[发明专利]基于神经网络和时间演化的小小区微基站频谱拍卖方法

权利要求书

1.一种基于神经网络和时间演化的小小区微基站频谱拍卖方法，在由宏蜂窝网、小小区微基站和手机用户构成的两层异构网络系统中，通过建立基于神经网络的频谱分配拍卖模型，将宏蜂窝基站提供的授权频谱划分为多个时隙，卖方根据设定的收益函数和拍卖目标函数对时隙频谱作为商品进行拍卖，买方每轮竞拍后，根据自身对于频谱的需求程度和自身收益作为经验进行调整出价，直至完成整个授权频谱分配过程，其特征在于：具体步骤以下：

步骤1开始拍卖准备阶段，宏蜂窝网作为卖方公布准备出售用于共享的频谱资源，用于共享的频谱资源是以划分时隙的形式进行出售，小小区微基站覆盖的用户作为买家为满足自身通信需要购买一至多个时隙，小小区微基站作为买家提交所需时隙请求；

步骤2选取所有对第t时隙有需求的买家，若待拍卖分配时隙t大于剩余可用时隙T'，则说明全部时隙分配完毕；

步骤3搭建采用误差反向传播算法的神经网络，输入历史上的买家的综合信息和成交记录作为训练集，训练神经网络直至误差小于千分之一；

步骤4向神经网络输入参与竞拍的买方对于当前时隙各个信道的兴趣度，经济负担能力，以及进行通信时受到的干扰，依据神经网络的输出进行频谱分配，判定输出1为获得信道，输出0为竞拍失败；

步骤5根据频谱分配结果，计算竞拍成功的小小区用户的支付值；

步骤6小小区用户调整经验，为下一轮拍卖的出价做准备；依据买家对于下一时隙频谱的需求急切程度调整贴现因子，依据自回归模型调整信干噪比，若小小区用户i是赢家，则调整经验为SINR_i,t+1＝SINR_i,t+αSINR_i,t-1+β。

2.根据权利要求1所述的基于神经网络和时间演化的小小区微基站频谱拍卖方法，其特征在于：在步骤3中，具体过程如下：

(1)计算获得第l层与第l+1层的神经元误差，设加权输入为定义记为神经元的误差为则可以求得第L层第j个神经元的误差其中对于二次成本函数易得则对于第l个隐层第j个神经元的误差有其中k为第k+1层神经元的个数；

联立上述方程获得第l层与第l+1层的误差为δ^l＝δ^l+1w^l+1f'(z^l)；

(2)初始化误差反向传播算法，输入训练集，生成权重初始值ω₀∈[-1,1]，设置激活函数为sigmoid函数，其表达形式为

(3)计算各层各层误差，神经网络输出为输入训练集input训练，可获得神经网络层1和层2的输出output1,output2，

计算输出层误差，层2误差为error2＝output训-output2，层2权值调整量为Δω＝error2·f'(output2)；

计算反向传播误差，层1误差为error1＝Δω₂·ω₂，层1权值调整量为Δω＝error1·f'(output1)；

(4)更新层1和层2的权值ω_i＝ω_i+Δω_i，返回步骤2更换训练集，并重复循环N次，完成神经网络学习过程。

3.根据权利要求1或2所述的基于神经网络和时间演化的小小区微基站频谱拍卖方法，其特征在于：在步骤5中，具体过程如下：

(1)计算接受信号：统中只被宏蜂窝覆盖的授权用户记做MU，第m个MU收到的信号为：

式中，z_m表示宏蜂窝网发送给第m个MU的信号，g_m、g_j表示宏蜂窝网传输到第m和j个用户所使用的信道的信道估计值；P_T表示宏蜂窝网的发射功率，P_i表示第i根天线的发射功率；h_pi表示小小区微基站微基站到第i个MU的信道估计值；f_i是第i根天线对应的波束成形因子，n_p表示高斯白噪声；

系统中被小小区微基站覆盖的用户记做SU，第k个小小区微基站收到的信号：

式中，x表示传输的信号，n_k表示高斯白噪声；

(2)计算信噪比：

对于第k个SU信噪比为：

SINRk=Pk|hkfk|2Σi=1,i≠kKPi|fihi|2+PT|gk|2+σk2]]>

(3)计算支付值：

第k个小小区微基站在第t时刻的支付为p_k,t＝(1-δ)S_-i(c,SINR_t)

其中