[发明专利]分布式天线系统、远程接入单元、功率分配方法和介质

权利要求书

1.一种功率分配方法，其特征在于，所述功率分配方法包括以下步骤：

获取用户终端与远程接入单元之间的信道状态信息；

根据预设的信道状态信息与功率之间的映射关系获取所述信道状态信息对应的目标功率；以及

将所述用户终端对应的天线的发射功率更改为所述目标功率；

所述映射关系通过功率分配模型实现，所述功率分配模型通过多个信道状态信息以及各个所述信道状态信息对应的标签功率训练得到，其中，所述标签功率通过功率分类算法计算最大化能量效率时的信道状态信息对应的功率确定，在获取基于所述信道状态信息输入至所述功率分配模型得到的输出功率时，根据所述输出功率与所述标签功率的比较结果调整所述功率分配模型的参数，以使得所述输出功率与最大化能量效率时的信道状态信息对应的功率的误差在预设范围内。

2.如权利要求1所述的功率分配方法，其特征在于，所述获取用户终端与远程接入单元之间的信道状态信息的步骤之前，还包括：

将数据集中的多个信道状态信息以及各个所述信道状态信息对应的标签功率依次输入待训练模型中以对所述待训练模型进行训练；

在训练的模型的训练参数满足预设条件时，停止对模型进行训练，其中，在训练的模型输出信道状态信息的分配功率后，判断训练的模型的训练参数是否满足预设条件；

将停止训练的模型保存为功率分配模型。

3.如权利要求2所述的功率分配方法，其特征在于，所述将数据集中的多个信道状态信息以及各个所述信道状态信息对应的标签功率依次输入待训练模型中以对所述待训练模型进行训练的步骤包括：

将当前的信道状态信息输入所述待训练模型进行训练，并获取训练的模型输出的分配功率；

获取当前的信道状态信息对应的标签功率，并确定所述分配功率以及所述标签功率之间的均方误差；

判断所述均方误差是否小于或等于预设均方误差，其中，训练的模型的训练参数包括所述均方误差，在所述均方误差小于或等于预设均方误差时，判定训练的模型满足预设条件。

4.如权利要求3所述的功率分配方法，其特征在于，所述判断所述均方误差是否小于预设均方误差的步骤之后，还包括：

在所述均方误差大于预设均方误差时，调整训练的模型中网络的参数；

将所述数据集中的下一个信道状态信息作为当前的信道状态信息，并返回执行所述获取训练的模型输出的分配功率的步骤。

5.如权利要求2-4任一项所述的功率分配方法，其特征在于，所述训练参数包括神经网络的收敛值、训练的模型输出的分配功率与所述分配功率对应的信道状态信息的标签功率之间的均方误差或者训练次数，所述预设条件包括：

所述神经网络的收敛值小于预设收敛值；

所述均方误差小于预设均方误差；

或者，所述训练次数达到预设次数。

6.如权利要求1所述的功率分配方法，其特征在于，所述映射关系通过神经网络对多个信道状态信息以及各个所述信道状态信息对应的标签功率学习得到，所述标签功率根据信道状态信息确定。

7.一种远程接入单元，其特征在于，所述远程接入单元包括处理器、存储器以及存储在所述存储器并可在所述处理器上运行的功率分配程序，所述远程接入单元设有信道状态信息与功率之间的映射关系，所述功率分配程序被处理器执行时实现如权利要求1-6任一项所述的功率分配方法的各个步骤。

8.一种分布式天线系统，其特征在于，所述分布式天线系统包括多个远程接入单元，各个所述远程接入单元内设有信道状态信息与功率之间的映射关系，所述远程接入单元包括处理器、存储器以及存储在所述存储器并可在所述处理器上运行的功率分配程序，所述功率分配程序被处理器执行时实现如权利要求1-6任一项所述的功率分配方法的各个步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有功率分配程序，所述功率分配程序被处理器执行时实现如权利要求1-6任一项所述的功率分配方法的各个步骤。