基于监督机器学习的车载协作通信中继选择

• 作者: 胡诗婷 刘小兰 张文倩 肖海林
• 来源期刊: 计算机应用
• 关键词: 协作非正交多址接入 车载通信 监督机器学习 反向传播神经网络 中继选择
• 年，卷（期）: 2021,（z1）
• 所属期刊栏目: 网络与通信|Network and communications
• 页码范围: 167-174
• 页数: 8页
• 分类号: TN929.5
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020111820

摘要

为提高车载协作通信链路的可靠性与连通性,提出了一种在下行非正交多址接入(NOMA)的中继网络中基于监督机器学习算法的中继选择方案,通过构建反向传播(BP)神经网络预测模型,对候选中继集的中断概率进行预测,以此来进行基于最小中断概率的中继选择,提高了下行链路的连通性.在Matlab中,利用样本数据进行网络训练后,得出的预测值与理论值的相关系数为0.99944,预测的平均相对误差为0.57％,表明该中继选择方案模型能够对多个中继进行中断概率的预测,从而实现基于最小中断概率的中继选择.数值仿真结果表明,基于监督机器学习的中继选择方案相较于基于增强学习的中继选择方案中断概率下降了60％,能明显提高中断性能.