基于深度预测制造技术

本申请涉及一种基于深度预测

【技术实现步骤摘要】
基于深度预测Q网络的SCMA码本选择和功率分配方法


[0001]本申请涉及无线通信
，特别是涉及一种基于深度预测
Q
网络的
SCMA
码本选择和功率分配方法
。

技术介绍

[0002]非正交多址
(Non
‑
orthogonal multiple access,NOMA)
技术是一种多物联网设备接入技术，可以实现物联网网络中的大规模连接
。NOMA
技术通过将多个物联网设备的信号在同一频带上进行叠加，并使用不同的功率级别或者码本来区分物联网设备
。
稀疏码多址（
Sparse Code Multiple Access
，
SCMA
）是一种码域
NOMA
技术，其核心在于设计一组稀疏的非正交码本，将物联网设备数据映射到码本中的某些码字上，再通过多物联网设备干扰消除技术如消息传递算法将不同物联网设备的数据分离出来
。SCMA
技术是未来通信和物联网大连接场景下的候选空口技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于深度预测
Q
网络的
SCMA
码本选择和功率分配方法，其特征在于，所述方法包括：获取物联网设备在数据传输过程中的码本集合和子载波集合；根据
SCMA
技术和码本集合为多个物联网设备分配不同的码本，计算分配过程中的
SCMA
码本选择和功率分配策略；利用所述
SCMA
码本选择和功率分配策略进行标准计算，得到物联网设备的传输速率；将最大化所述物联网设备的传输速率设置为码本选择及功率分配问题的目标函数，根据
SCMA
码本选择方式和子载波的分配功率设置码本选择及功率分配问题的约束条件，利用所述目标函数和约束条件设置码本选择及功率分配问题的求解模型；将物联网设备表示为智能体，设置智能体与动态环境交互中的观测结果
、
动作和奖励，智能体通过与动态环境交互获得奖励和惩罚，得到动作策略；根据经验重放以及固定目标网络方法和所有智能体的历史动作策略对预先构建的深度预测
Q
网络进行训练，得到训练好的深度预测
Q
网络；利用所述训练好的对深度预测
Q
网络所述求解模型进行求解，得到码本选择及功率分配策略
。2.
根据权利要求1所述的方法，其特征在于，计算分配过程中的
SCMA
码本选择和功率分配策略，包括：计算分配过程中的
SCMA
码本选择和功率分配策略为；；其中，表示码本选择的二进制变量，表示子载波上分配的功率比例，表示码本集合，表示子载波集合，表示时隙集合，表示码本序列，表示子载波序号，表示时隙序号，表示物联网设备序号，表示物联网设备集合，表示基站序号
。3.
根据权利要求2所述的方法，其特征在于，利用所述
SCMA
码本选择和功率分配策略进行标准计算，得到物联网设备的传输速率，包括：利用所述
SCMA
码本选择和功率分配策略进行标准计算，得到物联网设备的传输速率为；其中，表示物联网设备占用码本的信干噪比，表示码本占用的子载波，表示物联网设备在码本上的发射功率，表示时隙内物联网设备通过子载波到基站的准静态衰落信道增益，表示物联网设备在子载波上的干
扰，表示背景噪声的功率
。4.
根据权利要求2所述的方法，其特征在于，根据
SCMA
码本选择方式和子载波的分配功率设置码本选择及功率分配问题的约束条件，包括：约束一：表示物联网设备选择的
SCMA
码本变量，即；约束二：表示给被占用的子载波分配功率，即；约束三：每个
SCMA
码本最多可以由一个物联网设备选择，即；约束四：各子载波的功率分配比例之和等于1，即
。5.
根据权利要求1所述的方法，其特征在于，将物联网设备表示为智能体，设置智能体与动态环境交互中的观测结果
、
动作和奖励，包括：观测结果：表示物联网设备在时隙观测到的环境状态，观测结果为；其中，表示子载波上观测到的信...

【专利技术属性】
技术研发人员：雷菁，刘鹏涛，刘伟，杨颜冰，黄英，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：