[發(fā)明專(zhuān)利]一種用戶(hù)調(diào)度方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110720878.2
• 申請(qǐng)日: 2021-06-28
• 公開(kāi)（公告）號(hào): CN115604824A
• 公開(kāi)（公告）日: 2023-01-13
• 發(fā)明（設(shè)計(jì)）人: 王曉婧;張偉;朱宇昕
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中移系統(tǒng)集成有限公司;中移雄安信息通信科技有限公司;中國(guó)移動(dòng)通信集團(tuán)有限公司
• 主分類(lèi)號(hào): H04W72/04
• 分類(lèi)號(hào): H04W72/04;H04W72/12;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 程琛

本發(fā)明提供一種用戶(hù)調(diào)度方法及系統(tǒng)，該方法包括：獲取基站端和待調(diào)度用戶(hù)終端之間的信道狀態(tài)數(shù)據(jù)；將所述信道狀態(tài)數(shù)據(jù)輸入到訓(xùn)練好的用戶(hù)選擇模型中，獲取滿(mǎn)足最大信道增益的用戶(hù)候選集；其中，所述訓(xùn)練好的用戶(hù)選擇模型是由標(biāo)注有用戶(hù)終端與基站端之間波束強(qiáng)度標(biāo)簽的樣本信道狀態(tài)數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到的，所述訓(xùn)練好的用戶(hù)選擇模型包括第一神經(jīng)網(wǎng)絡(luò)和第二神經(jīng)網(wǎng)絡(luò)；對(duì)所述用戶(hù)候選集中的空間復(fù)用用戶(hù)進(jìn)行排序，獲取用戶(hù)調(diào)度結(jié)果。本發(fā)明引入多任務(wù)學(xué)習(xí)，將兩個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的任務(wù)融合為一個(gè)整體的用戶(hù)選擇模型，減少了網(wǎng)絡(luò)參數(shù)，降低了運(yùn)算復(fù)雜度，提高了用戶(hù)調(diào)度的性能。

技術(shù)領(lǐng)域

本發(fā)明涉及無(wú)線通信技術(shù)領(lǐng)域，具體涉及一種用戶(hù)調(diào)度方法及系統(tǒng)。

背景技術(shù)

5G通信系統(tǒng)建立在4G技術(shù)架構(gòu)之上，由現(xiàn)有通信技術(shù)演進(jìn)而來(lái)。它要求更快的傳輸速率，是4G的百倍甚至千倍。為了實(shí)現(xiàn)更高的傳輸速率，毫米波通信技術(shù)成為了5G通信技術(shù)中備受矚目的研究方向。

在毫米波大規(guī)模多輸入多輸出(multiple input multiple output，簡(jiǎn)稱(chēng)MIMO)系統(tǒng)中，全數(shù)字預(yù)編碼的復(fù)雜度隨著天線數(shù)量的增加而急劇增加，導(dǎo)致在實(shí)際的通信系統(tǒng)中無(wú)法實(shí)施。另外，為每一根天線配置一條射頻鏈路則會(huì)產(chǎn)生巨大的硬件成本和功耗。由于毫米波信道的超大帶寬以及多徑特性，其信道是頻率選擇性的，有必要采用正交頻分多址(OFDMA)。因此，用戶(hù)調(diào)度不再是簡(jiǎn)單的在時(shí)頻域選擇出待服務(wù)用戶(hù)子集，同時(shí)還考慮模擬域的波束對(duì)選擇問(wèn)題。

現(xiàn)有的用戶(hù)調(diào)度方案主要有以下幾種，一、基于空時(shí)分多址(Spatial-TimeDivision Multiple Access，簡(jiǎn)稱(chēng)STDMA)的調(diào)度方案：首先引入了調(diào)整因子實(shí)現(xiàn)用戶(hù)公平性和吞吐量之間的權(quán)衡，然后在此基礎(chǔ)上設(shè)計(jì)了一種低復(fù)雜度的鏈路調(diào)度方案；二、兼顧用戶(hù)間信道相關(guān)性和信道能量的兩階段用戶(hù)調(diào)度方案：從信道正交性的角度對(duì)用戶(hù)進(jìn)行排序，之后在狹窄范圍內(nèi)進(jìn)行用戶(hù)和波束選擇，以實(shí)現(xiàn)信道能量最大化；三、基于有限有效信道狀態(tài)信息的模擬波束選擇和用戶(hù)調(diào)度的聯(lián)合優(yōu)化：聯(lián)合模擬波束選擇和用戶(hù)調(diào)度(JBSUS)問(wèn)題被公式化為非凸和組合優(yōu)化問(wèn)題，并且提出了基于DC過(guò)程和基于貪婪算法的低復(fù)雜度的聯(lián)合優(yōu)化方法來(lái)解決這個(gè)問(wèn)題；四、基于Lyapunov漂移優(yōu)化框架：制定了聯(lián)合用戶(hù)調(diào)度和波束選擇的解決方案，并以封閉形式獲得了最優(yōu)調(diào)度策略。然而，目前的用戶(hù)調(diào)度解決方案復(fù)雜度較高，且存在性能不佳的問(wèn)題。因此，現(xiàn)在亟需一種用戶(hù)調(diào)度方法及系統(tǒng)來(lái)解決上述問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明提供一種用戶(hù)調(diào)度方法及系統(tǒng)，用以解決現(xiàn)有的用戶(hù)調(diào)度解決方案復(fù)雜度較高，且存在性能不佳的技術(shù)問(wèn)題。

第一方面，本發(fā)明提供一種用戶(hù)調(diào)度方法，包括：

獲取基站端和待調(diào)度用戶(hù)終端之間的信道狀態(tài)數(shù)據(jù)；

將所述信道狀態(tài)數(shù)據(jù)輸入到訓(xùn)練好的用戶(hù)選擇模型中，獲取滿(mǎn)足最大信道增益的用戶(hù)候選集；其中，所述訓(xùn)練好的用戶(hù)選擇模型是由標(biāo)注有用戶(hù)終端與基站端之間波束強(qiáng)度標(biāo)簽的樣本信道狀態(tài)數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到的，所述訓(xùn)練好的用戶(hù)選擇模型包括第一神經(jīng)網(wǎng)絡(luò)和第二神經(jīng)網(wǎng)絡(luò)；

對(duì)所述用戶(hù)候選集中的空間復(fù)用用戶(hù)進(jìn)行排序，獲取用戶(hù)調(diào)度結(jié)果。

在一個(gè)實(shí)施例中，所述訓(xùn)練好的用戶(hù)選擇模型通過(guò)以下步驟訓(xùn)練得到：

根據(jù)標(biāo)注有用戶(hù)終端與基站端之間波束強(qiáng)度標(biāo)簽的樣本信道狀態(tài)數(shù)據(jù)，構(gòu)建第一訓(xùn)練樣本集；

將所述第一訓(xùn)練樣本集輸入到第一神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，獲取虛擬用戶(hù)信道和預(yù)訓(xùn)練的第一神經(jīng)網(wǎng)絡(luò)模型，所述虛擬用戶(hù)信道為使用相同波束的用戶(hù)組對(duì)應(yīng)的信道；

根據(jù)所述虛擬用戶(hù)信道，構(gòu)建第二訓(xùn)練樣本集；

將所述第二訓(xùn)練樣本集輸入到第二神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，獲取預(yù)訓(xùn)練的第二神經(jīng)網(wǎng)絡(luò)模型；