申请/专利权人：深圳大学

申请日：2023-12-15

公开（公告）日：2024-04-09

公开（公告）号：CN117858113A

主分类号：H04W16/28

分类号：H04W16/28;G06N3/042;G06N3/0464;G06N3/0499;G06N3/08;H04W16/22;H04B7/06;H04B7/0413

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提出面向大规模高可靠低时延场景的分布式图神经网络波束成形方法和通信网络系统。该方法包括构建面向大规模高可靠低时延网络的PG4U模型，对该模型进行集中式训练和分布式部署。本发明通过采用面向大规模高可靠低时延网络的PG4U模型，实现高效的分布式波束成形机制。本发明可以应用于不同无线链路数量和网络拓扑结构的通信网络，具备极强的延展性；在分布式波束成形推断时只需基于各个通信链路的本地信道状态信息，所有干扰链路的信道状态信息则能通过一次导频传输以及信号处理的方式得以有效提取，大幅降低了信令开销；充分利用了信道状态信息的时间相关性，通过基于前一帧的信道状态信息进行当前帧波束成形机制的决策，解决了算法计算延迟问题。

主权项：1.一种面向大规模高可靠低时延场景的分布式图神经网络波束成形方法，其特征在于，包括：S1、构建面向大规模高可靠低时延网络的PG4U模型，所述PG4U模型的内核包括：导频波束成形向量:G4U聚合:嵌入更新:数据传输波束成形向量:其中，t表示帧索引，表示第i个通信链路Li的导频波束成形向量，ei表示第i个通信链路Li的图嵌入，hi,i表示第i个通信链路Li的信道状态信息，hj,i表示第j个通信链路Lj到第i个通信链路Li的干扰链路信道状态信息，表示第j个通信链路Lj的导频波束成形向量，表示除第i个通信链路以外的其余通信链路，表示第i个通信链路Li的聚合信息，vi表示第i个通信链路Li的数据传输波束成形向量，agg表示聚合函数，Φ·；θ、U·；φ和分别表示推断导频波束成形向量、嵌入更新、以及数据传输波束成形向量的三个前馈神经网络，其中θ,φ,分别表示三个前馈神经网络Φ·；θ、U·；φ和的神经网络参数，i和j分别表示链路序号，且i≠j；S2、对所述PG4U模型进行集中式训练；S3、将完成集中式训练的所述PG4U模型部署在各个基站上，用于计算每一帧的导频波束成形向量和数据传输波束成形向量以传输数据。

全文数据：

权利要求：

百度查询： 深圳大学 一种分布式图神经网络波束成形方法和通信网络系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD