-
公开(公告)号：CN110167176B
公开(公告)日：2021-06-01
申请号：CN201910341080.X
申请日：2019-04-25
Applicant: 北京科技大学
Abstract: 本发明提供一种基于分布式机器学习的无线网络资源分配方法，能够降低计算复杂度。所述方法包括：在各基站侧构建相同规模的深度神经网络模型，并将初始化后的原始网络环境系数划分为多组网络环境系数；以提升系统能量效率为目标，对每组网络环境系数，确定最优的用户关联策略和功率分配策略；将网络环境系数和与各基站相关的最优的用户关联策略和功率分配策略存储为相应基站侧深度神经网络模型的训练集；各基站侧的工作节点采用分布式异步通信方式，训练深度神经网络模型；获取待处理的网络环境系数，将其输入到训练好的深度神经网络模型中进行神经网络计算，输出结果为优化后的用户关联策略和功率分配策略。本发明涉及无线通信及机器学习领域。
-
公开(公告)号：CN110167176A
公开(公告)日：2019-08-23
申请号：CN201910341080.X
申请日：2019-04-25
Applicant: 北京科技大学
Abstract: 本发明提供一种基于分布式机器学习的无线网络资源分配方法，能够降低计算复杂度。所述方法包括：在各基站侧构建相同规模的深度神经网络模型，并将初始化后的原始网络环境系数划分为多组网络环境系数；以提升系统能量效率为目标，对每组网络环境系数，确定最优的用户关联策略和功率分配策略；将网络环境系数和与各基站相关的最优的用户关联策略和功率分配策略存储为相应基站侧深度神经网络模型的训练集；各基站侧的工作节点采用分布式异步通信方式，训练深度神经网络模型；获取待处理的网络环境系数，将其输入到训练好的深度神经网络模型中进行神经网络计算，输出结果为优化后的用户关联策略和功率分配策略。本发明涉及无线通信及机器学习领域。
-
公开(公告)号：CN108738121A
公开(公告)日：2018-11-02
申请号：CN201810188275.0
申请日：2018-03-07
Applicant: 北京科技大学
Abstract: 本发明提供了一种基于软件定义网络SDN的无线网络资源分配方法，用以解决现有技术中中移动用户数量剧增的问题。所述方法通过并根据信道状态信息初始化所有用户的偏好列表，再初始化匹配列表和未匹配用户的集合；用户在SCBSs的VRBs之间进行动态双边匹配，完成用户的VRB匹配方式 初始化；最后，对用户进行多重约束的功率分配，将功率分配方案作为一个混合整数规划问题，再转化为一个可跟踪的迭代解等价问题，判断收敛后，完成无线网络资源分配。本发明基于SDN-NOMA系统架构，在保证满足用户数据需求以及服务质量的基础上，通过合理的资源分配方式最大限度地提高系统的能源利用效率，具有更好的速率和能量效率性能。
-
-
Search Results
3
records
(took 0.022 seconds)
