一种基于深度学习的毫米波通信系统中的功率控制方法
基本信息
| 申请号 | CN202010964461.6 | 申请日 | - |
| 公开（公告）号 | CN112153616A | 公开（公告）日 | 2020-12-29 |
| 申请公布号 | CN112153616A | 申请公布日 | 2020-12-29 |
| 分类号 | H04W4/70;H04B17/345;H04B17/373;H04B17/382;H04W4/02;H04W4/021;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 | 本发明公开一种基于深度学习的毫米波通信系统中的功率控制方法，首先，收集环境内D2D设备和蜂窝设备的地理位置信息，构造两个大小为M×M的密度网格矩阵来表示链路收发机的位置；然后，收集训练数据集，构建卷积神经网络框架，并初始化神经网络权重；最后，将训练数据集输入至神经网络中，构建神经网络的输出和标签之间的MSE作为损失函数，并选择一个梯度下降算法优化神经网络的权重；完成训练并保存神经网络。本发明克服了毫米波网络环境中蜂窝设备和D2D设备的干扰问题，用卷积神经网络对收发机的相对位置进行特征提取，以监督学习的方式逼近传统算法来学习设备位置到最优功率分配的映射关系。 |
