基于自适应K近邻和深度学习的D2D资源分配算法

摘要

针对小区边缘用户(cell-edge user, CEU)在高密度场景中存在通信服务质量较差的问题，通过引入D2D中继技术，提出基于自适应K近邻和深度学习的资源分配算法，使得CEU的和速率最大。该算法首先基于自适应K近邻算法对CEU的通信模式进行选择，结合受干扰条件提出了一种缓存内容交付方案；然后采用深度神经网络构建资源分配型神经网络进行训练和测试，其中将网络输入重构为信道增益矩阵，发射功率与网络输出进行映射以实现资源分配；最后，仿真结果表明，在保证CEU服务质量的前提下，所提出的算法相比于随机算法和Q学习算法使下行总和速率分别平均提升了13.6%和7.3%,有效提高了CEU的通信质量，实现了更高的数据速率。

关键词

D2D通信 / KNN算法 / 深度学习 / 缓存 / 资源分配