[发明专利]一种无线资源分配联合优化方法及装置

说明书

本发明公开了一种无线资源分配联合优化方法及装置，该方法包括：对待资源分配优化的MIMO网络架构的应用场景进行建模，得到对应的MIMO网络架构的信道模型；其中，用户对之间采用NOMA通信技术，在发射端采用迫零波束赋形技术对发射信号进行编码；基于信道模型，采用深度强化学习网络进行学习，实现MIMO网络架构中的簇间干扰和簇内干扰的分配；其中，深度强化学习的目标是在保证网络架构内第一组用户的最低目标数据速率时，最大化第二组用户的和速率。本发明可以实现MIMO网络架构中对于多个子功率控制的资源分配，获取用户的最大和速率，最终实现无线资源分配的整体经济效益。

技术领域

本发明涉及移动通信技术领域，特别涉及一种无线资源分配联合优化方法及装置。

背景技术

NOMA作为一种很有前途的技术，最近引起了业界和学术界的广泛关注。NOMA是一种多用户多路复用方案，能够在功率域同时进行多路访问，对频谱和资源进行更有效的利用。在NOMA网络里，通常会进行连续干扰抵消SIC，这样可以去除由NOMA引起的共通道干扰，并将期望的信号连续解码。

数字域波束赋形通常采用自适应阵列天线系统，根据参考信号的接收质量，进行信道估计计算产生对应用户的波束赋形矢量，通过灵活控制波束赋形矢量，使波束主瓣对准用户，低功率的旁瓣或者零限位置对准干扰源，提高通信通信系统的信噪比使系统性能得到提升。

深度强化学习是将深度神经网络和强化学习进行结合，将高维动态数据进行分析并做出决策。面对资源分配的问题，采用深度强化学习可以对该问题进行建模后快速得出最优决策，并展现出很高的性能。深度强化学习对于状态空间和动作空间较大的资源分配具有良好性能。

另一方面，在基于NOMA通信的多用户多输入多输出网络系统MIMO-NOMA架构中，功率控制一直都是人们关注的焦点之一。功率的合理分配能够极大的节省系统资源。而目前针对在MIMO-NOMA网络系统的应用场景下，如何实现更优化的功率分配，依然是一个亟待解决的难题。

发明内容

本发明提供了一种无线资源分配联合优化方法及装置，用于多用户多输入多输出MIMO网络架构，以实现MIMO网络架构中对于多个子功率控制的资源分配，获取用户的最大和速率，最终实现无线资源分配的整体经济效益。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种无线资源分配联合优化方法，用于多用户多输入多输出MIMO网络架构，该方法包括：

对待资源分配优化的MIMO网络架构的应用场景进行建模，得到对应MIMO网络架构的信道模型；其中，在所述MIMO网络架构中，用户对之间采用NOMA通信技术，在发射端采用迫零波束赋形技术对发射信号进行编码；

基于所述信道模型，采用深度强化学习网络进行学习，实现MIMO网络架构中的簇间干扰和簇内干扰的分配；其中，深度强化学习的目标是在保证网络架构内第一组用户的最低目标数据速率时，最大化第二组用户的和速率。

进一步地，对待资源分配优化的MIMO网络架构的应用场景进行建模包括：

对待资源分配优化的MIMO网络架构的用户设备及信道状态资源建模为有限状态马尔可夫模型；其中，所述MIMO网络架构为一离散时隙系统，在同一时刻内，系统状态不发生变化，下一时刻系统状态依据状态转移概率进行转换。

进一步地，所述深度强化学习网络为双重深度Q网络，所述双重深度Q网络包括主网络和目标网络两个神经网络，两个神经网络的结构相同，参数不同。

进一步地，所述基于所述信道模型，采用深度强化学习网络进行学习，实现MIMO网络架构中的簇间干扰和簇内干扰的分配，包括：

S1，初始化系统的状态空间、动作空间以及深度强化学习网络参数；