1.一种基于深度神经网络的分布式功率分配方法，其特征在于，包括以下步骤：S1、信息收集：N对链路对分别从中心控制器中接收过时的信道，功率信息，得到各自的观测向量，定义过时的信道信号为 t是指t时刻：其中 T为最大时隙数，N为用户总个数， 表示从发射机i到接收机j的信道增益， 代表从发射机i到接收机j的信道参数，零时刻的信道参数2

服从 是指均值为μ方差为σ的复高斯，ρ是指不同帧之间的信道相关系数，θij表示大尺度衰落，服从5兆赫带宽，2.4兆赫载波频率的短距离的ITU‑1411户外模型， 表示小尺度衰落，是服从 的独立同分布的随机变量；

定义过时的功率信息为

令接收到过去τ个时刻的观测向量，定义从发送器j到接收器i的干扰 j≠i，即：

从发送器i到接收器j的干扰 即：链路对i自身的干扰信息 即：S2、信息约简：每一对链路对对各自接收到的观测向量进行约简，去除冗余信息，得到约简后的观测向量数据，具体为：根据对链路i的干扰对 进行排序：2

σ为加性高斯白噪声的功率；

链路i对其他链路干扰对 进行排序：根据排序结果选择 和 经过一个大小为M的滑窗，过滤出前M行 和 作为训练数据；

S3、判决：构建基于深度神经网络的功率控制模型，采用步骤S2获得的训练数据进行训练，得到训练好的深度神经网络模型，获得功率分配结果，具体为：通过期望函数进行拟合功率分配策略g(·)，得到功率分配结果 期望函数为：其中 代表了用户i在t时刻的权重， 表示t时刻用户i的速率为 是t时刻用户i的信干噪比：其中 表示t时刻用户i的功率；

将步骤S2获得的 和 这两个矩阵和 作为神经网络的输入，神经网络的拟合函数为：

深度神经网络由六个独立的线性滤波器和一个四层神经网络组成；首先将r时刻的分成M1，M2，M3部分，且M1+M2+M3＝M；这三部分分别通过三个独立的尺寸分别为M1，M2，M3的线性滤波器，得到三个特征 同样进行这样的步骤，也分成M1，M2，M3部分，通过三个独立的尺寸M1，M2，M3的线性滤波器分别为 这6τ个特征与局部信息矩阵结合成一个矩阵送入神经网络进行功率决策，得到最后的结果所述深度神经网络输入和隐藏层采用线性整流函数作为各层的激活函数，输出层使用Softmax函数来确定最后离散功率输出档位；

利用训练好的神经网络，进行功率分配。