[发明专利]基于级联人工神经网络的逐子载波无线转发站分配方法

权利要求书

1.基于级联人工神经网络的逐子载波无线转发站分配方法，其特征在于：包括以下步骤：

S1：根据逐子载波无线转发站分配标准设计级联人工神经网络的结构；

S2：采用监督型机器学习的方法对人工神经网络进行训练；

S3：采用训练好的级联人工神经网络逐子载波分配最优的无线转发站。

2.根据权利要求1所述的基于级联人工神经网络的逐子载波无线转发站分配方法，其特征在于：

所述逐子载波无线转发站分配标准具体为：在不受所选无线转发站数量限制的情况下，逐子载波无线转发站分配标准可以分配多个无线转发站，最多可以分配与子载波数目相同的无线转发站，让每个子载波各自都能被最优的无线转发站处理转发，如下公式(1)所示：

其中，表示所有K个子载波的集合，即表示所有M个无线转发站的集合，即G(m,k)表示第k个子载波被第m个无线转发站转发的等效的端到端信道功率增益；是所有K个载波的单无线转发站索引，表示第k个子载波所分配的无线转发站；为可分配无线转发站的集合。

3.根据权利要求2所述的基于级联人工神经网络的逐子载波无线转发站分配方法，其特征在于：所述步骤S1中设计级联人工神经网络的结构的步骤如下：

S11：构造K个主级人工神经网络，每个主级人工神经网络都具有M个输入，即每个子载波都把M个无线转发站遍历一遍，输入值为第k个子载波被M个无线转发站转发所对应的M个端到端信道功率增益；相应的主级人工神经网络的输出是这M个端到端信道功率增益中最大的那个端到端信道功率增益所对应的那个最优无线转发站，最优无线转发站对应的指示数设为1，其他无线转发站的指示数设为0；

S12：构造M个次级人工神经网络，把主级人工神经网络的输出作为次级人工神经网络的输入；对于第m个次级人工神经网络，有K个输入，即每个主级人工神经网络都有M个输出，把每个主级人工神经网络的第m个输出都输入到第m个次级人工神经网络内；第m个次级人工神经网络的输出是一个二进制数，指示是否对应分配第m个无线转发站；每个次级人工神经网络分别用作具有K个不完善输入的“或”门，并且所有M个次级人工神经网络都作为分类器在分布式的基础上运行。

4.根据权利要求3所述的基于级联人工神经网络的逐子载波无线转发站分配方法，其特征在于：所述步骤S2中采用监督型机器学习的方法对人工神经网络进行训练的步骤如下：

S21：构造带有标签的训练数据集：采用暴力搜索算法确定转发所有K个子载波的无线转发站的集合对应于给定{G(m,k)}的标签，将训练数据集和标签成对存储，其中{G(m,k)}表示由第m个无线转发站转发的K个子载波的等效的端到端信道功率增益的集合；

S22：训练人工神经网络：初始化参数将训练数据集作为K个主级人工神经网络的输入，把主级人工神经网络的输出作为次级人工神经网络的输入，次级人工神经网络的输出检索到的一组选定的无线转发站，命名为将与根据暴力搜索算法所产生的标签进行比较，从而产生误差矢量和误差梯度矢量，再通过反向传播机制逐层调整链接权重和神经元激活阈值；其中，表示主级人工神经网络的层数；表示主级人工神经网络第l层中神经元的数目；表示主级人工神经网络的学习速率；表示主级人工神经网络的范围扩展系数；表示次级人工神经网络的层数；表示次级人工神经网络第l层中神经元的数目；表示次级人工神经网络的学习速率；表示次级人工神经网络的范围扩展系数；

S23：重复步骤S22，训练过程以迭代的方式进行，每次迭代更新链路权重和神经元激活阈值，从而使得级联人工神经网络所给出的输出与标签接近；当所有训练数据集全部被使用完之后，迭代过程停止，训练结束。

5.根据权利要求4所述的基于级联人工神经网络的逐子载波无线转发站分配方法，其特征在于：所述步骤S21中包括先将{G(m,k)}归一化，具体如下：

6.根据权利要求4所述的基于级联人工神经网络的逐子载波无线转发站分配方法，其特征在于：所述步骤S22中采用量化函数将次级人工神经网络的输出逐项量化，具体是将最大项转换为1，其他项转换为0；1与所选无线转发站相关联，0与落选无线转发站相关联。