【技术实现步骤摘要】
基于深度学习的认知无线电功率控制方法
[0001]本专利技术涉及认知无线电
，具体涉及基于深度学习的认知无线电功率控制方法。
技术介绍
[0002]认知无线电自提出以来，一直是智能通信领域的重要研究内容，它的主要目的是为了满足无线频谱需求不断增长的需求，在保证主用户干扰处于可容忍的范围内，不影响其正常通信。传统的无线通信功率分配方法多数面临着计算复杂、迭代繁琐的问题，需要占用更多的计算资源，也使得系统的实时性较差。认知无线电技术通过频谱感知技术感知周围环境的变化，通过机会式频谱接入或重叠式频谱接入，使得次用户能够接入频谱的空闲频段，从而让主用户与次用户能够动态地共享频谱资源，从而为次用户提供更大的带宽，提高频谱使用效率。资源分配是认知无线电中的重要技术之一，它通过为次用户选择最佳信道、控制传输功率等方式以提高整个认知无线电系统的性能。机会式频谱接入方式必须在主用户未使用频谱时方可允许次用户使用此频谱；而重叠式频谱接入方式允许主用户与次用户同时在同一段频谱上发送数据，但是次用户对主用户的干扰不能够影响主用户的通信，即应小...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的认知无线电功率控制方法，其特征在于，包括以下步骤：S1.改进传统的WMMSE算法，得到满足主用户可容忍的干扰阈值并保证次用户通信质量的WMMSE算法；S2.将改进的WMMSE算法的输入与输出作为训练集，利用深度学习模型得到主用户和次用户的功率分配。2.根据权利要求1所述的基于深度学习的认知无线电功率控制方法，其特征在于，步骤S1改进传统WMMSE算法具体包括以下步骤：首先建立认知无线电网络重叠式通信模型，设通信模型中有1个主用户和M个次用户，主用户和次用户均包括发射器和接收器，次用户i接收器上接收的信号y
i
为：式中：i∈{1，2，3，...，M}，j∈{1，2，3，...，M}；h
ii
表示次用户i发射器与次用户i接收器间的信道增益；s表示传输信号；v表示用户用来传输信号s时对信号的增强；h
ii
v
i
s
i
表示次用户i发射器上发射的有用信号；h
ij
表示次用户j发射机到次用户i接收器的信道增益；表示其他非次用户i发射器上发射的信号；h
i0
表示主用户对次用户i的干扰增益；h
i0
v0s0表示主用户对次用户i造成的干扰；n
i
表示加性高斯白噪声；次用户i接收器上接收的信号为：其中u表示信号接收器上的信号放大器；使次用户对主用户的干扰小于等于主用户的干扰功率阈值：式中：h
0i
表示次用户i对主用户的干扰增益；p
i
表示次用户i的发射功率，0≤p
i
≤P
max
，P
max
为次用户信号发射器的最大发射功率，I
th
为主用户的总干扰功率阈值；次用户i接收器上的信号与干扰加噪声比SINR
i
为：式中：表示主用户发射器对于次用户i接收器的干扰，p
PU
表示主用户发射器的实际发射功率；且保证SINR
i
≥γ
i
，γ
i
表示次用户i接收器上的SINR的阈值；此时，在保证主用户良好的通信质量和保证次用户一定的通信质量的情况下最大化次用户的速率和可以用数学模型表示为：s.t.0≤p
i
≤P
max
确认上述问题为NP
‑
hard，接收器所接收到信号的均方差可以表示为：WMMSE算法引入额外的算了将低维问题转换为高维度的空间，将最大化次用户速率和的问题转化为最小化均方差的问题，如下式：用户速率和的问题转化为最小化均方差的问题，如下式：用户速率和的问题转化为最小化均方差的问题，如下式：用户速率和的问题转化为最小化均方差的问题，如下式：求得次用户最佳的分配功率为：功率分配的算法实现方法如下：A)初始化且B)根据初始化的的值计算和C)将和这些初始值代入目标中，对和进行更新；D)当满足下列条件：D)当满足下列条件：D)当满足下列条件：即得当前环境下次用户的最优功率若不满足条件，则重复上一步继续进行。
3.根据权利要求2所述的基于深度学习的认知无线电功率控制方法，其特征在于，深度学习方式为深度神经网络，则基于深度神经网络的认知无线电功率控制方法包括以下步骤：将信道增益矩阵(N，M+1，M+1)重构为[N，(M+1)*...
【专利技术属性】
技术研发人员：宗雪凯，朱晓梅，赵韵雪，李义丰，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。