基于DNN 的Sub-6 GHz 辅助毫米波网络功率分配算法

孙长印，刘李延，江帆，姜静

（1.西安邮电大学通信与信息工程学院，陕西 西安 710121；2.西安邮电大学信息通信网络与安全重点实验室，陕西 西安 710121）

1 引言

随着当前蜂窝网络数据需求的迅猛增长，传统蜂窝网络所采用的频段已经无法胜任工作，无线通信系统正向更高的频率发展[1]。毫米波（mmWave,millimeter wave）频段具有丰富的可用频谱资源，可以使无线通信系统实现更大的容量。此外，毫米波还具有速率高、波束窄、能量集中且方向性好等优点，这使毫米波可以成为未来通信系统的主要工作频段。

而对于传统蜂窝网络系统，无线资源的管理是十分重要的，如用户接入、波束形成器设计或发射功率控制[2]等。由于用户间相互干扰产生的非凸性，功率分配问题很难得到最优解[3]。因此，寻找一个次优、高效的解决方案一直是研究的重点。通常功率分配的目标是实现干扰广播信道的加权和速率最大化。为此学者提出了一些经典算法，如加权最小均方误差（WMMSE,weighted mean square error minimization）算法[4]、迭代注水算法[5]和干扰定价算法[6]。虽然这些迭代算法都有不错的性能表现，但是都有较大的时间开销。处理多输入多输出（MIMO,multiple-input multiple-output）干扰系统功率分配问题时，经典算法每一步迭代都需要涉及奇异值分解或者矩阵求逆操作。而信道信息、用户分布等参数都在快速变化，因此此类算法实现实时处理较困难。神经网络的出现为这个难题提供了解决的方案，深度神经网络可以很好地逼近传统迭代算法，并且加快了计算时间[7]。……