公开(公告)号：CN112272410A

公开(公告)日：2021-01-26

申请号：CN202011140507.9

申请日：2020-10-22

Applicant: 北京邮电大学

Inventor： 景文鹏 ,  李子木 ,  赵书越 ,  路兆铭 ,  温向明

IPC: H04W72/04 ,  H04W52/34

Abstract: 本公开实施例公开了一种NOMA网络中用户关联与资源分配的模型训练方法，所述方法包括：获取NOMA异构网络中的样本用户设备在采样时刻的第一传输速率、样本用户设备在采样时刻处理任务所需的第一时间、样本用户设备在采样时刻从所接入的基站分配到的第一功率；将样本用户设备的第一传输速率、第一时间和第一功率作为DDPG网络模型中Actor网络的输入状态，获得Actor网络输出的预测动作；根据NOMA机制确定预测动作对应的下一状态，以及计算预测动作对应的奖励；将输入状态、预测动作、奖励以及下一状态作为一个样本数据加入样本数据集合中；利用样本数据集合训练DDPG网络模型。

公开(公告)号：CN112272410B

公开(公告)日：2022-04-19

申请号：CN202011140507.9

申请日：2020-10-22

Applicant: 北京邮电大学

Inventor： 景文鹏 ,  李子木 ,  赵书越 ,  路兆铭 ,  温向明

IPC: H04W72/04 ,  H04W52/34

Abstract: 本公开实施例公开了一种NOMA网络中用户关联与资源分配的模型训练方法，所述方法包括：获取NOMA异构网络中的样本用户设备在采样时刻的第一传输速率、样本用户设备在采样时刻处理任务所需的第一时间、样本用户设备在采样时刻从所接入的基站分配到的第一功率；将样本用户设备的第一传输速率、第一时间和第一功率作为DDPG网络模型中Actor网络的输入状态，获得Actor网络输出的预测动作；根据NOMA机制确定预测动作对应的下一状态，以及计算预测动作对应的奖励；将输入状态、预测动作、奖励以及下一状态作为一个样本数据加入样本数据集合中；利用样本数据集合训练DDPG网络模型。

公开(公告)号：CN116418405A

公开(公告)日：2023-07-11

申请号：CN202310395575.7

申请日：2023-04-13

Applicant: 北京邮电大学

Inventor： 丁熙盈 ,  王拥军 ,  韩露 ,  黄兴源 ,  杨海锋 ,  李超 ,  白金旺 ,  陈德文 ,  李子木 ,  张琦

IPC: H04B10/25 ,  H04B10/61 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于微扰理论的复值卷积神经网络光纤非线性均衡方法，包括以下步骤：S1、利用微扰理论对符号样本构造出复值信道特征图，形成原始训练集，并输入神经网络；S2、利用原始训练数据集训练复值卷积神经网络，对训练数据进行拟合，最后得到最合适的非线性均衡器模型；S3、对待测试信号构造复值信道输入特征图，并作为测试集输入到拟合好的非线性均衡器模型中进行均衡，得到输出结果。本发明提出的基于微扰理论的复值卷积神经网络光纤非线性均衡方法，利用微扰理论结合复值卷积神经网络提取更多有用的特征信息，解决非线性均衡时误码率高、补偿效果差的问题，提高非线性补偿效果，大大提升了系统性能。