一种基于决策树和深度神经网络的NOMA系统功率分配方法

本发明公开了一种基于决策树和深度神经网络的NOMA系统功率分配方法，属于无线通信领域；具体为：首先，收集基站与终端设备之间的交互数据，从中提取网络特征输入决策树模型中进行场景分类；然后，为不同的场景分类搭建各自的DNN模型；并设计多目标优化损失函数进行训练；接着，NOMA系统实时采集网络状态数据经过决策树模型，自适应选择DNN模型计算用户的功率分配系数；基站依据用户的功率分配系数实施功率分配决策，并实时监控各性能指标，计算总性能误差ΔPi；当ΔPi为正，则表示当前决策的性能未达到目标，生成反馈信号并将其传送至损失函数，利用反馈信号对DNN模型进行迭代优化。否则，完成本次功率分配。本发明显著提高了功率分配的实时性和计算效率。