-
BEREICH DER ERFINDUNG
-
Die vorliegende Offenlegung bezieht sich auf energieeffiziente Kommunikationssysteme. Im Einzelnen handelt es sich um ein Downlink-NOMA-System, das Interferenzunterdrückung in einem kognitiven Funknetz verwendet, um die spektrale Effizienz zu verbessern.
-
HINTERGRUND DER ERFINDUNG
-
Nicht-orthogonaler Mehrfachzugriff (NOMA) ist eine potenzielle Technik für die nächste Generation drahtloser Netze, da sie eine hohe Energieeffizienz bietet und mehreren Nutzern den gleichzeitigen Zugriff auf das Spektrum ermöglicht, und sie ist zu einem wesentlichen Element bei der Entwicklung von Funkzugangsverfahren für künftige drahtlose Netze geworden.
-
Die bestehenden Systeme stehen vor bestimmten Herausforderungen, wenn die Rate der SU Null oder nahezu Null sein kann. Die Leistungsentwicklung des NOMA-CR-Systems hängt entscheidend von den Strategien zur Ressourcenzuweisung ab. Daher ist die Entwicklung einer geeigneten Technik zur Leistungszuweisung von großer Bedeutung für die Verbesserung der Energieeffizienz (EE) des gesamten Systems.Viele Techniken und modellbasierte Ressourcenzuweisungstechniken sind vorgeschlagen worden, um die EE oder andere Ziele in NOMA-CR-Systemen zu erhöhen. In drahtlosen Netzwerkumgebungen können diese konventionellen modellbasierten Ansätze, die eine vollständige Kenntnis der Systeme und eine hohe Rechenkomplexität erfordern, in der Praxis ineffizient oder sogar unanwendbar sein.
-
In Anbetracht der vorangegangenen Diskussion wird deutlich, dass ein Downlink-NOMA-System mit Interferenzunterdrückung in kognitiven Funknetzen benötigt wird, um die spektrale Effizienz zu verbessern.
-
ZUSAMMENFASSUNG DER ERFINDUNG
-
Die vorliegende Offenlegung zielt darauf ab, ein Kommunikationssystem zur Verfügung zu stellen, das die genannten Mängel überwindet, um eine optimale Strategie zur Maximierung der Energieeffizienz abzuleiten.
-
In einer Ausführungsform wird ein Downlink-NOMA-System offenbart, das Interferenzunterdrückung in einem kognitiven Funknetz verwendet, um die spektrale Effizienz zu verbessern. Das System umfasst ein kognitives Funknetz (CR), das mit einem nicht-orthogonalen Mehrfachzugriff (NOMA) in der Abwärtsrichtung ausgestattet ist, der so konfiguriert ist, dass sekundäre Benutzer (SUs) gleichzeitig auf einen identischen primären Kanal zugreifen können, wenn dieser nicht von den primären Benutzern (PUs) verwendet wird. Das System umfasst ferner eine Steuereinheit, die so konfiguriert ist, dass sie:ein tiefes Verstärkungslernen (Deep Reinforcement Learning, DRL) für Echtzeit-Entscheidungsprobleme entwickelt, wobei das DRL eingesetzt wird, um eine nahezu optimale Entscheidungspolitik zu treffen, die die Leistung von Netzwerksystemen durch ständige Interaktionen verbessert;das Problem der Ressourcenzuweisung in einem Downlink-NOMA-CRN-System zu lösen, indem eine Technik zur Leistungszuweisung eingesetzt wird, um die Energieeffizienz (EE) langfristig zu verbessern und gleichzeitig die QoS zu erhalten;und erhalten die Ressourcenzuweisungsstrategie in der Mehrbenutzersystemumgebung, um die tödliche Formelableitung zur Lösung des nichtkonvexen Problems mit DRL zu vermeiden und dadurch Leistungszuweisungsstrategien zu erhalten.
-
In einer anderen Ausführungsform ist die SU so konfiguriert, dass sie Daten auf demselben Kanal und im selben Zeitschlitz überträgt, wenn das Erfassungsergebnis anzeigt, dass der Primärkanal frei ist, indem sie NOMA einsetzt.
-
In einer anderen Ausführungsform wird das kognitive NOMA-System im Uplink-Modus eingesetzt, in dem die Sekundärnutzer (SUs) Daten über dieselben Frequenzressourcen an die Basisstation (BS) übertragen dürfen.
-
In einer anderen Ausführungsform wird in der BS eine sukzessive Interferenzunterdrückung (SIC) angewendet, um die Signale der SUs wiederherzustellen.
-
In einer anderen Ausführungsform wird der Standort der Nutzer festgelegt, um die Anzahl der benötigten Slots zu ermitteln, bevor die optimale Strategie gefunden wird.
-
In einer anderen Ausführungsform wird das DRL-basierte Netz auf seine Energieeffizienz hin bewertet, wobei zunächst ein DQN-basierter Ansatz entwickelt wird, um eine Strategie entsprechend den aktuellen Kanalbedingungen zu erstellen, wodurch ein basiertes Leistungszuweisungsnetz entwickelt wird, um die Sendeleistung aller Nutzer auszuwählen und das gesamte DRL-Netzwerk wird zusammen mit dem zurückgegebenen Feedback trainiert, um die EE des Systems durch Aktualisierung der Gewichte der Netzwerke zu maximieren, wobei eine DQN-basierte Methode und eine feste Leistungszuweisungsmethode für das Uplink-NOMA-CRN-System ebenfalls gezeigt wird, um die Leistung unserer DRL-basierten Ressourcenzuweisungstechnik hervorzuheben.
-
Ein Ziel der vorliegenden Offenlegung ist es, die genannten Mängel zu überwinden und eine optimale Strategie zur Maximierung der EE abzuleiten.
-
Ein weiteres Ziel der vorliegenden Offenlegung ist die Kombination von NOMA mit einem CR-Netz, um die spektrale Effizienz zu verbessern.
-
Ein weiteres Ziel der vorliegenden Erfindung ist es, ein schnelles und kosteneffizientes NOMA-System für die Abwärtsstrecke bereitzustellen, das Interferenzunterdrückung in einem kognitiven Funknetz verwendet, um die spektrale Effizienz zu verbessern.
-
Um die Vorteile und Merkmale der vorliegenden Offenbarung weiter zu verdeutlichen, wird eine genauere Beschreibung der Erfindung durch Bezugnahme auf bestimmte Ausführungsformen davon, die in den beigefügten Figuren dargestellt ist. Es wird davon ausgegangen, dass diese Figuren nur typische Ausführungsformen der Erfindung darstellen und daher nicht als Einschränkung ihres Umfangs zu betrachten sind. Die Erfindung wird mit zusätzlicher Spezifität und Detail mit den begleitenden Figuren beschrieben und erklärt werden.
-
Figurenliste
-
Diese und andere Merkmale, Aspekte und Vorteile der vorliegenden Offenbarung werden besser verstanden, wenn die folgende detaillierte Beschreibung mit Bezug auf die beigefügten Figuren gelesen wird, in denen gleiche Zeichen gleiche Teile in den Figuren darstellen, wobei:
- 1 ein Blockdiagramm eines Downlink-NOMA-Systems, das Interferenzunterdrückung in einem kognitiven Funknetz verwendet, um die spektrale Effizienz gemäß einer Ausführungsform der vorliegenden Offenlegung zu verbessern zeigt;
- 2 eine Verlustfunktionswertkurve von DRL-basierten Frameworks mit unterschiedlicher Lernrate gemäß einer Ausführungsform der vorliegenden Offenbarung veranschaulicht; und
- 3 ein Diagramm zur Energieeffizienz (EE) bei verschiedenen Lernraten gemäß einer Ausführungsform der vorliegenden Offenbarung zeigt.
-
Der Fachmann wird verstehen, dass die Elemente in den Figuren der Einfachheit halber dargestellt sind und nicht unbedingt maßstabsgetreu gezeichnet wurden. Die Flussdiagramme veranschaulichen beispielsweise das Verfahren anhand der wichtigsten Schritte, um das Verständnis der Aspekte der vorliegenden Offenbarung zu verbessern.Darüber hinaus können ein oder mehrere Komponenten der Vorrichtung in den Figuren durch herkömmliche Symbole dargestellt sein, und die Figuren können nur die spezifischen Details zeigen, die für das Verständnis der Ausführungsformen der vorliegenden Offenbarung von Bedeutung sind, um die Figuren nicht mit Details zu verdecken, die für Fachleute mit normalen Kenntnissen, die von der vorliegenden Beschreibung profitieren, ohne weiteres erkennbar sind.
-
DETAILLIERTE BESCHREIBUNG
-
Zum besseren Verständnis der Grundsätze der Erfindung wird nun auf die in den Figuren dargestellte Ausführungsform Bezug genommen und diese in einer speziellen Sprache beschrieben.Es versteht sich jedoch von selbst, dass damit keine Einschränkung des Umfangs der Erfindung beabsichtigt ist, wobei solche Änderungen und weitere Modifikationen des dargestellten Systems und solche weiteren Anwendungen der darin dargestellten Prinzipien der Erfindung in Betracht gezogen werden, wie sie einem Fachmann auf dem Gebiet der Erfindung normalerweise einfallen würden.
-
Der Fachmann wird verstehen, dass die vorstehende allgemeine Beschreibung und die folgende detaillierte Beschreibung beispielhaft und erläuternd für die Erfindung sind und nicht als einschränkend angesehen werden.
-
Wenn in dieser Beschreibung von „einem Aspekt“, „einem anderen Aspekt“ oder ähnlichem die Rede ist, bedeutet dies, dass ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Eigenschaft, die im Zusammenhang mit der Ausführungsform beschrieben wird, in mindestens einer Ausführungsform der vorliegenden Offenbarung enthalten ist. Daher können sich die Ausdrücke „in einer Ausführungsform“, „in einer anderen Ausführungsform“ und ähnliche Ausdrücke in dieser Beschreibung alle auf dieselbe Ausführungsform beziehen, müssen es aber nicht.
-
Die Ausdrücke „umfasst“, „enthaltend“ oder andere Variationen davon sollen eine nicht ausschließliche Einbeziehung abdecken, so dass ein Verfahren oder eine Methode, die eine Liste von Schritten umfasst, nicht nur diese Schritte einschließt, sondern auch andere Schritte enthalten kann, die nicht ausdrücklich aufgeführt sind oder zu einem solchen Verfahren oder einer solchen Methode gehören. Ebenso schließen eine oder mehrere Vorrichtungen oder Teilsysteme oder Elemente oder Strukturen oder Komponenten, die mit „umfasst...a“ eingeleitet werden, nicht ohne weitere Einschränkungen die Existenz anderer Vorrichtungen oder anderer Teilsysteme oder anderer Elemente oder anderer Strukturen oder anderer Komponenten oder zusätzlicher Vorrichtungen oder zusätzlicher Teilsysteme oder zusätzlicher Elemente oder zusätzlicher Strukturen oder zusätzlicher Komponenten aus.
-
Sofern nicht anders definiert, haben alle hierin verwendeten technischen und wissenschaftlichen Begriffe die gleiche Bedeutung, wie sie von einem Fachmann auf dem Gebiet, zu dem diese Erfindung gehört, allgemein verstanden wird. Das System, die Methoden und die Beispiele, die hier angegeben werden, dienen nur der Veranschaulichung und sind nicht als Einschränkung gedacht.
-
Ausführungsformen der vorliegenden Offenbarung werden im Folgenden unter Bezugnahme auf die beigefügten Figuren im Detail beschrieben.
-
In 1 ist ein Blockdiagramm eines NOMA-Systems für die Abwärtsstrecke dargestellt, das Interferenzunterdrückung in einem kognitiven Funknetz zur Verbesserung der spektralen Effizienz verwendet.
-
Das System 100 umfasst ein kognitives Funknetz (CR-Netz) 102, das mit einem nicht-orthogonalen Mehrfachzugriff (NOMA) 104 auf der Abwärtsstrecke ausgestattet ist, der so konfiguriert ist, dass Sekundärnutzer (SUs) gleichzeitig auf einen identischen Primärkanal zugreifen können, wenn dieser nicht von den Primärnutzern (PUs) verwendet wird.
-
In einer anderen Ausführungsform ist eine Steuereinheit 106 mit dem NOMA 104 verbunden und so konfiguriert, dass sie ein tiefes Verstärkungslernen (Deep Reinforcement Learning, DRL) für Echtzeit-Entscheidungsprobleme entwickelt, wobei das DRL eingesetzt wird, um eine nahezu optimale Entscheidungspolitik zu treffen, die die Leistung von Netzwerksystemen durch ständige Interaktionen verbessert. Darüber hinaus wird die Steuereinheit 106 verwendet, um das Problem der Ressourcenzuweisung in einem NOMA-CRN-System in Abwärtsrichtung zu lösen, indem ein Verfahren zur Leistungszuweisung eingesetzt wird, um die Energieeffizienz (EE) langfristig zu verbessern und gleichzeitig die QoS aufrechtzuerhalten.Die Steuereinheit 106 wird jedoch weiterhin verwendet, um die Ressourcenzuweisungsstrategie in der Mehrbenutzersystemumgebung zu erhalten, um die tödliche Formelableitung zur Lösung des nichtkonvexen Problems mit DRL zu vermeiden und dadurch Leistungszuweisungsstrategien zu erhalten.
-
In einer anderen Ausführungsform ist die SU so konfiguriert, dass sie Daten auf demselben Kanal und im selben Zeitschlitz überträgt, wenn das Erfassungsergebnis anzeigt, dass der Primärkanal frei ist, indem sie NOMA 104 einsetzt.
-
In einer anderen Ausführungsform wird das kognitive NOMA-System 104 im Uplink-Modus eingesetzt, in dem die Sekundärnutzer (SUs) Daten über dieselben Frequenzressourcen an die Basisstation (BS) übertragen dürfen.
-
In einer anderen Ausführungsform wird in der BS eine sukzessive Interferenzunterdrückung (SIC) angewendet, um die Signale der SUs wiederherzustellen.
-
In einer anderen Ausführungsform wird der Standort der Nutzer festgelegt, um die Anzahl der benötigten Slots zu ermitteln, bevor die optimale Strategie gefunden wird.
-
In einer anderen Ausführungsform wird das DRL-basierte Netzwerk auf seine Energieeffizienz hin bewertet, wobei zunächst ein DQN-basierter Ansatz entwickelt wird, um eine Strategie entsprechend den aktuellen Kanalbedingungen zu erstellen, wodurch ein basiertes Leistungszuweisungsnetzwerk entwickelt wird, um die Sendeleistung aller Nutzer auszuwählenund das gesamte DRL-Netzwerk wird zusammen mit dem zurückgegebenen Feedback trainiert, um die EE des Systems durch Aktualisierung der Gewichte der Netzwerke zu maximieren, wobei eine DQN-basierte Methode und eine feste Leistungszuweisungsmethode für das Uplink-NOMA-CRN-System ebenfalls gezeigt wird, um die Leistung unserer DRL-basierten Ressourcenzuweisungstechnik hervorzuheben.
-
In einer Ausführungsform ist das Problem, die EE des Systems zu finden, nicht-konvex, so dass eine DRL angenommen wird, um die Ressourcenzuweisungsstrategie in der Mehrbenutzersystemumgebung zu erhalten, um die tödliche Formelableitung zur Lösung des nicht-konvexen Problems zu vermeiden. Anschließend wird die DQN berücksichtigt, um Strategien für die Leistungszuweisung zu erhalten.
-
In einer Ausführungsform werden am Empfänger die Signale der verschiedenen Sender überlagert, und um die starke Interferenz zu unterdrücken, wird die sukzessive Interferenzunterdrückung (SIC) verwendet, um schwache Interferenzen zu berücksichtigen. Andererseits wird die Spektrumeffizienz durch kognitiven Funk (CR) verbessert, bei dem die sekundären Nutzer (SUs) das Spektrum nutzen, das von den primären Nutzern (PUs) nicht in Anspruch genommen wird. Durch die Einführung der beiden vorgenannten Konzepte kann NOMA 104 mit einem CR-Netz 102 kombiniert werden, um die spektrale Effizienz zu verbessern. Es wird ein NOMA-Schema für die Abwärtsstrecke betrachtet, das die Interferenzunterdrückung im kognitiven Funknetz 102 nutzt, um die spektrale Effizienz zu verbessern.
-
2 zeigt eine Verlustfunktionswertkurve von DRL-basierten Frameworks mit unterschiedlicher Lernrate gemäß einer Ausführungsform der vorliegenden Offenbarung. Die Konvergenz der DRL-Technik wird mit unterschiedlichen Lernraten berechnet. Der Standort der Nutzer wird festgelegt, um herauszufinden, wie viele Zeitschlitze erforderlich sind, bevor die optimale Strategie gefunden wird. Wie in 2 zu sehen ist, nimmt der Verlust in allen drei Fällen ab und tendiert innerhalb von 20 Zeitschlitzen zu einem stabilen Wert. Insbesondere bei einer Lernrate von 0.01 können nur wenige Schritte zu einer stabilen und schnelleren Konvergenz führen und die Lerneffizienz verbessern.
-
3 zeigt ein Diagramm der Energieeffizienz (EE) bei verschiedenen Lernraten gemäß einer Ausführungsform der vorliegenden Offenbarung. Die drei Kurven in der Figur sind die Bilder der DQN-Technik mit der Anzahl der Episoden, wenn die Lernrate 0.01, 0.001 und 0.0001 beträgt.Wenn der Wert der Lernrate klein ist (δ= 0.0001), konvergiert das DQN-Verfahren in etwa 2000 Iterationen, und die Konvergenzgeschwindigkeit ist langsam. Mit steigender Lernrate (δ= 0.001) nimmt die Konvergenzgeschwindigkeit des DQN-Verfahrens zu, und es konvergiert in etwa 1200 Iterationen.Wenn die Lernrate zu groß ist (δ= 0.01), konvergiert das DQN-Verfahren in etwa 1000 Iterationen. Es wird deutlich, dass eine niedrige Lernrate zu einer langsameren Konvergenzrate führt und mehr Iterationen erforderlich sind, um die Konvergenz zu erreichen. Eine zu hohe Lernrate führt dazu, dass das DQN einen Konvergenzwert erreicht, der unter dem normalen Konvergenzwert der Lernrate liegt. Daher sollte die Lernrate moderat gewählt werden. Eine zu hohe oder zu niedrige Lernrate führt zu einer Verschlechterung der Leistung des Verfahrens. In der Simulation dieser Arbeit ist die Lernrate δ= 0.001 ein geeigneter Wert.
-
Das System schlug ein tiefes Verstärkungslernen vor, um die genannten Mängel zu überwinden und eine optimale Strategie zur Maximierung der EE abzuleiten. Simulationsergebnisse zeigen, dass das vorgeschlagene System eine bessere Konvergenz erreicht als frühere RLbasierte NOMA -CRN-Systeme. Die Simulationsergebnisse zeigen, dass unser auf DRL basierendes System im Vergleich zu anderen Ansätzen bessere EE bei verschiedenen Sendeleistungsgrenzen bieten kann.
-
Die Figuren und die vorangehende Beschreibung geben Beispiele für Ausführungsformen. Der Fachmann wird verstehen, dass eines oder mehrere der beschriebenen Elemente durchaus zu einem einzigen Funktionselement kombiniert werden können. Alternativ dazu können bestimmte Elemente in mehrere Funktionselemente aufgeteilt werden. Elemente aus einer Ausführungsform können einer anderen Ausführungsform hinzugefügt werden.So kann beispielsweise die Reihenfolge der hier beschriebenen Prozesse geändert werden und ist nicht auf die hier beschriebene Weise beschränkt. Außerdem müssen die Handlungen eines Flussdiagramms nicht in der gezeigten Reihenfolge ausgeführt werden; auch müssen nicht unbedingt alle Handlungen durchgeführt werden. Auch können diejenigen Handlungen, die nicht von anderen Handlungen abhängig sind, parallel zu den anderen Handlungen ausgeführt werden. Der Umfang der Ausführungsformen ist durch diese spezifischen Beispiele keineswegs begrenzt. Zahlreiche Variationen sind möglich, unabhängig davon, ob sie in der Beschreibung explizit aufgeführt sind oder nicht, wie z. B. Unterschiede in der Struktur, den Abmessungen und der Verwendung von Materialien. Der Umfang der Ausführungsformen ist mindestens so groß wie in den folgenden Ansprüchen angegeben.
-
Vorteile, andere Vorzüge und Problemlösungen wurden oben im Hinblick auf bestimmte Ausführungsformen beschrieben. Die Vorteile, Vorzüge, Problemlösungen und Komponenten, die dazu führen können, dass ein Vorteil, ein Nutzen oder eine Lösung auftritt oder ausgeprägter wird, sind jedoch nicht als kritisches, erforderliches oder wesentliches Merkmal oder Komponente eines oder aller Ansprüche zu verstehen.
-
Bezugszeichenliste
-
- 100
- Ein Downlink-NOMA-System mit Interferenzunterdrückung in einem kognitiven Funknetz zur Verbesserung der spektralen Effizienz
- 102
- Kognitives Funknetz
- 104
- Nicht-orthogonaler Mehrfachzugriff
- 106
- Steuereinheit