[发明专利]一种NOMA系统资源分配方法、系统及存储介质

说明书

本发明公开了一种NOMA系统资源分配方法、系统及存储介质，包括：注意力神经网络深度强化学习框架将信道状态下信道分配的空间计算嵌入计算为状态空间，并计算输出最优的状态空间的概率分布；基于获取的NOMA系统的系统参数、用户参数和最优的状态空间的概率分布，计算得到最优信道分配的闭合解，将最优信道分配的闭合解作为最优的功率分配方案。本发明根据最大化总和速率和最大化最小速率两个目标函数为优化模型，推导出给定信道分配的条件下，最优功率分配的闭合解，获得最优的功率分配方案，该信道和功率联合分配算法在最大化总和速率和最大化最小速率两个指标下都具有更好的系统性能。

技术领域

本发明涉及一种NOMA系统资源分配方法、系统及存储介质，属于电子信息技术领域。

背景技术

随着信息和网络技术的飞速发展，无线移动通信服务需求呈爆炸式增长，无线通信业务需求变得更加多样化和差异化。因此，未来无线移动通信系统在频谱资源、空口接入技术和网络架构等方面面临着巨大的挑战。为了应对以上挑战，第五代移动通信系统致力于研究频谱效率更大、速率更快和智能化更高的新一代无线移动通信技术。而非正交多址接入(Non-orthogonal multiple access,NOMA)作为5G的关键候选技术之一，近年来受到了各界的广泛的关注。NOMA技术在发送端利用信道编码和功率分配使多用户共享时频资源，接收端普遍使用SIC(Successive Interference Cancellation，SIC)技术，因此发送端上合理的资源分配方案对NOMA系统性能起着至关重要的作用。合理可靠的资源分配方案可以保证接收端的有效解码，维持系统的高总和速率，保证用户的公平性。在大量的研究结果表明，相比于传统的正交多址接入技术，NOMA可以有效地提高资源利用率，而合理的用户分组和功率分配方案则可以进一步地提高系统的性能。

目前对NOMA系统的用户分组和功率分配的研究已经取得了一些重要的成果，在用户分组的研究中，有穷举搜索用户分组方法；在功率分配的研究中，有FSPA(full searchpower allocation，全空间搜索功率分配)算法、FTPA(fractional transmit powerallocation，分数阶功率分配)算法和FPA(fixed power allocation，固定功率分配)算法3种算法。在信道和功率联合分配的研究中，有JRA算法和ES算法，在JRA算法中，首先给出了信道分配条件下的功率分配优化问题的求解方法。然后，JRA算法在最优功率分配下，迭代地进行信道分配和功率分配，给每个用户分别进行信道和功率分配。ES算法是JRA的直接扩展。在功率分配的过程中，它与JRA算是使用相同的功率分配方式。但在信道分配方面，与JRA所采用的迭代优化算法不同，ES算法使用的穷尽性地搜索所有信道分配组合，找出能够最大限度地提高NOMA系统的总和速率的信道分配组合。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种NOMA系统资源分配方法、系统及存储介质，解决现有技术系统性能差、算法复杂难以实际应用的技术问题。

为达到上述目的，本发明提供一种NOMA系统资源分配方法，包括：

注意力神经网络深度强化学习框架将信道状态下信道分配的空间计算嵌入计算为状态空间，并计算输出最优的状态空间的概率分布；

基于获取的NOMA系统的系统参数、用户参数和最优的状态空间的概率分布，计算得到最优信道分配的闭合解，将最优信道分配的闭合解作为最优的功率分配方案。

优先地，计算得到最优信道分配的闭合解，包括：

计算获得最大化总和速率MSR和最大化最小速率MMR两个性能标准下的最优信道分配的闭合解。

优先地，注意力神经网络深度强化学习框架基于ANN神经网络，ANN神经网络结构包括L 个并联的分支神经网络，L为正整数，分支神经网络包括编码器和解码器，编码器串联解码器：

编码器包括多头注意力层和反馈层；