[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

说明书

本发明涉及通信网络技术，具体涉及基于级联人工神经网络的逐子载波无线转发站分配方法，具体步骤包括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。本发明的级联人工神经网络框架可以降低传统逐子载波无线转发站分配方案的系统复杂度，可以降低传统逐子载波无线转发站分配方案的处理时延，本发明所提出的级联结构将一个复杂的，单一训练网络不易理解的决策问题，拆分为多个简单的最大最小化问题，提升了人工神经网络的训练效率。

技术领域

本发明涉及通信网络技术，具体涉及基于级联人工神经网络的逐子载波无线转发站分配方法。

背景技术

近年来，传统点对点通信局限于近场传输，随着通信距离的增加，无法与时俱进。现代通信要求高带宽，高数据传输速度，高可靠性。因此协作通信网络和无线转发站辅助通信技术发展迅猛，弥补长距离的信道衰弱，多载波多无线转发站协作系统在第六代(6G)网络也将发挥重要作用。

对于多载波多无线转发站协作系统，逐子载波无线转发站分配技术于2007年首次提出，是多载波无线转发站分配的两大分配标准之一(另一基本标准是多载波单无线转发站分配)。后续研究对多载波无线转发站分配进一步分析，利用放大转发协议(AF)和解码转发协议(DF)来进行无线转发站转发信号的操作。AF有时间延迟短的优点，但信噪比相对高；DF有信噪比高，误码率低的优点，但处理时间延迟较长。

由于多载波多无线转发站协作系统中，无线转发站在空间中不均匀分布，因此如何在多载波环境中分配正确合适的无线转发站成为研究热点。传统上，多载波无线转发站可以用集中式方案或分布式方案来实现：

集中式方案要求中央处理器对所有信道和无线转发站进行分析，为每个子载波分配无线转发站，缺点是中央处理器复杂度极高，计算负载巨大；

分布式方案利用多个计时器采集不同信道的信道状态信息(CSI)，极大减轻了中央处理器的计算负载，但引入多个计时器可能带来难以接受的处理时延，因此也未能尽善尽美。

发明内容

本发明针对传统逐子载波无线转发站分配采用的暴力算法的系统复杂度过高和处理时间延迟过长的弊端，在监督型机器学习的基础上，加入并行思想，利用级联人工神经网络来替代暴力检索方法，提供了一种基于级联人工神经网络的逐子载波无线转发站分配方法，具体技术方案如下：

基于级联人工神经网络的逐子载波无线转发站分配方法，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。

优选地，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。

优选地，所述步骤S1中设计级联人工神经网络的结构的步骤如下：