【技术实现步骤摘要】
本专利技术涉及无线通信，具体而言，尤其涉及一种基于图神经网络的无蜂窝网络功率控制方法。
技术介绍
1、在传统的多输入多输出(multiple-input multiple-output,mimo)系统中，大量的天线集中分布在基站，用户终端分布在基站周围，具有低数据共享开销和前端传输要求的优势。但是分布式mimo系统可以通过利用信号的独立衰落为所有用户终端提高统一良好的服务，进而达到获取抵抗阴影衰落的高分集增益的目的。无蜂窝网络是对传统mimo系统的解构，大量天线分布在一个广域上的不同位置，用户同样分布在这个广域上。这些天线被称为接入点。理论上每个用户可以与每一个接入点通信。通过依靠时分双工操作，借助于在相同时频资源中运行的前传网络和中央处理单元，地理上分散的大量天线共同为较少数量的用户终端服务。中央处理单元将下行链路数据和功率控制系数发送给接入点，而接入点通过前传链路将从上行链路中的用户终端处接收到的数据反馈给中央处理单元。全部的接入点通过回程链路连接到中央处理器进行相位相干协作，在同一时间频率资源上同时服务于所有用户。
2、基于深度学习的方法被广泛用于解决无线通信领域，并总能得到期望的结果，现有的无蜂窝网络功率控制技术通常采用的是优化方法，在处理大规模数据时，会导致计算资源的需求增加。深度学习模型由于其自动特征学习和端到端学习的特性可能更适合处理大规模数据，但一些常规的神经网络架构，如多层感知机，通常在大规模网络中产生较差的性能了，而图神经网络可以利用无线通信的拓扑结构，有效解决资源分配问题。
3、综上
技术实现思路
1、根据上述提出的技术问题，本专利技术采用的技术手段如下：一种基于图神经网络的无蜂窝网络功率控制方法，包括如下步骤：
2、s1、采用时分双工操作模式，利用无蜂窝网络信道互易性，通过上行链路发送的导频信息进行无蜂窝网络信道估计；
3、s2、通过基于信道估计值的最大比率预编码方案，对下行链路数据传输阶段的传输符号进行预编码，然后利用共轭波束成形技术向用户发送信号；
4、s3、对最大化下行链路最小用户通信速率问题进行建模，再通过将最大化下行链路最小用户通信速率的问题转化为相应的图优化问题，采用一种基于图神经网络的功率控制算法进行求解，实现下行链路的通信速率的提高。
5、进一步地：所述采用时分双工操作模式，利用无蜂窝网络信道互易性，通过上行链路发送的导频信息进行无蜂窝网络信道估计的过程如下：
6、s11、在所考虑的无蜂窝网络系统中，共有m个单天线接入点和k个单天线用户，每个接入点都通过回程链路与中央处理器连接，m个接入点在相同的时间频率资源下为k个用户服务；
7、在无蜂窝网络系统中采用时分双工操作模式，利用信道互易性，在上行链路训练阶段，所有用户向接入点发送导频序列，在每个接入点处进行到所有用户的信道估计，获取到的信道状态信息用于上行链路数据传输解码和下行链路数据传输编码。
8、将第k个用户到第m个接入点间的信道系数用表示：
9、
10、其中，m=1,…,m，k = 1,..,k，是接入点 m和用户 k之间的大尺度衰落系数，主要反映的是路径损耗和阴影衰落对信道的影响，是小尺度衰落系数，每一个小尺度衰落系数都是独立同分布的，表示均值为0和方差为1的复高斯随机变量；
11、通过路径损耗和不相关的对数正态阴影对大尺度衰落系数进行建模：
12、
13、其中：表示路径损失，为具有标准方差和的阴影衰落，其中路径损失可由如下表示：
14、
15、其中：，是载波频率，是接入点的天线高度，是用户的天线高度，是第m个接入点到第k个用户间的距离，和为参考距离；
16、阴影衰落是相互关联的，使用一个包含两个分量的模型来计算阴影衰落系数：
17、
18、其中，，，是两个独立的随机变量，表示均值为0和方差为1的高斯随机变量，，是一个参数；
19、和的协方差函数为：
20、
21、
22、其中，是第个接入点和第个接入点之间的距离，是第个用户和第个用户间的距离，是相关距离；
23、通过信道条件，得到第 m个接入点在上行链路接收到用户 k发送的导频信息为：
24、
25、其中，为上行链路导频传输持续时间，为第 k个用户使用的导频序列，其中为随机变量，，表示在复数域维的向量，.是欧几里得范数，是每个导频归一化信噪比，是第 m个接入点处的附加噪声；
26、基于接收到的导频序列，第 m个接入点进行信道估计，在上的投影为:
27、
28、其中为的共轭转置，表示共轭转置，表示第个用户，这里的k和都包含在用户集合k中，为用户的随机变量，。
29、s12、依据最小均方误差准则，可将信道系数估计为：
30、
31、其中，表示第m个接入点到第个用户间的大尺度衰落系数，表示均值，表示共轭。
32、进一步地：所述通过基于信道估计值的最大比率预编码方案，对下行链路数据传输阶段的传输符号进行预编码，然后利用共轭波束成形技术向用户发送信号的过程如下：
33、s21、在下行链路数据传输阶段，接入点 m处根据信道估计的结果使用波束成形对将要传输给用户 k的数据进行预编码：
34、
35、其中，是发送给第 k个用户的符号，并且，是归一化下行链路信噪比，是第m个接入点到第k个用户间下行链路的功率控制系数；采用了共轭波束技术，在信号传输部分中，表示对信道估计的共轭形式；
36、功率控制系数的选择需要满足每个接入点的功率约束：
37、
38、也表示为：，，表示为信道系数估计值的均方；
39、在无蜂窝系统中的下行链路数据传输阶段，所有接入点同时在同一时间频率资源上发送数据信号到用户；
40、s22、第 k个用户接收到的信号为：
41、
42、其中，是第 k个用户的加性噪声，是发送给第 k'个用户的符号,是第m个接入点到第k'个用户间下行链路的功率控制系数，为第m个接入点到第 k'个用本文档来自技高网...
【技术保护点】
1.一种基于图神经网络的无蜂窝网络功率控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于图神经网络的无蜂窝网络功率控制方法，其特征在于：所述采用时分双工操作模式，利用无蜂窝网络信道互易性，通过上行链路发送的导频信息进行无蜂窝网络信道估计的过程如下：
3.根据权利要求1所述的一种基于图神经网络的无蜂窝网络功率控制方法，其特征在于：所述通过基于信道估计值的最大比率预编码方案，对下行链路数据传输阶段的传输符号进行预编码，然后利用共轭波束成形技术向用户发送信号的过程如下：
【技术特征摘要】
1.一种基于图神经网络的无蜂窝网络功率控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于图神经网络的无蜂窝网络功率控制方法，其特征在于：所述采用时分双工操作模式，利用无蜂窝网络信道互易性，通过上行链路发送的导频信息进行无蜂窝...
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。