西安电子科技大学承楠获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉西安电子科技大学申请的专利基于深度展开分布式图神经网络的无线通信资源分配方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116056214B 。
龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211648470.X,技术领域涉及:H04L5/00;该发明授权基于深度展开分布式图神经网络的无线通信资源分配方法是由承楠;杨浩;孙瑞锦;尹志胜;惠一龙设计研发完成,并于2022-12-21向国家知识产权局提交的专利申请。
本基于深度展开分布式图神经网络的无线通信资源分配方法在说明书摘要公布了:本发明提供的一种基于深度展开分布式图神经网络的无线通信资源分配方法,从D2D网络中获取当前时隙的信道增益矩阵并转换为由邻接表存储的图数据结构;任一发射机在图数据结构中确定自身的用户信道增益以及其他发射机的状态信息;将当前时隙的用户信道增益、上一时隙的发射功率以及其他发射机的状态信息作为输入,以通信速率总和最大化为目的通过多个时隙模拟训练好的多层图神经网络的运算方式,得到最终分配的发射功率从而发射信号。本发明可以增强图神经网络的可解释性和泛化性,降低图神经网络对训练样本的依赖,利用分布式并行处理进行发射功率的迭代处理,降低任务计算时延低,满足未来D2D网络通信的实际需求。
本发明授权基于深度展开分布式图神经网络的无线通信资源分配方法在权利要求书中公布了:1.一种基于深度展开分布式图神经网络的无线通信资源分配方法,应用于D2D网络的发射机上,其特征在于,所述基于深度展开分布式图神经网络的无线通信资源分配方法包括: 步骤1,从所述D2D网络中获取当前时隙的信道增益矩阵; 步骤2,将当前时隙的所述信道增益矩阵转换为由邻接表存储的图数据结构; 其中,所述图数据结构由多个节点以及有向边构成,每个节点对应一个节点属性,一个节点表示一个发射机以及其对应的接收机,所述节点属性包括传输信道增益、发射机的功率;节点之间的有向边表示其他发射机对有向边所指的接收机的干扰信道,有向边属性包含干扰信道的信道增益; 步骤3,任一发射机在所述图数据结构中,确定自身的用户信道增益以及其他发射机的状态信息; 其中,所述状态信息包括当前时隙的干扰信道的信道增益、上一时隙的功率分配信息; 步骤4,将当前时隙的用户信道增益、上一时隙的发射功率以及其他发射机的状态信息作为输入,以通信速率总和最大化为目的通过多个时隙模拟训练好的多层图神经网络的运算方式,得到最终分配的发射功率; 其中,每个时隙模拟图神经网络中的一层进行迭代; 步骤5,按照最终的发射功率发射信号; 所述图神经网络由多层GNN网络级联而成,每一层GNN网络由GNNu,w子网络以及GNNv子网络依次连接而成;每一层的GNNu,w子网络负责计算功率分配所需的效用信息u,权重信息w;每一层的GNNv子网络负责计算发射机的发射功率v;GNNu,w子网络以及GNNv子网络共同由5个多层感知机LMP模块构建而成;5个多层感知机LMP模块分别为:GNNu,w子网络由分布式邻居节点Fmui消息传递模块、Fu信息转换模块、Fw信息转换模块,分布式功率Fmvi消息传递模块、功率Fv计算模块; 针对任一发射机, 所述分布式邻居节点Fmui消息聚模块,用于输入邻居发射机的状态信息,将状态信息进行聚合; 所述Fu信息转换模块,用于将聚合的状态信息,所述任一发射机的上一时隙的发射功率和当前时隙的用户信道增益以等效于公式4的算法方式进行处理,得到所述任一发射机的效用信息u,并将所述效用信息u传递给邻居发射机; 所述Fw信息转换模块,用于任一发射机的效用信息u、所述任一发射机的上一时隙的发射功率以等效于公式5的算法方式进行处理,得到所述任一发射机的权重信息w,并将权重信息w传递给邻居发射机; 所述分布式功率Fmvi消息聚合模块,用于集合邻居发射机的效用信息u、权重信息w以及干扰信道的信道增益,得到功率分配前置信息; 功率Fv计算模块,用于将所述功率分配前置信息和自身的效用信息u、权重信息w,以等效于公式6的算法方式进行聚合,得到当前时隙分配的发射功率; 所述公式4、公式5、公式6分别为: 其中,hii表示第i个发射机与对应接收机的信道增益,σi表示信道高斯白噪声,vi表示第i个发射机的发射功率,wj表示第j个发射机的权重,hij表示第i个收机对第j个发射机干扰信道的信道增益,ui表示第i个发射机的效用信息,k表示第k次迭代或图神经网路的第k层,第α表示第i个发射机在和速率问题中的优先级权重。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西安电子科技大学,其通讯地址为:710071 陕西省西安市太白南路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。