[發明專利]基于信道感知和強化學習的低功耗廣域網通感融合方法

有效

• 申請號: 202310510073.4
• 申請日: 2023-05-08
• 公開（公告）號: CN116264704B
• 公開（公告）日: 2023-09-08
• 發明（設計）人: 伍楷舜;王璐;黎曉燊;黃勇志;劉虹;李莉;孫敏
• 申請（專利權）人: 深圳大學;香港科技大學(廣州);中移信息技術有限公司
• 主分類號: H04W24/02
• 分類號: H04W24/02;G06N20/00;H04L41/14;H04L41/16;H04L41/142;H04W88/16
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 吳敏;耿慧敏

本申請提供一種基于信道感知和強化學習的低功耗廣域網通感融合方法，該方法包括：網關接收機接收終端節點發送的上行信號，利用軟解調算法對上行信號進行解調，得到比特對數似然比；深度強化學習模型根據比特對數似然比，完成通信過程中對應鏈路的信道重建，得到重建信道；根據重建信道，計算當前最優網絡配置，以在下次下行傳輸時分配給各終端節點。該方案利用深度強化學習模型挖掘環境關鍵信息，使得網關能夠根據當前的網絡環境情況，給不同終端節點分配最優的網絡配置，并提升網關的解碼能力。

技術領域

本發明屬于通信技術領域，特別涉及一種基于信道感知和強化學習的低功耗廣域網通感融合方法。

背景技術

隨著通信技術的不斷進步，無線通信(Wireless?Communication)和無線感知(Wireless?Sensing)兩個領域都在朝著更高的頻段、更大的天線陣列、更小型化的設備發展。兩個領域的硬件架構、信道特性和信號處理變得越來越相似，這就給通感融合(Integrated?Sensing?and?Communications,?ISAC)創造了客觀條件。

通感融合，即在同一個網絡環境下采用同一套設備或共享部分器件，實現通信和感知兩種功能，從而降低設備成本、體積和功耗，讓通信與感知相輔相成。而傳統的物聯網(IOT)終端設備則是通過搭載各式傳感器感知物理環境信息，然后將感知的數據通過物聯網上行傳輸到網關節點處理數據。而通感融合作為新型的物聯網技術，通過在同一平臺上融合通訊和感知功能可以減少設備數量和復雜度，提高了設備的靈活性和實時性，同時降低了設備數量和成本。能夠為工業物聯生態體系的如車聯網、智慧工廠、智能醫療等領域，提供了新的解決方案。LPWAN（Low-Power?Wide-Area?Network，低功耗廣域網）技術廣泛應用于遠距離、低功耗、大量連接需求的物聯網應用場景，面對功耗距離和通信吞吐量多方面均衡的萬物互聯，更是迫切需要通感融合技術。

近年來人工智能（AI）在諸多領域取得了巨大進展，同樣地也被應用到無線通信領域當中解決各種技術挑戰。利用人工智能技術可以從龐大、復雜的數據中學習或探索到合適的策略，并根據環境動態調整。所以利用人工智能技術這種動態、強大的探索能力可以極大促進低功耗廣域網通感融合實現，但即使如此，在該方面仍存在著不少的挑戰。例如，如何通過無線信號挖掘出無線通信信道的信息，如何讓人工智能模型充分利用這些信息重建信道，并根據所重建的信道對網絡通信進行輔助，這仍然是一個值得關注的問題。

發明內容

本說明書實施例的目的是提供一種基于信道感知和強化學習的低功耗廣域網通感融合方法。

為解決上述技術問題，本申請實施例通過以下方式實現的：

本申請提供一種基于信道感知和強化學習的低功耗廣域網通感融合方法，該方法包括：

網關接收機接收終端節點發送的上行信號，利用軟解調算法對上行信號進行解調，得到比特對數似然比；

深度強化學習模型根據比特對數似然比，完成通信過程中對應鏈路的信道重建，得到重建信道；

根據重建信道，計算當前最優網絡配置，以在下次下行傳輸時分配給各終端節點。

在其中一個實施例中，利用軟解調算法對上行信號進行解調，得到比特對數似然比，包括：

根據上行信號計算的比特對數似然比由貝葉斯公式確定，而各個符號發送概率相等，則第 k個比特的比特對數似然比為：

其中，分別表示第 k個比特等于0、1的符號集合，為接收的所有可能的符號集合；

其中，在加性高斯白噪聲信道的模型下，噪聲服從零均值的高斯分布，基于最大后驗概率準則，對解調結果，有條件概率：