太赫兹无蜂窝大规模MIMO系统中学习辅助的用户调度方法

本发明属于无线通信，涉及太赫兹通信、无蜂窝大规模mimo、资源调度、机器学习辅助优化和图神经网络技术，具体涉及一种在ap侧rf链和子阵列资源受限条件下，从多个候选ue中选择固定数量ue进行并发服务的学习辅助用户调度方法。

背景技术：

1、太赫兹通信具有极大可用带宽和高速传输潜力，但同时存在路径损耗高、分子吸收强、对遮挡敏感以及波束指向性强等特点。无蜂窝大规模mimo通过多个分布式ap协同为ue服务，可以降低传统蜂窝网络中的小区边界效应，提高覆盖均匀性和用户体验。

2、在太赫兹无蜂窝大规模mimo场景中，系统通常包含多个ap和多个ue。由于ap侧rf链数量有限，系统无法在任一时隙同时为全部ue提供高质量服务，需要从候选ue中选择一个调度用户集合。设候选ue数量为n，每个时隙调度用户数量为k，则穷举搜索空间为：

3、

4、当n和k增大时，该组合空间迅速膨胀，直接穷举不可行。

5、现有调度方案通常存在如下不足：第一，随机调度复杂度低但无法利用thz链路质量、los状态和ap资源约束，吞吐性能较低；第二，贪婪搜索能够获得较高性能，但需要大量物理层评分，复杂度较高；第三，仅进行逐用户学习打分的模型难以表达用户集合中的互干扰、共享强ap和ap资源竞争；第四，若完全依赖黑盒学习模型直接输出最终调度集合，则可能难以保证物理层sinr和加权和速率目标。

技术实现思路

1、发明目的：本发明目的在于提供一种面向太赫兹无蜂窝大规模mimo的学习辅助用户调度方法，解决贪婪搜索复杂度高、黑盒学习模型直接决策难以保证物理层目标等问题，在降低全局贪婪搜索复杂度的同时保持接近greedy的吞吐性能，并可进一步支持最大吞吐、比例公平和强公平目标。

2、技术方案：为实现上述目的，第一方面，本发明提供一种太赫兹无蜂窝大规模mimo系统中学习辅助的用户调度方法，包括如下步骤：

3、s1：获取多个接入点ap与多个用户设备ue之间的太赫兹信道信息，包括链路增益和los状态；

4、s2：根据用户长期历史速率计算公平性权重；

5、s3：根据所述链路增益、los状态和公平性权重，通过预训练的学习排序模型获得各用户的调度分数，按照分数降序排序后选取候选用户集合；所述学习排序模型基于贪婪教师策略生成的训练样本通过模仿学习训练得到，为基于多层感知机mlp的gi-net模型或异构图神经网络hgnn的gi-hgnn模型；

6、s4：在所述候选用户集合中，根据物理层加权和速率评分执行局部交换搜索，以确定最终调度用户集合；

7、s5：输出最终调度用户集合。

8、作为优选，步骤s2中所述用户长期历史速率为：

9、

10、所述公平性权重为：

11、

12、其中，为时隙t开始时ue k的长期历史速率；为ue k在时隙t+1的瞬时速率；为指数滑动平均更新系数；为归一化公平性权重；n为ue数量；为alpha-fairness公平参数；为历史速率下限，防止分母为0；对应最大吞吐目标，对应比例公平目标，对应强公平目标；步骤s4中的加权评分函数为：

13、

14、其中，为调度集合的物理层加权和速率评分。

15、作为优选，所述gi-net模型中，基于ue到各ap的对数链路增益、链路增益总和、链路增益最大值、los ap数量、los 比例、公平性权重和公平参数构造逐用户特征，推理时将全部用户特征组成矩阵输入，输出所有用户分数。

16、作为优选，所述gi-hgnn模型中，构造异构图：

17、

18、其中，为调度异构图；为包含m个ap节点的集合；为包含n个ue节点的集合；为携带链路属性的ap-ue二部边集合；为携带干扰或竞争属性的ue-ue边集合；

19、ap节点特征包括ap视角下的链路增益均值、链路增益最大值和公平参数；ue节点特征包括ue视角下的链路增益总和、los加权大尺度增益、公平性权重、权重对数和公平参数；ap-ue链路边特征包括对数链路增益、对数大尺度增益、los状态、ap视角归一化链路排名和ue视角归一化链路排名；所述ue-ue干扰边特征包括链路向量相似度、两个ue共同拥有los链路的ap数量占全部ap的比例和公平性权重差异。

20、作为优选，所述gi-hgnn模型通过ap到ue、ue到ap以及ue到ue三类消息传递更新ap与ue的隐藏状态，并通过读出网络输出ue调度分数：

21、

22、其中，为uek经过层异构图消息传递后的隐藏状态；为隐藏状态维度；为可训练读出网络；为ue k的未归一化调度分数，分数越大表示进入候选用户集合的优先级越高。

23、作为优选，gi-net和gi-hgnn均采用greedy imitation训练方式，训练样本由greedy教师策略生成，标签为：

24、

25、式中，为ue k的二分类教师标签；为greedy教师输出的k个用户集合，k为最终调度用户数；学习排序模型输出logit ，即输入sigmoid函数前的未归一化分数，并使用二分类损失进行训练。

26、作为优选，步骤s4的局部交换搜索包括：候选用户集合为gi-net或gi-hgnn评分最高的top-l用户，首先从中选取评分最高的k个用户作为当前调度集合；随后，从当前调度集合中选取一个待换出的用户，并从候选用户集合中未被调度的用户里选取一个待换入的用户。若替换后的用户集合使物理层评分函数增大，则接受该替换；重复执行直到达到迭代次数上限或不存在评分改进。

27、第二方面，本发明提供一种太赫兹无蜂窝大规模mimo系统中学习辅助的用户调度装置，用于实现第一方面所述的用户调度方法，包括：

28、信道获取模块，用于获取多个ap与多个ue之间的太赫兹信道信息；

29、权重计算模块，用于根据用户长期历史速率计算公平性权重；

30、候选集合生成模块，用于根据所述链路增益、los状态和公平性权重，通过预训练的学习排序模型获得各用户的调度分数，按照分数降序排序后选取候选用户集合；

31、物理层评分模块，用于计算用户加权和速率评分；

32、局部搜索模块，用于在候选用户集合中执行局部交换搜索；

33、调度输出模块，用于输出最终调度用户集合。

34、第三方面，本发明提供一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现第一方面所述的太赫兹无蜂窝大规模mimo系统中学习辅助的用户调度方法的步骤。

35、第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的太赫兹无蜂窝大规模mimo系统中学习辅助的用户调度方法的步骤。

36、有益效果：与现有技术相比，本发明具有如下有益效果：

37、1、本发明通过预训练的学习排序模型确定候选用户集合，最终调度用户集合仍由物理层加权和速率评分闭环决定，避免了学习模型直接黑盒决策带来的物理层性能不确定性。

38、2、本发明同时将链路增益、los状态和公平性权重引入候选生成和物理层评分，可在最大吞吐、比例公平和强公平目标之间切换。

39、3、本发明中的学习排序模型基于贪婪教师策略生成的训练样本通过模仿学习训练得到，能够获得高质量候选用户集合，再通过局部交换搜索输出最终调度用户集合，在降低全局贪婪搜索复杂度的同时保持接近greedy的吞吐性能。

40、4、本发明中的hgnn学习排序模型显式建模ap-ue链路、ue-ue干扰、共享强ap和ap资源竞争，在未见拓扑上相较mlp学习排序模型具有更强泛化能力。

41、5、仿真结果表明，在40ap、32ue、调度18ue的太赫兹无蜂窝实验口径下，gi-hgnn模型结合局部搜索（gi-hgnn-ls）的方案在多个thz场景变化下保持约97%-100%的greedy吞吐性能。