[發明專利]一種提升無線通信下行鏈路傳輸性能的方法

在審

• 申請號: 202210081588.2
• 申請日: 2022-01-24
• 公開（公告）號: CN114362888A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 付立群;葉小文;岳蕾
• 申請（專利權）人: 廈門大學
• 主分類號: H04L1/00
• 分類號: H04L1/00;H04L5/00;H04B7/06;G06N3/04;G06N3/08
• 代理公司: 廈門南強之路專利事務所(普通合伙) 35200
• 代理人: 馬應森

一種提升無線通信下行鏈路傳輸性能的方法，涉及無線通信系統。1)初始化算法參數；2)根據最新接收到的CQI反饋及歷史信息生成狀態；3)將狀態輸入深度神經網絡中生成對應每一動作即MCS的價值，選擇本次數據傳輸所要采用的MCS；4)根據所選MCS將對應比特的信息打包到傳輸塊中發送給用戶；5)用戶對傳輸塊解碼，結果反饋ACK/NACK信號給智能體；6)根據用戶反饋的ACK/NACK計算獎勵，并將“狀態”、“動作”、“獎勵”、“下一狀態”作為一個經驗存儲到經驗池中；7)不斷從經驗池中抽取經驗樣本訓練深度神經網絡；8)更新執行的TTI t，若t小于設定的總時長T，則返步驟2)；否則，終止。

技術領域

本發明涉及無線通信系統，尤其是涉及一種提升無線通信下行鏈路傳輸性能的方法。

背景技術

鏈路自適應技術已被廣泛應用于提高無線通信鏈路的傳輸性能，其既能用于上行鏈路，也能用于下行鏈路傳輸。由于CQI反饋存在量化誤差、噪聲、以及延遲，下行LA面臨著更多的挑戰。

在傳統的下行LA技術中，用戶首先評估下行信道的質量，測得信干噪比(SINR)，然后將SINR值映射為信道質量指標(CQI)反饋給基站?；驹谑盏降腃QI反饋后，將CQI值反轉為SINR值，然后使用一個預先生成的查找表來選擇一個合適的MCS用于下行傳輸數據。這一查找表存儲了以SINR為條件的所有MCS的傳輸成功概率。盡管一些傳統的LA技術，例如外環鏈路適應性技術(OLLA)，已經被應用于當前的蜂窩網絡中，但是它們存在幾項固有的問題。第一，由于傳輸時間和處理時間，基站收到的CQI反饋通常是在用戶生成對應CQI值的幾個傳輸時間間隔(TTI)后才獲得的。進一步，在實際系統中，為了減小上行鏈路控制信令的開銷，用戶報告CQI反饋通常是周期性的，而不是在每個TTI都反饋。因此，基站可獲得的最新CQI值往往是與當前的信道狀態不匹配，從而造成傳統LA技術的MCS決策不夠準確。第二，由于傳統LA技術嚴重依賴于預先生成的查找表，因此外界環境發生輕微的變化都將導致傳統LA技術的性能嚴重下降。因此，設計一種有效且魯棒性強的LA方案對于實際蜂窩系統中下行鏈路的傳輸至關重要。

本發明擬利用DRL算法來設計一種新的LA技術，從而克服傳統LA技術帶來的挑戰。DRL是強化學習與深度神經網絡相結合的一項技術，其在近幾年被廣泛用于解決無線通信系統中各種復雜的問題。在DRL框架中，“狀態”、“動作”、以及“獎勵”是最為基本的要素。在每次決策過程中，DRL決策智能體從環境中獲得一些觀測信息，然后基于這些信息生成“狀態”并將其輸入到神經網絡中進行分析。通過使用“動作”選取算法，比如∈-greedy算法，DRL智能體可以確定要采取的行動?；诓扇〉男袆?，DRL智能體可以獲得一個由環境反饋的“獎勵”。通過試錯性地與環境不斷交互，DRL智能體旨在獲得一個能最大化累積折扣獎勵的最優策略。常用的DRL算法可以分成三類：基于值的DRL，基于策略的DRL，以及值和策略相結合的DRL。本發明采用基于值的DRL，具體為深度Q網絡(DQN)算法，來設計一種新的LA技術，稱為DRLLA。在下行鏈路傳輸中，基站被當作執行DRLLA技術的智能體，其目標在于選擇合適的MCS以匹配時變的無線信道，從而最大化鏈路的吞吐量并維持較低的BLER。與傳統LA技術相比，DRLLA具有以下特征。第一，不同于傳統LA僅使用一個可獲得的最新CQI來決策MCS，DRLLA使用可獲得的最新CQI和一些其它信息(比如，連續兩個TTI的CQI差值以及歷史信息)聯合決策MCS。因此，在存在過時CQI的情況下，DRLLA仍能選擇合適的MCS，從而使鏈路獲得較好的傳輸性能。第二，憑借DRL算法自帶的自適應能力，DRLLA能夠適應外界環境的不斷變化。

發明內容

本發明的目的在于針對現有傳統LA技術無法適用過時CQI反饋場景和魯棒性差的特點，以及在下行鏈路傳輸中如何通過調節MCS來提升鏈路吞吐量和降低BLER等問題，提供一種提升無線通信下行鏈路傳輸性能的方法。

本發明包括以下步驟：

1)初始化算法參數；

2)根據最新接收到的CQI反饋以及一些歷史信息生成狀態；