一种基于机器学习的非正交多址中的用户通用分组方法技术

本发明专利技术涉及一种基于机器学习的非正交多址中的用户通用分组方法，包括步骤1：获取系统内所有用户的发射功率预算以及信道增益系数数据；步骤2：构建多用户分组通信模型；步骤3：求解多用户分组通信模型，获得功率优化闭式解以及用户分组解；步骤4：根据用户分组解对用户进行分组，并通过功率优化闭式解进行功率控制，完成用户通用分组。与现有技术相比，本发明专利技术具有实现用户重叠分组、提高用户接入量、兼顾计算复杂度和有效性等优点。

【技术实现步骤摘要】
一种基于机器学习的非正交多址中的用户通用分组方法
本专利技术涉及智能信息采集
，尤其是涉及一种基于机器学习的非正交多址中的用户通用分组方法。
技术介绍
随着有限的频谱资源不断耗尽，5G和未来的实际通信系统中，多址接入的问题十分具有挑战。另一方面，物联网(IoT)已经成为一套独具特色的网络体系，其中各类小型部件与传感器都能够自主产生感知信息和网络流量，如何有效的将大面积分布的传感器感知信息收集起来，是一项新型挑战。面对大规模用户或传感器的接入需求，多址接入技术亟待提升。非正交多址(Non-orthogonalmultipleaccess,NOMA)技术因其能够将多个用户在频率域上叠加而复用频率/时间等资源，提升了用户接入量，成为未来通信领域的一项大有潜力的技术，大量研究显示，非正交多址技术能够为现有的通信系统带来性能提升。在实际通信系统中，采用非正交多址技术的关键在于用户分组。在文献“OnUserPairinginUplinkNOMA”中，通过匈牙利算法(Hungarian)求解修正后的代价矩阵来获得最优的用户配对组。在文献“Imp本文档来自技高网...

【技术保护点】
1.一种基于机器学习的非正交多址中的用户通用分组方法，其特征在于，包括：/n步骤1：获取系统内所有用户的发射功率预算以及信道增益系数数据；/n步骤2：构建多用户分组通信模型；/n步骤3：求解多用户分组通信模型，获得功率优化闭式解以及用户分组解；/n步骤4：根据用户分组解对用户进行分组，并通过功率优化闭式解进行功率控制，完成用户可重叠分组的用户通用分组。/n

【技术特征摘要】
1.一种基于机器学习的非正交多址中的用户通用分组方法，其特征在于，包括：
步骤1：获取系统内所有用户的发射功率预算以及信道增益系数数据；
步骤2：构建多用户分组通信模型；
步骤3：求解多用户分组通信模型，获得功率优化闭式解以及用户分组解；
步骤4：根据用户分组解对用户进行分组，并通过功率优化闭式解进行功率控制，完成用户可重叠分组的用户通用分组。


2.根据权利要求1所述的一种基于机器学习的非正交多址中的用户通用分组方法，其特征在于，所述的步骤2具体为：
整个通信系统中存在k个用户和一个基站，多个用户组成一个NOMA组共享频谱资源，每个NOMA组的频谱资源与其他组的频谱资源相互正交，共形成C个组，其中C＜K，考虑到用户的重叠分组，用户的发射功率预算在其所参加的分组中被平均划分，将所有用户按照信道增益顺序排序为g1＞g2＞…＞gk＞…＞gK，则能够进行非正交多址分组的条件为：



其中，pk为第k个用户的发射功率；δ为通组内用户之间的功率间隔，该间隔用于确保基站在收到所有信号后能够进行正确的解码以区分所有的用户信号；
对于用户分组的表示，二元变量βk,c用于表示第k个传感器处于第c个组内，用户k在平坦衰落信道下的可达速率Rk,c根据香农公式C＝Blog(1+S/N)可得：



其中，B0为每块频谱资源的带宽；N0为噪声功率谱密度；K为用户数量；
所述的多用户分组通信模型的目标函数为最大化系统和速率，具体为：





3.根据权利要求1所述的一种基于机器学习的非正交多址中的用户通用分组方法，其特征在于，所述的步骤3具体为：
将多用户分组通信模型的目标函数分解为用户分组子目标函数和功率控制子目标函数；
首先使用机器学习子模型对用户分组子目标函数进行求解获得在输入信道增益下K个用户的分组结果；
然...

【专利技术属性】
技术研发人员：赵生捷，陈伟超，张荣庆，肖京，丁富强，张林，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31