公开(公告)号：CN113965233B

公开(公告)日：2022-07-26

申请号：CN202111224452.4

申请日：2021-10-19

Applicant: 东南大学

Inventor： 戚晨皓 ,  张鹏举

IPC: H04B7/0456 ,  H04B7/0426 ,  H04B7/0452 ,  H04W72/04 ,  H04W72/08 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的多用户宽带毫米波通信资源分配方法及系统，主要包括；在波束分配阶段，本发明提出了基于深度学习的波束分配方法，并且提出了一种冲突避免方法来处理得到的波束分配预测结果；在功率分配阶段，提出了基于深度学习的功率分配方法，并且提出了一个约束再分配方法来更新得到的功率分配矩阵；本发明考虑了波束冲突问题并提出了解决方法，极大降低了运算复杂度，和完美的分配结果相比只有轻微的准确率损失，准确率可达98.5％，并且本发明提出的方法可以使用较少的计算来完成多用户的功率分配，可实现实时处理，系统频谱效率性能获得2％左右的提升。

公开(公告)号：CN113965233A

公开(公告)日：2022-01-21

申请号：CN202111224452.4

申请日：2021-10-19

Applicant: 东南大学

Inventor： 戚晨皓 ,  张鹏举

IPC: H04B7/0456 ,  H04B7/0426 ,  H04B7/0452 ,  H04W72/04 ,  H04W72/08 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的多用户宽带毫米波通信资源分配方法及系统，主要包括；在波束分配阶段，本发明提出了基于深度学习的波束分配方法，并且提出了一种冲突避免方法来处理得到的波束分配预测结果；在功率分配阶段，提出了基于深度学习的功率分配方法，并且提出了一个约束再分配方法来更新得到的功率分配矩阵；本发明考虑了波束冲突问题并提出了解决方法，极大降低了运算复杂度，和完美的分配结果相比只有轻微的准确率损失，准确率可达98.5％，并且本发明提出的方法可以使用较少的计算来完成多用户的功率分配，可实现实时处理，系统频谱效率性能获得2％左右的提升。