一种多小区蜂窝D2D设备中基于深度学习的用户关联方法
基本信息
| 申请号 | CN202010964458.4 | 申请日 | - |
| 公开（公告）号 | CN112153615A | 公开（公告）日 | 2020-12-29 |
| 申请公布号 | CN112153615A | 申请公布日 | 2020-12-29 |
| 分类号 | H04W4/70;H04W24/04;H04W24/06;H04B17/391;G06N3/08;G06N3/04;G06K9/62 | 分类 | 电通信技术; |
| 发明人 | 李君;朱明浩;仲星;王秀敏;李正权 | 申请（专利权）人 | 中科怡海高新技术发展有限公司 |
| 代理机构 | 南京苏高专利商标事务所（普通合伙） | 代理人 | 柏尚春 |
| 地址 | 214105 江苏省无锡市锡山区锡山大道333号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种多小区蜂窝D2D设备中基于深度学习的用户关联方法，首先，收集环境内终端设备的信道增益信息；其次，运用穷举法得到相应信道增益样本下的最优蜂窝用户关联策略，收集训练数据集；然后，构建卷积神经网络框架，初始化神经网络参数；最后，训练该神经网络：将训练数据集输入至神经网络，构建神经网络的输出和标签之间的MSE作为损失函数，并选择随机梯度下降算法对神经网络的权重进行更新；当损失函数小于预设值或达到迭代次数时即认为神经网络训练完成，保存神经网络。本发明克服了环境中D2D设备对蜂窝设备造成的干扰问题，用卷积神经网络以监督学习的方式逼近传统算法来学习信道增益到最优用户关联策略之间的映射关系。 |
