基于深度神经网络的功率分配方案

在无线通信中,与传统的单输入单输出(Single Input Single Output,SISO)技术相比,协同通信(Cooperative communication,CC)技术具有更好的性能。在放大转发(Amplify and Forward,AF)中继方案中,功率分配对系统的性能和功率利用起着关键作用。本文提出了一种新的基于机器学习的功率分配方法,其核心思想是将信道衰落系数的方差作为深度神经网络(Deep Neural Network,DNN)的输入,利用该系统的误码率闭环表达式,通过数值计算得到使误码率最小的功率分配方案,验证了深度神经网络在功率分配方法中的优势。结果表明,通过大量的数据训练,神经网络得到的功率分配方案的误码率(Symbol-Error-Rate,SER)无限逼近SER的精确值,并且随着隐含层层数的增加,神经网络的均方误差也在不断减小。与传统的功率分配相比,DNN在协作通信的功率分配中能够更好的减小网络传输的误码率。