基于卷积神经网络的异构网能效子信道与功率分配
信号处理
2019-03-04 v1
摘要
异构网络（HetNet）已被提出作为应对未来第五代（5G）系统无线流量爆炸的有前景方案。本文针对 HetNet formulated 一个联合子信道与功率分配问题以最大化能效（EE）。通过将原问题分解为一个分类子问题和一个回归子问题，开发了一种基于卷积神经网络（CNN）的方法，以远低于传统迭代方法的复杂度获得子信道与功率分配决策。数值结果进一步表明，所提出的 CNN 能达到与穷举法相似的性能，而所需 CPU 运行时间仅为其 6.76%。
引用
@article{arxiv.1903.00165,
title = {Energy-Efficient Subchannel and Power Allocation for HetNets Based on Convolutional Neural Network},
author = {Di Xu and Xiaojing Che and Changhao Wu and Shunqing Zhang and Shugong Xu and Shan Cao},
journal= {arXiv preprint arXiv:1903.00165},
year = {2019}
}
备注
5 pages, 7 figures, VTC2019-Spring