Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆邮电大学夏士超获国家专利权

重庆邮电大学夏士超获国家专利权

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!

龙图腾网获悉重庆邮电大学申请的专利一种无蜂窝大规模MIMO系统的策略优化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:CN119095076B

龙图腾网通过国家知识产权局官网在2025-10-21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:202411149227.2,技术领域涉及:H04W24/02;该发明授权一种无蜂窝大规模MIMO系统的策略优化方法是由夏士超;张承宇;姚枝秀;李云;邢智童设计研发完成,并于2024-08-21向国家知识产权局提交的专利申请。

一种无蜂窝大规模MIMO系统的策略优化方法在说明书摘要公布了:本发明涉及一种无蜂窝大规模MIMO系统的策略优化算法,包括构建用户关联模型,用户关联模型用于建模移动设备MD和接入点AP之间在每个时隙的关联关系;构建下行信号模型,下行信号模型用于建模无蜂窝大规模MIMO系统在每个时隙的网络可达速率;构建系统能耗模型,系统能耗模型用于建模在每个时隙提供服务的所有接入点AP的总能耗;根据构建的用户关联模型、下行信号模型和系统能耗模型构建目标优化问题模型,并利用基于图注意力的多智能体强化学习算法进行求解得到最优策略。本发明降低系统的能耗,提高用户服务质量。

本发明授权一种无蜂窝大规模MIMO系统的策略优化方法在权利要求书中公布了:1.一种无蜂窝大规模MIMO系统的策略优化方法,所述系统包括:N个具有缓存资源的接入点AP和M个移动设备MD,其特征在于,包括: S1:构建用户关联模型,所述用户关联模型用于建模移动设备MD和接入点AP之间在每个时隙的关联关系; 所述用户关联模型包括: 且 其中,表示在时隙与第i个移动设备MDi关联的接入点AP集合,表示时隙集合;表示在时隙t第i个移动设备MDi和第j个接入点APj的关联关系;表示集合中接入点AP的数量;表示所有移动设备MD的集合,表示所有接入点AP的集合; S2:构建下行信号模型,所述下行信号模型用于建模无蜂窝大规模MIMO系统在每个时隙的网络可达速率; 所述下行信号模型包括: gijt=dijd0-αhijt 其中,Rsumt表示无蜂窝大规模MIMO系统在时隙t的网络可达速率;Rit表示在时隙t第i个移动设备MDi的接收信号速率;表示在时隙t与第i个移动设备MDi关联的接入点AP集合;表示在时隙t所有具有服务需求的移动设备MD集合;vijt表示在时隙t第i个移动设备MDi和第j个接入点APj的关联关系;Pijt表示在时隙t第j个接入点APj分配给第i个移动设备MDi的传输功率;表示第j个接入点APj的最大传输功率;gijt表示第j个接入点APj到第i个移动设备MDi的下行信道;表示在时隙t所有处于服务状态的AP集合;表示在时隙t第j个接入点APj到第i′个移动设备MDi′的估计信道增益;Pi′jt表示在时隙t第j个接入点APj分配给第i′个移动设备MDi′的传输功率;vi′jt表示在时隙t第j个接入点APj和第i′个移动设备MDi′的关联关系;wit表示在时隙t第i个移动设备MDi收到的干扰信号;dij表示第j个接入点APj和第i个移动设备MDi之间的实际距离;d0表示参考距离;α为路径衰减因子;hijt表示服从复高斯分布的小尺度衰落; S3:构建系统能耗模型,所述系统能耗模型用于建模在每个时隙提供内容服务的所有接入点AP的总能耗; 所述系统能耗模型包括: 其中,Pt表示在时隙t所有正在服务的AP总能耗,表示在时隙t所有处于服务状态的AP集合;Pjt表示在时隙t第j个接入点APj的总能耗;表示在时隙t第j个接入点APj的下行链路内容传输功耗;Pijt表示在时隙t第j个接入点APj分配给第i个移动设备MDi的传输功率;表示在时隙t第j个接入点APj服务的MD集合;表示在时隙t第j个接入点APj的服务内容更新或替换的能耗;PFL为前传链路传输单位内容所需能耗;表示第j个接入点APj在时隙t缓存的服务内容集合,表示第j个接入点APj能够缓存的最大内容缓存容量;F表示网络中服务内容的种类数量;表示第j个接入点APj在时隙t-1缓存的服务内容集合;表示在时隙t第j个接入点APj的内容转发能耗;σpen表示第j个接入点APj获取一个未缓存内容的能耗因子;表示在时隙t与接入点APj关联的所有移动设备MD的所有内容请求集合;表示在时隙t第i个移动设备MDi请求的服务内容,表示网络中服务内容集合; S4:根据构建的用户关联模型、下行信号模型和系统能耗模型构建目标优化问题模型; 所述目标优化问题模型P1包括: 其中,为时隙t接入点AP的内容缓存策略,表示时隙t第j个接入点APj在时隙t缓存的服务内容集合,N表示接入点AP的数量;表示时隙t接入点AP和移动设备MD之间的关联策略,表示在时隙与第i个移动设备MDi关联的接入点AP集合;为接入点AP的功率分配策略,为APj的功率分配集合,Pijt在时隙t第j个接入点APj分配给第i个移动设备MDi的传输功率;T表示时隙的数量;表示数学期望;Rsumt表示无蜂窝大规模MIMO系统在时隙t的网络可达速率;Pt表示在时隙t所有正在服务的AP总能耗;vijt表示在时隙t第i个移动设备MDi和第j个接入点APj的关联关系;表示第j个接入点APj的最大功率值;表示APj服务的MD集合;表示第j个接入点APj能够缓存的最大内容缓存容量;表示移动设备集合;表示接入点AP集合; S5:将目标优化问题模型构建为部分可观测的马尔科夫决策过程模型,并利用基于图注意力的多智能体强化学习算法进行求解得到接入点AP和移动设备MD之间的关联策略、接入点AP的内容缓存策略和接入点AP的功率分配策略; 所述将目标优化问题模型构建为部分可观测的马尔科夫决策过程模型包括: 将目标优化问题模型转换为有N个接入点AP的Dec-POMDP模型,其中,每个AP代表一个智能体并用元组表示无蜂窝大规模MIMO系统的全局网络环境状态;表示第j个接入点APj的局部观测空间;表示第j个接入点APj的动作空间,R是奖励函数,γ∈[0,1表示折扣因子; 在时隙t,环境状态定义为: 其中,表示时隙t第j个接入点APj的内容缓存状态;kfjt=1表示第j个接入点APj在时隙t已经缓存了内容f,否则kfjt=0;gijt表示时隙t第j个接入点APj与第i个移动设备MDi之间的信道增益;lit表示第i个移动设备MDi的位置信息; 在时隙t,局部观测定义为: 在时隙t,动作空间定义为: 其中,表示第j个接入点APj在时隙t缓存的服务内容集合;表示第j个接入点APj在时隙t关联的移动设备MD集合;表示在时隙t第j个接入点APj的功率分配集合; 在时隙t,奖励函数rt∈R定义为: 其中,Rsumt表示无蜂窝大规模MIMO系统在时隙t的网络可达速率;Pt表示在时隙t所有正在服务的AP总能耗; 所述利用基于图注意力的多智能体强化学习算法进行求解包括:局部动作价值网络、图注意力模块和混合模块; 所述局部动作价值网络为每个智能体都配置一个由多层感知器组成的深度Q网络,在时隙t,智能体APj接收局部观测值ojt,并选择动作ajt,将ojt和ajt输入深度Q网络输出局部动作价值Qjojt,ajt; 所述图注意力模块将环境状态st首先输入MLP编码器,将st编码为局部潜在表示向量h1t,h2t,...,hNt,其中,hjt表示第j个接入点APj的特征表示;再采用GAT自适应地捕获智能体之间的相关性得到智能体APj的特征向量表示h′jt;再将智能体APj的特征向量表示h′jt输入MLP为智能体APj的局部动作价值生成权重wjt; 所述混合模块根据局部动作价值Qjojt,ajt和局部动作价值的wjt计算联合动作价值 通过最小化损失函数的方式对强化学习模型训练,即: 其中,θ表示评估网络的参数,X表示从经验回放池中随机采样的小批量样本数,x表示样本序号,ytot=r+γmaxa′Qtots′,a′;θ-,r表示奖励,a和a′表示动作,s和s′表示环境状态;θ-表示目标网络的参数; 通过训练好的强化学习模型对目标优化问题模型进行求解得到接入点AP和移动设备MD之间的关联策略、接入点AP的内容缓存策略和接入点AP的功率分配策略。

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重庆邮电大学,其通讯地址为:400065 重庆市南岸区南山街道崇文路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”。

以上内容由龙图腾AI智能生成。

免责声明
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。