基于自适应遗传算法的下行NOMA用户动态分簇方法

成果编号：39761

价格：面议

完成单位：南京工程学院

单位类别：其他高校

完成时间：2021年

成熟程度：其他

服务产业领域：电子信息

我要对接关注发送消息

发布人：13770550116 离线

发送消息

随着人们对无线业务需求的急剧增长，正交多址接入（Orthogonal Multiple Access,OMA）已经渐渐不能满足用户的需求。具有更高频谱利用率，低传输延时而且能够进行大规模连接的非正交多址接入（Non-orthogonal Multiple Access，NOMA）被认为是下一代移动通信系统中的关键技术。基于NOMA的系统将用户分为多个簇集，簇间资源正交，避免簇间干扰，簇内用户共享同一个频带，并在接收机采用串行干扰消除技术，以便为不同的用户分离信号。可以有效的解决大规模用户接入时产生的阻塞问题，能够显著的提高系统吞吐量和频带利用率。相比于OFDMA，NOMA技术在提升小区平均用户吞吐量和边缘用户吞吐量上具有明显的优势。本发明公开了一种基于自适应遗传算法的下行NOMA用户动态分簇方法。相比于经典穷举算法，本技术可以有效降低系统的计算复杂度；相较于固定簇分簇算法能够进一步提升系统吞吐量，本技术得到接近穷举算法迭代出的最优吞吐量分簇结果。

24 次浏览分享到

成果介绍

科技计划：国家级：省部级：

成果形式：新技术

合作方式：技术转让、技术咨询

参与活动：第二届江苏产学研合作对接大会 2023年高校院所服务苏北五市产学研合作对接活动

专利情况：正在申请 ,其中:发明专利 0 项
已授权专利,其中:发明专利 1 项

成果简介

成果概况

创新要点

本技术主要涉及NOMA下行链路的用户动态分簇问题，目标是最大化NOMA下行链路的系统总吞吐量。本发明将机器学习中的经典自适应遗传算法配合次优配合启发式方法对NOMA下行链路用户进行分簇。本技术相比于经典穷举算法能够有效降低系统的计算复杂度；相较于固定簇分簇算法能够进一步提升系统吞吐量，得到一个接近穷举算法迭代出的最优吞吐量分簇结果。

主要技术指标

基于自适应遗传算法的下行NOMA用户动态分簇方法，包括如下步骤：S1、利用次优配合启发式方法生成初始种群，初始化算法终止条件；S2、计算适应度值，即系统总吞吐量的值；S3、选择操作；S4、交叉操作；S5、变异操作；S6、计算新的适应度值，即系统总吞吐量的值；S7、判断是否达到终止条件：当达到最大迭代次数n或迭代出的系统最大吞吐量变化值小于给定的精度时，算法终止；若未达到，则重复步骤S3-S5；S8、输出最优用户分簇结果以及最优系统吞吐量。本发明相比于经典穷举算法有效降低系统的计算复杂度；相较于固定簇分簇算法能够进一步提升系统吞吐量，得到接近穷举算法迭代出的最优吞吐量分簇结果。

其他说明

完成人信息

姓名：对接成功后可查看

所在部门：对接成功后可查看

职务：对接成功后可查看

职称：对接成功后可查看

手机：对接成功后可查看

E-mail：对接成功后可查看

电话：对接成功后可查看

传真：对接成功后可查看

邮编：对接成功后可查看

通讯地址：对接成功后可查看

联系人信息