[发明专利]通信系统中的调度方法、装置及存储介质

说明书

本申请实施例提供的通信系统中的调度方法、装置及存储介质，通信设备获取系统状态信息，该系统状态信息包括：网络状态信息，再基于系统状态信息和深度神经网络得到调度策略，并基于该调度策略进行通信，由于该深度神经网络是基于历史系统状态信息训练得到的，该历史系统状态信息包括：当前调度周期之前的所有调度周期中的系统状态信息，因而，基于该深度神经网络得到的调度策略能够满足用户吞吐量和公平性的均衡需求，解决了现有通信系统的性能低的问题。

技术领域

本申请涉及通信技术领域，尤其涉及一种通信系统中的调度方法、装置及存储介质。

背景技术

在无线通信系统中，媒体介入控制(media access control，MAC)层调度主要用于解决时频域资源分配、功率控制、调制与编码策略(modulation and coding scheme，MCS)选择、用户配对、预编码矩阵计算等问题，以实现通信系统中吞吐量和用户公平性的均衡。

现有技术中，基于MAC层的调度方法主要是将通信系统作为一个确定的模型，并通过调度算法得到调度方案，以使终端设备基于得到的调度方案实现调度。例如，在蜂窝网络中的资源块组(resource block group，RBG)分配过程中，可以利用比例公平(proportional fair，PF)算法确定调度方案，以实现吞吐量和公平性的折中。

然而，由于通信系统比较复杂，基于上述算法得到的调度方案无法满足用户吞吐量和公平性的均衡，通信系统的性能低。

发明内容

本申请实施例提供一种通信系统中的调度方法、装置及存储介质，以解决现有通信系统性能低的问题。

本申请第一方面提供一种通信系统中的调度方法，通信设备首先获取系统状态信息，所述系统状态信息包括：网络状态信息，其次基于所述系统状态信息和深度神经网络得到调度策略，所述深度神经网络是基于历史系统状态信息训练得到的，所述历史系统状态信息包括：当前调度周期之前的所有调度周期中的系统状态信息，最后基于所述调度策略进行通信。

在本实施例中，由于该深度神经网络是基于历史系统状态信息训练得到的，且该历史系统状态信息包括：当前调度周期之前的所有调度周期中的系统状态信息，因而，基于该方法得到的调度策略能够满足用户吞吐量和公平性的均衡需求，提高了通信系统的性能。

示例性的，所述系统状态信息还包括：历史吞吐信息、用户缓存状态信息。

在第一方面的一种可能设计中，所述基于所述系统状态信息和深度神经网络得到调度策略，包括：

基于所述网络状态信息和所述用户缓存状态信息，确定估计吞吐信息；

将所述估计吞吐信息和所述历史吞吐信息输入所述深度神经网络，得到调度权值；

基于所述调度权值，确定所述调度策略。

在本实施例中，通信设备首先计算出估计吞吐信息，再将估计吞吐信息和历史吞吐信息输入到深度神经网络得到调度权值，最后得到调度策略，其降低了系统的处理压力，提高了系统稳定性。

在第一方面的上述可能设计中，所述系统状态信息还包括：混合自动重传请求HARQ信息；所述基于所述调度权值，确定所述调度策略，包括：

基于所述调度权值和所述HARQ信息，确定所述调度策略。

在本实施例中，通过深度神经网络确定各用户的调度权值后，同时考虑HARQ信息，对所有待调度用户的调度优先级进行调整，可以优先保障即将过期失效的重传信息的传输，即基于该调度权值和HARQ信息确定的调度策略能够实现调度的公平性。

在第一方面的另一种可能设计中，所述基于所述系统状态信息和深度神经网络得到调度策略，包括：

基于所述网络状态信息和所述用户缓存状态信息，确定估计吞吐信息；