一种基于图神经网络的无线资源分配优化方法及装置制造方法及图纸

本发明专利技术公开了一种基于图神经网络的无线资源分配优化方法及装置，该方法包括：对太赫兹频段下大规模无线网络部署进行建模，考虑太赫兹频段下大规模无线网络下多个接收机和发射机对的功率和子信道分配问题；并修正信号传输过程中的干扰，建立太赫兹频段下大规模无线网络下行系统的物理信道模型；对无线网络资源分配优化问题进行描述；并将无线网络建模成无线信道图，将无线网络资源分配优化问题表述为图优化问题；找到可以将无线信道图映射到最佳功率分配向量和最佳子信道分配向量的策略，实现功率与子信道的联合分配优化。本发明专利技术可以解决太赫兹频段下大规模无线网络的资源分配优化问题。化问题。化问题。

An optimization method and device of wireless resource allocation based on graph neural network

【技术实现步骤摘要】
一种基于图神经网络的无线资源分配优化方法及装置


[0001]本专利技术涉及无线通信
，特别涉及一种基于图神经网络的无线资源分配优化方法及装置。

技术介绍

[0002]随着全息通信、高质量视频在线会议、增强现实/虚拟显示、3D游戏等现代通信业务的快速发展，网络数据流量激增，对数据速率、时延和连接数等网络KPI的需求呈数量级增长，未来无线通信的数据速率预计超过100Gbps。然而，目前可用的频谱资源过于稀缺，无法支持如此高的数据速率。太赫兹波是指位于0.1Thz至10THz频率范围的电磁波，在整个电磁波谱中位于微波和红外波频段之间，由于在电磁波谱的特殊位置，太赫兹既具有微波频段的穿透性和吸收性，又具有光谱分辨特性。太赫兹通信是以太赫兹频段作为载波实现无线通信的技术，其具有超大带宽的频段资源可供利用，支持超高的通信速率，被视为6G移动通信网络的基础技术。因此，考虑太赫兹频段下大规模无线网络的资源分配优化问题，尽可能最佳地利用可用带宽和功率资源，满足快速增长的用户需求和接入设备数量对服务质量的要求变得至关重要。
[0003]通信网络的基本结构是图，图数据是一种典型的非欧式空间数据，具有复杂的相关性和对象间依赖性，传统图论的方法难以适应未来网络中复杂的图形问题。因此，寻找解决复杂图数据的算法，用以指导通信网络的资源分配、管理调度，成为未来网络中的重要科学问题。
[0004]图神经网络作为近年来人工智能领域的新兴技术，为处理复杂图结构数据开辟了新空间。借助深度学习、强化学习等人工智能技术，图神经网络能够快速挖掘图结构中的拓扑信息和复杂特征，已经解决了计算机视觉、推荐系统、知识图谱等领域的许多重大问题。因此，图神经网络与未来网络的结合，是解决网络优化问题、增强网络可靠性、提升网络资源利用率的重要途径。

技术实现思路

[0005]本专利技术提供了一种基于图神经网络的无线资源分配优化方法及装置，以满足现代通信应用对网络规模、数据速率、时延等服务需求的增长，解决太赫兹频段下大规模无线网络的资源分配优化问题，为太赫兹通信中全息通信、智能交通等超高速无线移动场景提供泛在的、一致的、可靠的无线通信服务。
[0006]为解决上述技术问题，本专利技术提供了如下技术方案：
[0007]一方面，本专利技术提供了一种基于图神经网络的无线资源分配优化方法，该基于图神经网络的无线资源分配优化方法包括：
[0008]对太赫兹频段下大规模无线网络部署进行建模，考虑太赫兹频段下大规模无线网络下多个接收机和发射机对的功率和子信道分配问题；并修正信号传输过程中的干扰，建立太赫兹频段下大规模无线网络下行系统的物理信道模型；
[0009]以最大化能量效率为目标对无线网络资源分配优化问题进行描述；并将无线网络建模成无线信道图，将无线网络资源分配优化问题表述为图优化问题；
[0010]通过图神经网络的迭代更新，找到可以将无线信道图映射到最佳功率分配向量和最佳子信道分配向量的策略，实现功率与子信道的联合分配优化。
[0011]进一步地，对太赫兹频段下大规模无线网络部署进行建模，考虑太赫兹频段下大规模无线网络下多个接收机和发射机对的功率和子信道分配问题，包括：
[0012]假设无线网络中的每一对收发机对都将分配给子信道，用N表示子信道个数，n表示子信道索引，BW表示总带宽，每个子信道平均分配，带宽为B＝BW/N；定义SC
n
为第n个子信道，K
n
为第n个子信道与其他子信道产生干扰的数量，U
n
为在SC
n
上的收发机对的数量，i
n
表示在第n个子信道的第i个收发机对的索引，U
m
为在第m个子信道SC
m
上的收发机对的数量，j
m
表示在第m个子信道的第j个收发机对的索引，则从第j
m
个的发射机到第i
n
个的接收机的信道响应为定义P
max
为系统的最大发射功率，p
n
为在子信道SC
n
上分配到的功率，为在子信道SC
n
的第i个发射机分配到的发射功率；发射功率约束表示为：
[0013][0014]因此，接收机i
n
接收到的信号是多种发射机信道叠加而来，表示为：
[0015][0016]其中，表示均值为0，方差为的加性高斯白噪声；
[0017]因此，第i
n
个接收机的信噪比表示为：
[0018][0019]其中，G
t
为发射天线的增益，G
r
为接收天线的增益，为第i
n
个子信道的信道响应，为第j
m
个的发射机到第i
n
个的接收机的信道响应，为在子信道SC
n
的第i个发射机分配到的发射功率，为在子信道SC
m
的第j个发射机分配到的发射功率；因此，在子信道SC
n
的第i
n
个接收机可达到速率表示为：
[0020][0021]系统的总数据速率表示为：
[0022][0023]其中，C
n
表示第n个子信道的数据速率和。
[0024]进一步地，所述修正信号传输过程中的干扰，建立太赫兹频段下大规模无线网络下行系统的物理信道模型，包括：
[0025]基于多径传播模型，定义第n个子信道的信道响应为：
[0026][0027]将发射机天线增益G
t
和接收机天线增益G
r
均设为20dBi，MP路径的X
n
为1，即仅LOS路径存在，因此第n个子信道的信道响应可以重新表述为：
[0028][0029][0030]其中，t为时间，d为传输距离，Ω
LOS
∈{0,1}为指标变量，当Ω
LOS
＝1时，表示太赫兹信道中包含LOS路径，当Ω
LOS
＝0时，表示太赫兹信道中不包含LOS路径；在LOS路径中，表示衰减，t
LOS
表示通信时延；在第q个发射射线中，表示衰减，表示通信时延；MP路径总数表示为：其中，表示反射光数量；δ(.)函数表示当且仅当t＝t
LOS
时，δ(t
‑
t
LOS
)＝1。
[0031]进一步地，以最大化能量效率为目标对无线网络资源分配优化问题进行描述，包括：
[0032]首先提出一个权重因子作为太赫兹子信道分配指标表示第n个子信道被i个收发机对占用，反之因此系统的总数据速率重新表述为：
[0033][0034]太赫兹系统能量效率EE定义为总数据速率与总功耗p
to
的比值，因此，太赫兹频段下大规模无线网络的能量效率定义为：
[0035][0036]其中，p
c
表示电路能耗；...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的无线资源分配优化方法，其特征在于，包括：对太赫兹频段下大规模无线网络部署进行建模，考虑太赫兹频段下大规模无线网络下多个接收机和发射机对的功率和子信道分配问题；并修正信号传输过程中的干扰，建立太赫兹频段下大规模无线网络下行系统的物理信道模型；以最大化能量效率为目标对无线网络资源分配优化问题进行描述；并将无线网络建模成无线信道图，将无线网络资源分配优化问题表述为图优化问题；通过图神经网络的迭代更新，找到可以将无线信道图映射到最佳功率分配向量和最佳子信道分配向量的策略，实现功率与子信道的联合分配优化。2.如权利要求1所述的基于图神经网络的无线资源分配优化方法，其特征在于，所述对太赫兹频段下大规模无线网络部署进行建模，考虑太赫兹频段下大规模无线网络下多个接收机和发射机对的功率和子信道分配问题，包括：假设无线网络中的每一对收发机对都将分配给子信道，用N表示子信道个数，n表示子信道索引，BW表示总带宽，每个子信道平均分配，带宽为B＝BW/N；定义SC
n
为第n个子信道，K
n
为第n个子信道与其他子信道产生干扰的数量，U
n
为在SC
n
上的收发机对的数量，i
n
表示在第n个子信道的第i个收发机对的索引，U
m
为在第m个子信道SC
m
上的收发机对的数量，j
m
表示在第m个子信道的第j个收发机对的索引，则从第j
m
个的发射机到第i
n
个的接收机的信道响应为定义P
max
为系统的最大发射功率，p
n
为在子信道SC
n
上分配到的功率，为在子信道SC
n
的第i个发射机分配到的发射功率；发射功率约束表示为：因此，接收机i
n
接收到的信号是多种发射机信道叠加而来，表示为：其中，表示均值为0，方差为的加性高斯白噪声；因此，第i
n
个接收机的信噪比表示为：其中，G
t
为发射天线的增益，G
r
为接收天线的增益，为第i
n
个子信道的信道响应，为第j
m
个的发射机到第i
n
个的接收机的信道响应，为在子信道SC
n
的第i个发射机分配到的发射功率，为在子信道SC
m
的第j个发射机分配到的发射功率；因此，在子信道SC
n
的第i
n
个接收机可达到速率表示为：
系统的总数据速率表示为：其中，C
n
表示第n个子信道的数据速率和。3.如权利要求2所述的基于图神经网络的无线资源分配优化方法，其特征在于，所述修正信号传输过程中的干扰，建立太赫兹频段下大规模无线网络下行系统的物理信道模型，包括：基于多径传播模型，定义第n个子信道的信道响应为：将发射机天线增益G
t
和接收机天线增益G
r
均设为20dBi，MP路径的X
n
为1，即仅LOS路径存在，因此第n个子信道的信道响应重新表述为：存在，因此第n个子信道的信道响应重新表述为：其中，t为时间，d为传输距离，Ω
LOS
∈{0,1}为指标变量，当Ω
LOS
＝1时，表示太赫兹信道中包含LOS路径，当Ω
LOS
＝0时，表示太赫兹信道中不包含LOS路径；在LOS路径中，表示衰减，t
LOS
表示通信时延；在第q个发射射线中，表示衰减，表示通信时延；MP路径总数表示为：其中，表示反射光数量，δ(.)函数表示当且仅当t＝t
LOS
时，δ(t
‑
t
LOS
)＝1。4.如权利要求3所述的基于图神经网络的无线资源分配优化方法，其特征在于，以最大化能量效率为目标对无线网络资源分配优化问题进行描述，包括：首先提出一个权...

【专利技术属性】
技术研发人员：张海君，马旭，刘向南，皇甫伟，隆克平，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：