摘要
本发明公开了一种基于无监督学习的RIS辅助OFDM系统资源分配方法,首先利用基站到RIS,RIS到用户以及基站到用户的信道信息,经过特征构造获得所需要的训练样本集;接着构建一个两级神经网络模型,其中第一级网络BeamNet用做RIS反射系数的预测,第二级网络AllocationNet用做OFDM子载波的分配,并采用分段的训练方法和自定义的损失函数对模型进行离线训练,以最大化系统的和速率。在线预测时,利用待设计的系统中的信道信息,经过特征构造后生成模型的输入矩阵,由已训练的网络模型,并结合最大比传输MRT和注水方法在线预测获得基站的波束赋形向量、RIS相移矩阵以及子载波分配系数。
技术关键词
无监督学习
载波分配
基站
频域信道响应
卷积神经网络模型
注水方法
OFDM子载波
线性天线阵列
波束成形向量
OFDM系统
神经网络参数
最大化系统
信道状态信息
抽头
系统为您推荐了相关专利信息
频域特征提取
卷积神经网络模型
频段
噪声滤波
降维技术
半监督学习模型
抽水蓄能电站
仿真测试方法
无监督学习
仿真模型
双树复小波变换
探地雷达信号
瞬时属性提取
卷积神经网络模型
空洞识别方法
蒸馏
模型训练方法
卫星系统
原始图像数据
随机梯度下降
电力巡检机器人
落线方法
行走控制系统
飞行状态数据
机载计算机