一种无线资源分配优化装置及方法制造方法及图纸

本发明专利技术公开了一种无线资源分配优化装置及方法，该装置包括：数据采集模块，用于采集UE上传的信道数据并实现UE的定位；数据预测模块，用于实现对神经网络模型的训练和采集数据的预测；策略优化模块，用于实现子载波资源的分配和传输速率的选择。本发明专利技术提供的无线资源分配优化装置及方法中，引入小区间干扰，实现对小区边缘UE和小区中心UE使用不同的方案计算信道容量，更符合真实系统；对干扰信息和信道信息使用预测技术，可获得更加准确的信道和干扰信息，解决了反馈的信道状态同数据传输时刻的信道状态存在变化的问题，实现了子载波分配和传输速率的选择，可在整个传输时间段内获得更大的吞吐量。得更大的吞吐量。得更大的吞吐量。

【技术实现步骤摘要】
一种无线资源分配优化装置及方法


[0001]本专利技术属于移动通信
，具体涉及一种无线资源分配优化装置及方法。

技术介绍

[0002]无线资源管理是指在有限带宽的条件下，为无线用户设备(UE)提供业务质量保障，灵活分配和动态调整无线传输部分和网络的可用资源，最大程度地提高无线频谱利用率。常规的资源分配问题的信道建模中，往往考虑有用信号和噪声信号的信道模型，但对于干扰的建模较少。
[0003]中国专利技术专利，公开号为CN112566253A，专利名称为一种无线资源分配联合优化方法及装置，公开了：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。但是该专利存在以下问题：1)该专利考虑的干扰为不同天线之间的干扰，可以理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无线资源分配优化装置，其特征在于，包括：数据采集模块，用于采集UE上传的信道数据并实现UE的定位；数据预测模块，用于实现对神经网络模型的训练和采集数据的预测；策略优化模块，用于实现子载波资源的分配和传输速率的选择。2.根据权利要求1所述的一种无线资源分配优化装置，其特征在于，所述数据采集模块包括UE位置定位模块、干扰数据采集模块和信道数据采集模块，所述UE位置定位模块通过UE上报的服务小区参考信号接收功率(RSRP_S)和邻小区的参考信号接收功率(RSRP_N)的差值得到UE所属的位置(小区边缘/小区中心)，这一结果决定之后是否需要采集小区间干扰数据，所述干扰数据采集模块负责采集小区间干扰的强度，即统计UE接收邻区信号的平均功率作为干扰值，并将干扰数据记录在干扰数据库中，所述信道数据采集模块负责采集服务小区信号的平均功率值，作为有用信号的功率值，并记录在信道数据库中。3.根据权利要求1所述的一种无线资源分配优化装置，其特征在于，所述数据预测模块包括干扰数据预测模块、信道数据预测模块和神经网络模型，所述干扰数据预测模块负责将数据库和实时采集的干扰数据利用卡尔曼滤波在时间维度进行干扰预测，利用滤波后的数据作为预测数据输出，所述信道数据预测模块用于将数据库中的信道数据利用滑窗法在时间维度进行数据集的生成，所述神经网络模型负责利用数据集中的训练集进行模型训练，再利用数据集中的测试集进行预测准确率检验，其误差小于标定阈值时认为模型训练成功。4.根据权利要求3所述的一种无线资源分配优化装置，其特征在于，所述神经网络模型为三层结构，第一层为全连接层作为输入层，第二层为长短期记忆层，第三层为一个神经元作为输出层，第一层和第二层中每层拥有64个神经元，激活函数为线性整流函数。5.根据权利要求1所述的一种无线资源分配优化装置，其特征在于，所述策略优化模块通过深度强化学习的方法实现子载波资源的分配和传输速率的选择，实现强化学习模型的训练和使用，所述策略优化模块包括传输速率备选集合模块和传输速率选择模块。6.根据权利要求5所述的一种无线资源分配优化装置，其特征在于，所述所述策略优化模块通过深度强化学习的方法实现子载波资源的分配和传输速率的选择，实现强化学习模型的训练和使用的步骤包括：1)初始化模型的状态空间、动作空间及深度强化学习网络参数，所述状态空间为待分配的各个子载波的信道状态、干扰状态和已分配的平均子载波数量，所述动作空间为当前时刻分配的子载波数量和传输速率；2)根据当前状态计算信道容量并选取动作；3)获取奖励函数、下一状态并存储经验；4)根据经验...

【专利技术属性】
技术研发人员：王喆，刘中华，王惠兵，蒋鹏良，吴达，刘斌，
申请(专利权)人：上海大学，
类型：发明
国别省市：