[发明专利]一种多小区大规模MIMO通信智能功率分配方法

权利要求书

1.一种多小区大规模MIMO通信智能功率分配方法，其特征在于，包括如下步骤：

步骤一：建立用户数目动态变化的多小区大规模MIMO系统模型，设计目标函数；

步骤二：随机设置每个小区用户数目和位置，利用max product SINR方法求解最优功率分配策略，收集用户位置信息和信道状态信息以及对应的最优功率分配结果，进行数据预处理，将网络内用户位置信息和信道状态信息作为输入特征，功率分配结果作为输出标签，多次采集形成数据集；

步骤三：搭建用于处理输入和输出皆为变长序列的seq2seq网络模型，seq2seq表示序列到序列；

步骤四：利用步骤三搭建的seq2seq网络模型在步骤二生成的数据集上进行训练；

步骤五：将当前网络中用户位置和信道状态信息生成的序列输入到训练好的seq2seq网络模型中，得到当前场景下的最优功率分配序列，进行反归一化处理后得到最优功率分配结果；

步骤三中搭建seq2seq网络模型的具体过程为：

搭建的seq2seq模型分为两部分：编码器部分和解码器部分；

编码器部分使用一个长短时记忆网络挖掘通信网络中不同位置的用户的相关性；编码器按序列的顺序依次读取序列，从而将不定长的序列转换为固定维度的中间矢量；编码器的处理过程表示为：

其中x_t是时刻t的输入变量，W为神经网络的权重矩阵，b表示偏置，σ(·)和g(·)分别表示sigmoid函数和tanh函数，f_t、i_t、C_t、和o_t皆为处理过程中的中间变量，h_t为LSTM在时刻t的输出变量，即输入信息通过seq2seq网络的编码器后得到的隐藏态，假设在时刻t＝N时完成序列的输入，那么h_N就是将所有输入信息进行处理转化为的一个固定长度的上下文矢量；下标f对应遗忘门，W_f表示遗忘门的权重矩阵，b_f表示遗忘门偏置参数，i表示输入门，c表示状态单元，o表示输出门；LSTM表示长短时记忆网络；

解码器部分是另一个LSTM网络，其隐藏层维度和上下文矢量的维度相同；该LSTM网络之后连接一个全连接层，将每一步的输出转化为一个值，该值进行反归一化处理后即为seq2seq模型计算出来的分配给当前用户的功率值；

步骤四中seq2seq网络模型训练过程具体为：

首先将seq2seq网络模型的参数初始化，设置批次大小n_batch和训练迭代次数n_epoch；每次输入n_batch个样本的特征S，经过编码器得到中间变量h_N，再输入进解码器端，设置一个指导强度因子，在每一步中，以一定概率选择将前一步的输出作为当前的输入变量，否则以对应标签值作为输入变量，之后得到模型的输出矢量计算损失函数ρ^*为使目标函数最大化的功率分配策略，采用自适应矩估计优化法来更新模型参数；训练完成后冻结网络参数。