一种基于卷积的分簇方法与流程

本发明涉及分簇技术领域，具体涉及一种基于卷积的分簇方法。

背景技术：

超密集组网就是通过更加密集化的无线网络部署，将站间距离缩短，使其站点密度大大增加，从而提高频谱复用率、用户体验速率和单位面积的网络容量。然而，超密集组网在会产生更多的小区边缘用户，这些小区边缘用户将因此性能严重下降。合适的协作簇可以降低小区间的干扰，不会在超密集网络中带来更多的信号处理的计算复杂度和能量消耗，但是却能避免严重的用户间干扰，达到提升系统容量的目的，因此分簇变得十分重要。卷积是一种重要的数学方法，其体现了两个函数中的一个翻转平移后与另一个函数之间的重叠面积。

现有分簇方法采用对比方法进行对比，该方法比较复杂，同时一次性遍历所有用户对干扰进行分配，降低了分簇效率。

技术实现要素：

针对现有技术中的缺陷，本发明提供一种基于卷积的分簇方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明采用了如下技术方案：

一种基于卷积的分簇方法，具体步骤如下：

步骤一，导入干扰矩阵：将用户干扰矩阵导入干扰矩阵中；

步骤二，设置卷积核，并用卷积核对干扰矩阵第一行进行卷积运算处理；

步骤三，将卷积结果按照从小到大的顺序进行排序；

步骤四，将结果最小的一组用户分成一簇；

步骤五，从干扰矩阵中删除已经分好簇的用户，干扰矩阵变小；

步骤六，针对新的干扰矩阵，执行步骤一至四，直到没有用户可以删除为止。

优选地，所述用户干扰矩阵与卷积核中0进行卷积表示该用户未被选中，1则表示被选中；且卷积公式为

优选地，所述用户干扰矩阵大小为36*36，矩阵内元素值为两两用户间干扰值，即对36位用户进行分簇。

优选地，以分两簇为例，所述卷积核为{11111111111111111}时，使用{11111111111111111}长度为17个1的卷积核对该用户干扰矩阵的第一行进行卷积处理，即卷积核的初始位置对准第一行的第二位，将卷积核与干扰矩阵进行点积，即对矩阵中卷积核的每一位与用户之间的干扰进行相乘再求和，结果保存至一个新矢量z；然后将卷积核对准第一行的第三位进行点积，结果补充到新矩阵z中；如此迭代，直到卷积核的长度与剩余用户的个数相等，计算出最后一个点积结果，并放入z中，z中最小的元素所对应的用户加上该行对应的用户即分为一组，剩下的用户自成一簇。

优选地，以最后需要分成两簇为例，所述卷积核可分为第一次卷积核和第二次卷积核，第一次卷积核选定为{11}；第二次卷积核选定为{11111}，首先用{11}长度为2的卷积核对用户干扰矩阵进行处理，从干扰矩阵的第一行第二个元素开始，进行第一次卷积，即将卷积核与干扰矩阵进行点积，即对矩阵中卷积核的每一位与用户之间的干扰进行相乘再求和，结果保存至一个新矢量z；然后将卷积核对准第一行的第三位进行点积，结果补充到新矩阵z中；如此迭代，直到卷积核的长度与剩余用户的个数相等，计算出最后一个点积结果，并放入z中，z中最小的元素所对应的用户加上该行对应的用户即分为一组，如此，第一组有3个用户，将此3个用户所对应的行和列从原干扰矩阵中删除，得到缩小的干扰矩阵缩小了，对缩小的干扰矩阵，对第一行进行卷积核为{11}的卷积，得到第二组用户，并把最小干扰值保存至i，如此反复，直到把所有的用户全部分完，得到36/3＝12组用户分组，分别用符号{i，ii，iii，iv，……，xii}来表示，针对这12组用户，计算组间的干扰矩阵u，方法如下：例如，第i组和第ii组之间的干扰值为，i组中用户与ii组中用户两两之间干扰值的和。假如i组中有{1,5,6}三个用户，ii组中有{2,4,8}三个用户，wij表示用户i和用户j之间的干扰值，即初始干扰矩阵的第i行第j列的值；用vij表示第一次分组后的第i组和第j组之间的干扰值；则i组和ii组间的干扰值为v12＝w12+w14+w18+w52+w54+w58+w62+w64+w68；类似的可以计算出全部组间干扰矩阵的值；组间干扰矩阵的大小为12×12；继续利用卷积核为{11111}对组间干扰矩阵进行上述卷积处理以及后续操作，选出干扰值最小的称为一簇，剩下的用户自成一簇。

优选地，以用户个数为m、最后需要分成k簇为例，所述全1卷积核的长度可以为m/k-1，即可按照上述办法，一次即可将用户无重叠的分为k簇。

优选地，以用户个数为m、最后需要分成k簇为例，所述全1卷积核的长度可以小于m/k-1，分两次甚至更多次卷积处理而得到k簇。

优选地，以用户个数为m、最后需要分成k簇为例，所述卷积核中的元素可以为0也可以为1；设卷积核中的1有n个，则该卷积核可以将此m个用户分为m/n-1个。

与现有技术相比，本发明具有如下的有益效果：

本发明依据卷积的特点，将卷积算法用于干扰矩阵，以较低的计算复杂度实现最终的分簇，卷积分簇算法无论是对系统边缘用户、系统平均用户还是系统中心用户在性能方面都较对比算法有了很大的改善并且卷积运算进行分簇的算法复杂度不高，与对比算法不同的是卷积算法并不是一次性遍历所有用户对干扰进行分配，而是使用提前固定好的卷积核，逐位对用户干扰矩阵进行卷积运算。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明卷积原理示意图；

图2为本发明基于卷积的分簇流程框图。

具体实施方式

下面结合附图及具体实施例，对发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明给出了一种基于卷积的分簇方法，具体步骤如下：步骤一，导入干扰矩阵：将用户干扰矩阵导入干扰矩阵中；步骤二，设置卷积核，并用卷积核对干扰矩阵第一行进行卷积运算处理；步骤三，将卷积结果按照从小到大的顺序进行排序；步骤四，将结果最小的一组用户分成一簇；步骤五，从干扰矩阵中删除已经分好簇的用户，干扰矩阵变小；步骤六，针对新的干扰矩阵，执行步骤一至四，直到没有用户可以删除为止。

实施例1.

本次算法实现中，在comp系统模型下，以提升系统增益为目标消除小区间的干扰，我们给x(n)、h(n)重新定义，x(n)就是生成的用户干扰矩阵，h(n)则是我们处理干扰选择的合适的卷积核，这样卷积核依次作用于原始干扰的数据矩阵，逐位相乘相加将输出的结果排序将分簇效果最好的一组输出，具体步骤有些类似于卷积神经网络中的卷积层，如图1左边的矩阵是生成的随机用户干扰矩阵，由于用户对自己的干扰为零且干扰值的大小与用户顺序无关，所以该矩阵是一个对角线元素为零的对称阵。

如图2所示，首先将生成的随即用户干扰矩阵导入矩阵大小为36*36即对36位用户进行分簇，卷积核为{11111111111111111}时，使用{11111111111111111}长度为17个1的卷积核对该用户干扰矩阵的第一行进行卷积处理，即卷积核的初始位置对准第一行的第二位，将卷积核与干扰矩阵进行点积，即对矩阵中卷积核的每一位与用户之间的干扰进行相乘再求和，结果保存至一个新矢量z；然后将卷积核对准第一行的第三位进行点积，结果补充到新矩阵z中；如此迭代，直到卷积核的长度与剩余用户的个数相等，计算出最后一个点积结果，并放入z中，z中最小的元素所对应的用户加上该行对应的用户即分为一组，剩下的用户自成一簇。

第一次卷积核选定为{11}；第二次卷积核选定为{11111}，首先用{11}长度为2的卷积核对用户干扰矩阵进行处理，从干扰矩阵的第一行第二个元素开始，进行第一次卷积，即将卷积核与干扰矩阵进行点积，即对矩阵中卷积核的每一位与用户之间的干扰进行相乘再求和，结果保存至一个新矢量z；然后将卷积核对准第一行的第三位进行点积，结果补充到新矩阵z中；如此迭代，直到卷积核的长度与剩余用户的个数相等，计算出最后一个点积结果，并放入z中，z中最小的元素所对应的用户加上该行对应的用户即分为一组，如此，第一组有3个用户，将此3个用户所对应的行和列从原干扰矩阵中删除，得到缩小的干扰矩阵缩小了。对缩小的干扰矩阵，对第一行进行卷积核为{11}的卷积，得到第二组用户，并把最小干扰值保存至i，如此反复，直到把所有的用户全部分完，得到36/3＝12组用户分组，分别用符号{i，ii，iii，iv，……，xii}来表示，针对这12组用户，计算组间的干扰矩阵u，方法如下：例如，第i组和第ii组之间的干扰值为，i组中用户与ii组中用户两两之间干扰值的和。假如i组中有{1,5,6}三个用户，ii组中有{2,4,8}三个用户，wij表示用户i和用户j之间的干扰值，即初始干扰矩阵的第i行第j列的值；用vij表示第一次分组后的第i组和第j组之间的干扰值；则i组和ii组间的干扰值为v12＝w12+w14+w18+w52+w54+w58+w62+w64+w68；类似的可以计算出全部组间干扰矩阵的值；组间干扰矩阵的大小为12×12；继续利用卷积核为{11111}对组间干扰矩阵进行上述卷积处理以及后续操作，选出干扰值最小的称为一簇，剩下的用户自成一簇。

本次使用了两种不同的卷积核，分别进行了两次卷积运算，卷积核的长度减小了，降低了因为卷积核长度过长带来的误差。

第一次卷积核{111}，第二次卷积核{110}，首先用{111}长度为3的卷积核对用户干扰矩阵进行处理，四个一组的逐个对矩阵中的每个干扰相加求和并顺序的将第一次出现的最佳分组找出来这样就可以将36组用户干扰不重复的分成9组，将这9组数据存放入一个新矩阵，继续利用{110}对这个矩阵进行上述卷积处理以及后续操作，处理后选出干扰值最小的一簇用户，剩下的用户自成一簇。本次两组卷积核的选定与实施例2相比均有了一定程度的优化，第二组卷积运算的卷积核{110}较实施例1和实施例2卷积分簇相比引入了数字0，意味着分簇结果中每簇连续用户数目过多影响分簇效果的问题有了改进；首先对上一次卷积核选定长度过长的问题进行优化，选定卷积核{111}对干扰矩阵进行第一次处理，将卷积结果填放进新矩阵，考虑到前两次为了使每簇用户平均而将卷积核设定的过于长，连续1数目太多这次设计过程中引入0，所以第二次卷积过程中选定的卷积核为{110}避免了分簇结果中连续用户数目过多的情况。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。