一種基于深度學習的毫米波通信系統(tǒng)中的功率控制方法

基本信息

申請?zhí)?/td> CN202010964461.6 申請日 -
公開（公告）號 CN112153616A 公開（公告）日 2020-12-29
申請公布號 CN112153616A 申請公布日 2020-12-29
分類號 H04W4/70;H04B17/345;H04B17/373;H04B17/382;H04W4/02;H04W4/021;G06N3/04;G06K9/62 分類 電通信技術;
發(fā)明人 李君;朱明浩;仲星;王秀敏;李正權 申請（專利權）人 中科怡海高新技術發(fā)展有限公司
代理機構 南京蘇高專利商標事務所（普通合伙） 代理人 柏尚春
地址 214105 江蘇省無錫市錫山區(qū)錫山大道333號
法律狀態(tài) -

摘要

摘要 本發(fā)明公開一種基于深度學習的毫米波通信系統(tǒng)中的功率控制方法，首先，收集環(huán)境內(nèi)D2D設備和蜂窩設備的地理位置信息，構造兩個大小為M×M的密度網(wǎng)格矩陣來表示鏈路收發(fā)機的位置；然后，收集訓練數(shù)據(jù)集，構建卷積神經(jīng)網(wǎng)絡框架，并初始化神經(jīng)網(wǎng)絡權重；最后，將訓練數(shù)據(jù)集輸入至神經(jīng)網(wǎng)絡中，構建神經(jīng)網(wǎng)絡的輸出和標簽之間的MSE作為損失函數(shù)，并選擇一個梯度下降算法優(yōu)化神經(jīng)網(wǎng)絡的權重；完成訓練并保存神經(jīng)網(wǎng)絡。本發(fā)明克服了毫米波網(wǎng)絡環(huán)境中蜂窩設備和D2D設備的干擾問題，用卷積神經(jīng)網(wǎng)絡對收發(fā)機的相對位置進行特征提取，以監(jiān)督學習的方式逼近傳統(tǒng)算法來學習設備位置到最優(yōu)功率分配的映射關系。