来源：期刊VIP网 时间：
作者：李兰兰;
单位：上海电子信息职业技术学院通信与信息工程学院;
摘要：提出了一种面向人工智能(Artificial Intelligence, AI)模型的全新框架，用于在多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中实现基于深度学习的功率分配方法。采用多层感知机(Multi-Layer Perceptron, MLP)作为核心神经网络结构，并通过自适应MixUp策略进行训练，使模型在处理复杂信道环境时能够更好地逼近最优解。与传统的监督学习方法直接依赖原始样本数据不同，该框架引入了增强样本数据生成机制，并结合MixUp技术对样本进行融合和扩展，从而有效提升数据的多样性和模型的泛化能力。实验结果表明，所提方法在频谱效率(Spectral Efficiency, SE)方面表现优于传统的最优算法，在性能上与最大和速率方法高度接近。相比以往仅注重单一优化目标的功率分配方案，所提方法能够在保证系统整体速率和频谱利用率的同时，实现功率资源的合理分配。提出的基于深度学习的功率分配方案为绿色通信网络的构建提供了可行路径，有助于节能减排，并促进未来无线通信系统的可持续发展。
关键词：深度学习;;功率分配;;多层感知机;;神经网络
