一种基于图神经网络的无蜂窝网络下行预编码设计方法技术

本发明专利技术提供了一种基于图神经网络的无蜂窝网络下行预编码设计方法，包括：步骤1，建立无蜂窝网络中用户终端设备的总速率优化问题；步骤2，对步骤1中的优化问题重新进行转换；步骤3，通过连续凸近似

【技术实现步骤摘要】
一种基于图神经网络的无蜂窝网络下行预编码设计方法


[0001]本专利技术涉及一种基于图神经网络的无蜂窝网络下行预编码设计方法
。

技术介绍

[0002]通常，蜂窝网络的性能受到小区间干扰的限制
。
特别的，靠近小区边界的用户会受到强烈的干扰
(
相对于他们所需信号功率而言
)。
多输入多输出
(Multi Input Multi Output
，
MIMO)
无线通信系统
(
以及分布式
MIMO、
协调多点传输和分布式天线系统
)
可以通过基站之间的协同合作来减少这种小区间干扰
。
在上述网络中，基站可以通过前程
、
回程链路进行合作，在下行链路上联合发送信号，在上行链路上联合检测信号
。
然而，研究表明，基站之间的合作存在根本性局限性，即使在基站之间实现了完全合作，在发射功率趋向无穷大时，频谱效率也仅有有限的上界
。
但是，与忽略干扰情况相比，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图神经网络的无蜂窝网络下行预编码设计方法，其特征在于，包括以下步骤：步骤1，建立无蜂窝网络中用户终端设备的总速率优化问题；步骤2，建立一种基于分数规划
FP
算法的迭代策略以联合优化总速率和前程容量，对步骤1中的优化问题重新进行转换；步骤3，得到优化问题的子问题，通过连续凸近似
SCA
方法求解子问题；步骤4，使用块坐标下降法
BCD
方法处理步骤2得到的转换后的问题；步骤5，建立用于无线通信的基于图神经网络的学习框架；步骤6，使用基于图神经网络的监督学习方法对基站与用户间天线连接关系进行预测；步骤7，使用基于图神经网络的无监督学习方法，根据已有基站与用户间天线连接关系进行预编码矩阵设计
。2.
根据权利要求1所述的方法，其特征在于，步骤1包括：设定无蜂窝网络包括
B
个基站
BS
和
K
个用户终端
UE
，其中
B
个基站同时向
K
个用户终端设备在下行链路传输数据符号，信号首先从中央处理单元
CPU
通过前程链路传输到基站，然后再由基站天线传输给用户终端设备；设定每个基站都有
M
个天线，每个用户终端设备都有一个天线；所有用户终端设备
UE
的数据符号
s
表示为其中
E(s
·
s
H
)
＝
I
k
；从第
i
个
BS
到所有用户终端设备
UE
的信道表示为从所有基站
BS
到所有用户的信道表示为
CPU
确定每个基站的实际预编码向量，
CPU
分别传输数据符号
s
和预编码矩阵
V
i
，将第
i
个基站处的预编码矩阵表示为则第
i
个基站处发送的符号向量为：
x
i
＝
V
i
s
ꢀꢀꢀ
(1)
将第
i
个基站到第
k
个用户终端设备的信道表示为它也是
H
i
的第
k
行，则第
k
个
UE
接收到的信号
y
k
表示为：第
k
个用户终端设备接收到的信干噪比
SINR
k
表示为：其中，表示第
k
个用户处的高斯白噪声；用户终端设备的总速率优化问题为：用户终端设备的总速率优化问题为：用户终端设备的总速率优化问题为：
其中
s.t.
表示优化问题所受的约束集，
I
表示指示函数，其表达式为
||
•
||
F
表示向量的
F
范数，表示第
i
个
BS
的最大发射功率，表示所有
BS
的最大前程链路容量
。3.
根据权利要求2所述的方法，其特征在于，步骤2包括：通过将
SINR
k
替换为
γ
k
，并增加等式约束，此时的问题表示为：等式约束，此时的问题表示为：等式约束，此时的问题表示为：等式约束，此时的问题表示为：使用拉格朗日乘数法来处理问题
(5)
中的等式约束：根据拉格朗日定理，得到
λ
的最优闭合形式解为：将最优的拉格朗日乘数代入拉格朗日对偶函数中，得到如下公式：在找到表达式的公共分母后，得到以下方程：现在目标函数具有以下形式：根据分式规划方法，公式
(9)
中的复杂分式进行等价变换，得到如下目标函数：
其中
y
k
是引入的辅助变量；则步骤1中的问题被重新表述为：
4.
根据权利要求3所述的方法，其特征在于，步骤3包括：对于公式
(12)
中的前程链路约束中的指示函数
I
，使用平滑指示函数进行近似，平滑指示函数为：对于给定任意点对其进行一阶泰勒展开得到：其中上标
’
表示导函数；对于固定的
γ
和
y
，得到子问题
(15)
：采用
SCA
方法求解子问题
(15)。5.
根据权利要求4所述的方法，其特征在于，步骤3中，所述采用
SCA
方法求解子问题
(15)
，具体包括如下步骤：输入为：精度
ε
，可行的波束成形矩阵
V0，最大迭代次数
N
；输出为：最优波束成形矩阵
V
*
；步骤
a1
，设置
t
＝1并初始化
f3(V0)
；步骤
a2
，如果
t≤N
，执行步骤
a3
；否则执行步骤
a7
；步骤
a3
，使用固定的
γ
t
和
y
t
，使用凸优化算法解决问题
(15)
，以获得
V
t
；步骤
a4
，更新
f3(V
t
)
；步骤
a5
，如果
|f3(V
t
)
‑
f3(V
t
‑1)|
＞
ε
|
，则设置
t
＝
t+1
并转到步骤2，否则返回最优波束成
形矩阵
V
*
＝
V
t
；步骤
a6
，结束
。6.
根据权利要求5所述的方法，其特征在于，步骤4包括：步骤4‑1，在固定
V
和
y
的情况下优化
γ
，将其一阶导数设为0：然后得到
γ
的最优解：步骤4‑2，在固定
V
和
γ
的情况下优化
y
，将其一阶导数设为0：然后得到
y
的最优解：步骤4‑3，在...

【专利技术属性】
技术研发人员：赵健，王凌飞，刘其杰，申富饶，
申请(专利权)人：南京大学，
类型：发明
国别省市：