公开(公告)号：CN117202351A

公开(公告)日：2023-12-08

申请号：CN202311174418.X

申请日：2023-09-13

申请人： 齐齐哈尔大学

发明人： 孙明 ,  姜泽旭 ,  董二寒 ,  吕天宇 ,  钟一赫 ,  张杰 ,  何小鸥 ,  胡良进 ,  王一宁 ,  王淑梅

IPC分类号： H04W72/044 ,  H04W72/0453 ,  G06N3/08 ,  G06N3/088

摘要： 本发明公开了一种基于无监督学习的多小区蜂窝网分布式无线资源分配系统及方法，属于无线通信技术领域。本发明构建了一个深度神经网络，部署在集中计算单元和分布计算单元的小区基站上；分布计算单元的小区基站为集中计算单元提供信道增益信息，并通过深度神经网络为小区用户提供资源分配方案；集中计算单元通过集中训练单元和集中测试单元对深度神经网络进行集中式无监督训练和集中式测试，并利用神经网络参数缓存区收集训练所产生的深度神经网络参数、同步更新集中测试单元以及分布计算单元多小区基站的深度神经网络参数。本发明能够增强通信系统对延迟的适应能力，提高系统的能量效率，具有自适应性、智能化、节省能源和可扩展性等优点。

公开(公告)号：CN117119486B

公开(公告)日：2024-04-05

申请号：CN202311031560.9

申请日：2023-08-16

申请人： 齐齐哈尔大学

发明人： 孙明 ,  王淑梅 ,  姜泽旭 ,  董二寒 ,  吕天宇 ,  苏禹

IPC分类号： H04W24/02 ,  H04W28/22 ,  G06N3/045 ,  G06N3/048 ,  G06N3/088

摘要： 本发明公开了一种保障多小区蜂窝网长期用户速率的深度无监督学习资源分配方法，属于无线通信技术领域。本发明构建了一个深度神经网络，同时输出功率分配变量、功率控制变量和信道分配变量，并通过输出的功率分配变量、功率控制变量和信道分配变量，获得信道分配方案和功率分配方案；构建存储池，对深度神经网络同时进行训练和测试，在训练中采用拉格朗日损失函数对深度神经网络进行无监督学习。本发明具有提高用户速率、长期稳定性、自适应性和智能化、节省能源和可扩展性等优点。通过优化资源分配和网络性能，提升蜂窝网的运行效率和用户体验。

公开(公告)号：CN117119486A

公开(公告)日：2023-11-24

申请号：CN202311031560.9

申请日：2023-08-16

申请人： 齐齐哈尔大学

发明人： 孙明 ,  王淑梅 ,  姜泽旭 ,  董二寒 ,  吕天宇 ,  苏禹

IPC分类号： H04W24/02 ,  H04W28/22 ,  G06N3/045 ,  G06N3/048 ,  G06N3/088

摘要： 本发明公开了一种保障多小区蜂窝网长期用户速率的深度无监督学习资源分配方法，属于无线通信技术领域。本发明构建了一个深度神经网络，同时输出功率分配变量、功率控制变量和信道分配变量，并通过输出的功率分配变量、功率控制变量和信道分配变量，获得信道分配方案和功率分配方案；构建存储池，对深度神经网络同时进行训练和测试，在训练中采用拉格朗日损失函数对深度神经网络进行无监督学习。本发明具有提高用户速率、长期稳定性、自适应性和智能化、节省能源和可扩展性等优点。通过优化资源分配和网络性能，提升蜂窝网的运行效率和用户体验。