深度学习模型实现高效公平调度-MU-MIMO场景

系统模型：

由于任务是在MU-MIMO模型下开展的，因此，前期通信系统模型搭建也非常重要。

考虑到用户移动性质，我们在两类常用信道模型中都引入了移动性，模拟真实世界的用户运动

算法设计：

实现了传统迭代式算法

PF，Greedy，SUS，RR

基于NN实现了CNN，aTTENTION，C-ATTENTION网络

实验结果说明，所提出网络相比于单一模块的网络能够实现更好的拟合，不会仅关注一小部分信道条件最好的用户而忽视了整体的公平性，在整个调度周期内，模型实现的调度频率对每个用户来说都是大致均匀的，因此，我们认为所提出模型能够最好拟合PF调度，并且在运行时间上面，相比于迭代式的PF将会随着系统内用户数量的增加迭代次数也会增加，而所提出算法能够通过一次前向传播就获得相似效果的输出，大大减少运行时间，增加实际部署可能性。

后续代码将在github开源；