶n實施k-1時刻的下行鏈路發射功率后，用戶n在k時刻反饋的下行鏈路信號與干擾加噪聲比；N代表基站所處網絡小區中的用戶數量。

4.根據權利要求1-3任一項所述的方法，其特征是，所述強化學習網絡的訓練過程包括：

S1，初始化強化學習網絡參數，其中：所述強化學習網絡參數包括學習率、折扣因子、V值和Q值；

S2，對于已知目標狀態的超密集網絡中的基站干擾控制樣本，確定基站的發射功率集Ω、在當前時刻k對應的平均用戶密度ρ^(k)、基站所處網絡小區的吞吐量f^(k)、基站所服務用戶的下行鏈路信號與干擾加噪聲比和信道狀態得到基站在時刻k的節點狀態

S3，基于時刻k的節點狀態s^(k)，按照預設的基站功率控制策略，為基站所服務的用戶選擇下行鏈路發射功率

S4，獲取基站仿真實施X^(k)后用戶反饋的下行鏈路信號與干擾加噪聲比

S5，計算基站所在網絡小區的能量消耗和小區間干擾，確定基站在節點k上實施行為X^(k)的效益u^(K)；

S6，用Q函數Q(s，X)表示在狀態s采取行為X的BS的長期折扣獎勵，基于時刻k的節點狀態s^(k)和行為X^(k)更新強化學習網絡的Q值；

S7，判斷基站在當前節點上是否達到預定的目標狀態：若是則停止迭代，結束強化學習網絡的訓練；若未達到目標狀態，則轉至步驟S2-S7，基于更新后的Q值和實施X^(k)后用戶反饋的下行鏈路信號與干擾加噪聲比進行強化學習網絡的迭代訓練。

5.根據權利要求4所述的方法，其特征是，所述目標狀態包括預先確定的基站所服務用戶信道狀態以及用戶下行鏈路信號與干擾加噪聲比。

6.根據權利要求4所述的方法，其特征是，基站對所服務用戶n的下行鏈路發射功率集為：

Ω＝{jP/L}_0≤j≤L

式中，Ω代表發射功率集，P代表給定的基站最大發射功率，L代表可行的發射功率級。

7.根據權利要求4所述的方法，其特征是，所述為基站所服務的用戶選擇下行鏈路發射功率按照下式進行選擇：

式中，ε為隨機的任意小的正數，且有ε＜1，Θ代表最優發射功率，代表基站在進行下一動作ΔΩ探索時采用的功率控制策略，