[发明专利]一种无线定位网络资源优化调度方法

权利要求书

1.一种无线定位网络资源优化调度方法，所述方法包括：

确定无线定位网络的拓扑图，其中在所述无线定位网络中固定锚节点集合，确定待定位的目标节点集合，并且均匀选取训练样本节点集合；

以均方根误差RMSE为定位精度度量，基于深度强化学习来训练资源优化调度模型以得到针对所述样本节点集合中的每个样本节点的最优资源分配方案，其中根据所述RMSE最小化来设置奖励以指导所述锚节点集合选择不同等级资源；以及

基于所述目标节点集合所处的网络环境来获取针对所述目标节点集合的资源分配方案。

2.如权利要求1所述的方法，其特征在于，所述资源优化调度模型是通过选取最小化均方根误差RMSE作为目标函数来构建的，其中，

针对所述目标函数的约束条件为：所述锚节点集合中的每个锚节点具有传输带宽和发射功率的上限；所述锚节点集合中的所有锚节点的总发射功率不能超过阈值；以及所述锚节点集合中的每个锚节点发射信号的频带不能重叠。

3.如权利要求1所述的方法，其特征在于，基于深度强化学习来训练资源优化调度模型以得到针对所述样本节点集合中的每个样本节点的最优资源分配方案进一步包括：

定义锚节点集合的动作、状态、奖励三要素，其中根据所述RMSE最小化来设置奖励以指导所述锚节点集合选择不同等级的功率和带宽资源；

针对所述样本节点集合中的每个样本节点，将包括当前状态、当前动作、当前奖励和下一状态的多个四元组存储到记忆池中以供训练；以及

从所述记忆池中随机选取一批四元组进行训练，其中使用神经网络Q(s,a；w)≈Q^*(s,a)作为非线性近似器并且进行Q值拟合，直到模型收敛。

4.如权利要求3所述的方法，其特征在于，定义锚节点集合的状态进一步包括：

采用聚类方法来对所述锚节点集合的定位精度状态进行等级划分。

5.如权利要求3所述的方法，其特征在于，定义锚节点集合的奖励进一步包括：

采用设置权重系数的方式，基于资源利用比和均方误差MSE来设置奖励函数，以用于指导所述锚节点集合选择不同等级的功率和带宽资源。

6.如权利要求1所述的方法，其特征在于，基于所述目标节点集合所处的网络环境来获取针对所述目标节点集合的资源分配方案进一步包括：

确定所述目标节点集合所处的网络环境与训练环境是否一致；

若一致，则基于针对所述样本节点集合中的每个样本节点的最优资源分配方案，利用k邻近方法来获取针对所述目标节点集合的资源分配方案；

若不一致，则利用迁移学习来重新获取新拓扑的样本资源分配方案以得到针对所述目标节点集合的资源分配方案。

7.如权利要求6所述的方法，其特征在于，利用迁移学习来重新获取新拓扑的样本资源分配方案进一步包括：

将锚节点集合与训练环境进行交互得到的训练样本节点集合迁移到所述目标节点所处的网络环境中；以及

重用训练好的估值网络权重参数来进行学习以得到新拓扑的样本资源分配方案。

8.一种无线定位网络资源优化调度系统，所述系统包括：

网络拓扑确定模块，所述网络拓扑确定模块被配置成确定无线定位网络的拓扑图，其中在所述无线定位网络中固定锚节点集合，确定待定位的目标节点集合，并且均匀选取训练样本节点集合；

资源优化调度模型训练模块，所述资源优化调度模型训练模块被配置成以均方根误差RMSE为定位精度度量，基于深度强化学习来训练资源优化调度模型以得到针对所述样本节点集合中的每个样本节点的最优资源分配方案，其中根据所述RMSE最小化来设置奖励以指导所述锚节点集合选择不同等级资源；以及

资源分配方案获取模块，所述资源分配方案获取模块被配置成基于所述目标节点集合所处的网络环境来获取针对所述目标节点集合的资源分配方案。