1.一种基于深度强化学习的语义通信系统的资源分配方法,其特征在于,主要包括以下步骤:S1、多小区智能语义处理中心通过每个基站收集通信的发送数据和接收数据,利用Transformer模型得到语义通信系统的BLEU得分随信噪比变化的映射表,并利用映射曲线拟合得到比特至语义B2M的转换曲线,通过比特率获得系统语义吞吐量T(η,ct,pt),其中η代表知识匹配系数,值越大表示用户和基站之间的知识匹配程度越高,ct和pt分别表示时隙t的子信道分配变量和功率分配变量;
S2、引入知识库KB的辅助系统,为用户提供特定应用领域的背景知识,用于其语义重建;
S3、确定多小区网络用户的子信道分配方式和功率分配方式,得到每个小区传输比特率Xn(ct,pt),通过B2M转换曲线得到单个小区的语义吞吐量Tn(η,ct,pt),其中n代表小区索引;
S4、通过对系统判断得出优化问题,通过对问题进行简化得出最终需要优化的语义资源分配方案;
S5、设计并搭建基于DDQN&DDPG的多小区语义通信系统的资源分配网络Semantic‑JCP,求解资源分配问题后,最终得到使该多小区系统语义吞吐量最大情况下的子信道分配和功率分配
2.根据权利要求1所述的资源分配方法,其特征在于,步骤S1具体包括以下步骤:S11、对语义通信网络中所有的用户m∈M,定义其在当前信道条件下的比特‑消息B2M函数为Sm(·),用于将香农定律中的比特速率转换为消息速率,该函数的性能由消息属性、语义编解码器以及收发双方的知识匹配度共同决定,引入基站和用户之间的完全知识匹配函数 (·),则:其中,0<ηm<1,假设所有ηm是独立同分布的,满足 其中τ2
表示均值,σ为方差;
S12、得到在第t个时隙基站n和用户m通过子信道l可实现的消息传输速率:其中, 表示在该信道上采用资源分配策略ct和pt时能够获得的比特传输速率,那么,第n个小区可实现的总的消息传输速率为:S13、用Transformer模型作为语义转换模型,由于信道条件是不断变化的,所以用BLEU得分作为评价该模型在不同信干噪比SINR下的B2M转换正确率。
3.根据权利要求1所述的资源分配方法,其特征在于:步骤S2中,在用户和语义处理中心引入知识库KB的辅助系统,为用户提供与通信用户类型相关的医学、通信、化学特定应用领域的背景知识,用于语义重建;知识库匹配系数为自行定义的介于0和1之间的数,数值越大表示相关的知识库越匹配,及相同情况下语义传输速率越大。
4.根据权利要求1所述的资源分配方法,其特征在于,步骤S3具体包括以下步骤:S31、多小区智能语义通信网络由N个基站构成,每个语义通信基站放在各语义通信小区的中心,N个语义通信基站的集合表示为 设每个基站拥有L个子信道,表示为φ={1,2,...,L},多小区语义通信网络中共有M个用户,这些用户随机的分布在各小区内,语义通信基站j服务的用户集合表示为ψ={1,2,...,M},n∈j,每个用户配有一个天线用于收发语义数据,即语义基站的天线总数等于用户数,多小区语义通信系统的总带宽为B,则每个语义通信子信道的带宽为w=B/L;
S32、将多小区语义通信网络的频率复用系数设为f=1,子信道分配矩阵表示为C=[C1,C2,…,CN],其中 表示在时隙t时第m个用户与第n个基站的子信道l的连接状况,表示如下:
单个时隙内,系统中每个用户只允许使用一个子信道,同时为了避免小区内部子信道之间相互干扰,将单个小区内的子信道设为相互正交,表述为S33、定义时隙t处的大尺度衰落为 小尺度衰落为 则在一个时隙内大尺度衰落为常数、小尺度衰落服从高斯分布
S34、此时信道增益矩阵为 其中元素为
定义基站的发射功率集合为P=[P1,P2,…,PN],其中 表示第n个基站的发射功率向量,限定基站n的发射总功率在0与Pmax之间;
S35、定义第n个基站的第l个子信道上用户m的接收SINR为:其中, N0为噪声功率, 为无用信号
干扰,因此在第t个时隙,基站n和用户m通过子信道l可实现的传输比特速率为:其中 最终可得每个小区的传输比特速率:
5.根据权利要求1所述的资源分配方法,其特征在于,步骤S4具体包括以下步骤:S41、系统目标是调整每个小区的功率分配和子信道分配方案,所以优化问题能够表述为:P1:
s.t.C1:
C2:
该优化问题是个多目标且非凸规划问题,同时ηm的随机性使该问题变为一个非确定性问题;
S42、由于P1中的随机变量只存在于目标中,故引入一个新的目标函数并增加一个额外的约束,使P1等价于:P1.1:
s.t.C1:
C2:
C3:
―1
其中,Φ (α)为标准正态分布的反函数,
6.根据权利要求1所述的资源分配方法,其特征在于,步骤S5具体包括以下步骤:S51、定义智能体的语义信道状态为S,算法用函数V对语义信道状态值进行估计、用优势函数A对语义资源分配动作值进行估计,用对抗神经网络计算这两个函数,当输入语义信道状态时,一个网络输出价值函数V(s,β),其中β为网络参数,另一个网络输出语义动作优势函数A(si,ci,α),其中α为网络参数,因此定义网络的Q‑value函数为Q(si,ci;α,β)=V(si,β)+A(si,ci;α);
S52、为了得到Q‑value函数的唯一解,将语义价值Q函数转化为:S53、为了使网络语义估计Q值更准确,引入另一个深度神经网络来计算语义目标Q值Qtarget(t),在时隙t时,每个智能体共享一个Qtarget(t)以降低训练成本。
7.根据权利要求6所述的资源分配方法,其特征在于,步骤S5还包括以下步骤:S54、在网络训练阶段,当前的信道增益作为各小区网络的输入,语义actor网络基于该状态选择合适的语义动作A,定义所有语义智能体的策略集合表示为μ={μ1,…,μN},θ={θ1,…,θN}为对应的语义资源分配策略参数集合, 表示智能体i的最优语义资源分配策略;
S55、语义critic网络基于所有智能体的当前语义信道状态和其对应的语义动作A计算出当前网络语义动作A的Q值,语义智能体i累计预期语义奖励为其中, 表示期望,γ表示长时折扣率;
S56、将目标语义函数定义为 梯度
其中,语义状态 语义通信Critic网络通过估计语义Q值和目标语义Q值进行训练,表述为下式中的loss值:其中
为目标网络语义参数 对应的语义策略,之后语义actor网络通过语义critic网络给出的反馈不断更新其语义通信资源分配策略policy;
S57、在网络测试阶段,多小区语义智能体中的语义actor网络只需通过分析语义critic网络给出的当前的本地语义通信信道状态信息来选择合适的语义资源分配动作A,而语义critic网络并不需要知道所有智能体的语义状态信息和潜在的语义资源分配动作。