CN105848274A - 一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法 - Google Patents
一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法 Download PDFInfo
- Publication number
- CN105848274A CN105848274A CN201610179846.5A CN201610179846A CN105848274A CN 105848274 A CN105848274 A CN 105848274A CN 201610179846 A CN201610179846 A CN 201610179846A CN 105848274 A CN105848274 A CN 105848274A
- Authority
- CN
- China
- Prior art keywords
- base station
- macro base
- home enodeb
- formula
- represent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
- H04W52/244—Interferences in heterogeneous networks, e.g. among macro and femto or pico cells or other sector / system interference [OSI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
- H04W52/267—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the information rate
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法,具体步骤包括:(1)分别对家庭基站和宏基站建立效用函数模型;(2)分别对家庭基站和宏基站进行优化问题的建模,得到家庭基站和宏基站的优化问题模型;(3)宏基站初始化干扰定价矩阵Λ=[λ1,λ2 Λ λn];(4)得到家庭基站、宏基站的发送功率、干扰定价矩阵的最优解;(5)建立分布式的迭代算法进行循环迭代,直至达到斯坦伯格博弈的均衡点。相较于统一定价方案,本发明提出的非统一定价方案约提升20%‑30%的性能。
Description
技术领域
本发明涉及一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法,属于通信***技术领域。
背景技术
作为一种能够有效增强室内信号覆盖的技术,家庭基站引起了广泛的关注。在改善室内覆盖情况的同时,家庭基站的引入给原有的网络架构带来许多挑战:一方面,宏基站的范围内有大量的家庭基站,从而增加整个***能量的消耗;另一方面,由于频谱资源的短缺,家庭基站需要与现存的网络共享频谱来提升频谱的利用率,从而导致两层异构网络中存在跨层干扰的问题。已有的研究结果表明,在家庭基站的部署过程中,能量的消耗以及跨层干扰的问题需要引起足够的重视。
中国专利文献CN104105193A公开了一种异构网络中基于Starckelberg博弈的功率分配方法,首先建立两层异构网络,然后利用Starkelberg博弈分别建立两层异构网络的macro层的最优化博弈模型和两层异构网络的pico层的最优化博弈模型;且pico层作为领导者,并设定pico层对macro层的干扰价格,pico层向macro层索价,macro层作为跟随者;采用拉格朗日乘子法对macro层的最优化博弈模型求解得到macro层的最优功率分配根据macro层的节能功率分配结果,采用拉格朗日乘子法对pico层的最优化博弈模型求解得到pico层的最优功率分配。但是,该专利存在以下缺陷:在优化的过程中采用干扰价格固定的方式,没有针对不同的macro层设定不同的干扰价格,在实际的网络环境中,由于不同的对象的网络环境存在一定的差异,因此需要针对不同的对象制定不同的干扰价格。
发明内容
针对现有技术的不足,本发明提供了一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法;
本发明针对两层异构网络的下行链路环境,提供一种有效的最大化家庭基站以及宏基站效用的功率控制方法。在能够保证家庭用户、宏用户的QoS要求的前提下,利用斯坦伯格博弈理论来最大化家庭基站以及宏基站的效用。
术语解释
1、斯坦伯格博弈论,是指一种非合作博弈,在整个博弈的过程中参与者分为两种角色。一个或者多个参与者扮演“领导”,其他的参与者扮演“随从者”。
2、MBS,即宏基站,是指是指运营商所部属的传统的基站。
3、FBS,即家庭基站,是指在室内环境中用户所自己部署的微型基站。
4、MUE:即宏用户,是指在宏基站覆盖范围内,与宏基站产生数据交流的用户。
5、FUE,即家庭用户,是指在家庭基站的覆盖范围内,与家庭基站产生数据交流的用户。
6、SINR:即信干燥比,是指信号与噪声加干扰的比值;
本发明的技术方案为:
一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法,两层异构网络中,中心位置部署一个宏基站,在其覆盖范围内随机分布着n个与其共享频谱的家庭基站以及m个活跃的宏用户,n∈{1,2,……N},m∈{1,2,……M},在每个家庭基站的覆盖范围内有f个活跃的家庭用户,f∈{1,2,……F};假设本发明考虑的网络模型位于郊区环境中,家庭基站之间的距离较远,可以忽略了家庭基站之间的干扰。具体步骤包括:
(1)分别对家庭基站和宏基站建立效用函数模型;
(2)根据步骤(1)建立的效用函数模型,分别对家庭基站和宏基站进行优化问题的建模,得到家庭基站和宏基站的优化问题模型;
(3)宏基站初始化干扰定价矩阵Λ=[λ1,λ2Λ λn];λn是指宏基站对第n个家庭基站设定的干扰价格。
(4)根据步骤(3)中宏基站设立的初始化干扰定价矩阵,对步骤(2)建立的优化问题模型分别进行求解,得到家庭基站、宏基站的发送功率、干扰定价矩阵的最优解;
(5)步骤(4)中得到家庭基站、宏基站的发送功率、干扰定价矩阵的最优解后,通过建立分布式的迭代算法进行循环迭代,直至达到斯坦伯格博弈的均衡点。
在两层异构网络环境中,宏基站与不同的家庭基站之间存在一个关于发送功率的博弈的过程。针对此博弈过程,本发明利用斯坦伯格博弈理论进行建模。在建立的斯坦伯格博弈模型中,宏基站作为“领导者”,制定家庭基站对其产生的跨层干扰所要付出的代价--干扰定价,以及宏基站的功率策略;而家庭基站作为“随从者”,根据宏基站设定的干扰价格以及其需求来制定功率策略。家庭基站设定的功率策略将反过来影响宏基站的功率策略,经过多次迭代,最终达到一个斯坦伯格博弈均衡点。
根据本发明优选的,步骤(1)中,对宏基站建立的效用函数如式(Ⅰ)所示:
Um(Λ,pm,P)=∑nλnpngnm-μmpm (Ⅰ)
式(Ⅰ)中,Um(Λ,pm,P)是指宏基站的效用是关于干扰价格矩阵Λ=[λ1,λ2Λ λn]、自身的发送功率pm、以及P的函数,P={p1,p2,K,pn},P是指不同的家庭基站的所采用的不同的发送功率的集合,pn表示第n个家庭基站的发送功率,gnm表示第n个家庭基站与第m个宏用户之间的信道增益,λn表示干扰价格,效用函数的第一部分∑nλnpngnm表示收取的来自所有家庭基站对宏基站产生干扰的付费;pm表示宏基站对第m个宏用户的发送功率,μm表示宏基站单位能量消耗所要付出的代价,效用函数的第二部分μmpm表示宏基站能量消耗所付出的代价;
步骤(1)中,对家庭基站建立的效用函数如式(Ⅱ)所示:
Un(Λ,pn)=log2(1+rn)-λnpngnm-μnpn (Ⅱ)
式(Ⅱ)中,(Un(Λ,pn)是指家庭基站的效用是关于干扰价格矩阵Λ=[λ1,λ2Λ λn]、自身的发送功率pn的函数;rn表示第n个家庭基站中家庭用户的SINR,效用函数的第一部分log2(1+rn)表示传输数据所得到的传输速率;效用函数的第二部分λnpngnm表示第n个家庭基站由于对宏基站产生干扰而支付的费用;μn表示家庭基站单位能量消耗所要付出的代价,效用函数的第三部分μnpn表示家庭基站能量消耗所需要付出的代价。
根据本发明优选的,步骤(2)中,宏基站的优化问题模型如式(Ⅲ)所示:
式(Ⅲ)中,rm表示第m个宏用户的SINR,Rmin是指宏用户所需要的最低吞吐量的要求;是指家庭用户所需要的最低吞吐量的要求;通过限制条件C1,宏用户吞吐量的要求得到了保证;通过限制条件C2,家庭用户吞吐量的要求得到了保证;
步骤(2)中,家庭基站的优化问题模型如式(Ⅳ)所示:
max Un(Λ,pn)=log2(1+rn)-λnpngnm-μnpn (Ⅳ)
s.t.pn≥0 C3。
根据本发明优选的,所述步骤(4)中,具体步骤包括:
a、根据宏基站设立的初始化干扰定价矩阵,通过求解家庭基站的优化问题模型,得到家庭基站的发送功率的最优解如式(Ⅴ)所示:
式(Ⅴ),σ2表示高斯白噪声;gmn是指宏基站到与第n个家庭用户之间的信道增益;gn表示第n个家庭基站与其家庭用户之间的信道增益;
b、根据宏用户吞吐量的需求,即C1,得到宏基站的发送功率的最优解如式(Ⅵ)所示:
式(Ⅵ)中,gm表示宏基站与其第m个宏用户之间的信道增益;
c、将家庭基站的发送功率的最优解及宏基站的发送功率的最优解表示为关于干扰定价矩阵Λ=[λ1,λ2Λ λn]的函数,如式(Ⅶ)、式(Ⅷ)所示:
式(Ⅶ)、式(Ⅷ)中,pm(Λ)是指宏基站的发送功率关于干扰定价矩阵Λ=[λ1,λ2Λ λn]的函数;pn(Λ)是指家庭基站的发送功率关于干扰定价矩阵Λ=[λ1,λ2Λ λn]的函数;
d、将式(Ⅴ)、式(Ⅵ)代入式(Ⅲ),并通过拉格朗日算法进行求解,得到干扰定价矩阵的最优解如式(Ⅸ)所示:
根据本发明优选的,所述分布式功率控制算法,具体步骤如下:
e、初始化干扰定价矩阵Λ=[λ1,λ2Λ λn]以及迭代的次数;
f、在循环次数之内,家庭基站根据式(Ⅷ)更新发送功率;
g、在循环次数之内,宏基站根据式(Ⅸ)对每个家庭基站进行干扰价格的更新;
h、在循环次数之内,宏基站根据式(Ⅶ)更新发送功率;
i、迭代次数增加1,重复步骤f、g、h,直至分布式功率控制算法收敛或者是到达最大的迭代次数。
本发明的有益效果为:
与现有技术相比,本发明考虑了异构网络环境中,家庭用户与宏用户的吞吐量的需求。本发明同时考虑到绿色通信的要求,为了降低整个***的能量消耗,在家庭基站以及宏基站效用函数的建立过程中,加入了家庭基站以及宏基站发送信号所需要消耗的能量,从而可以避免宏基站为了从家庭基站获得更多的增益而盲目的增加其发送功率,也可以避免家庭基站为了提高***容量而盲目的增加其发送功率,增强了基站效用函数的实用性,降低了整个***的能量消耗,本发明将提出的非统一定价方案与统一定价方案进行了比较,相较于统一定价方案,本发明提出的非统一定价方案约提升20%-30%的性能。
附图说明
图1为两层异构网络的***模型图。
图2为本发明基于斯坦伯格博弈论的非统一定价的功率控制方法的流程框图。
图3为本发明分布式功率控制算法的流程框图。
图4为本发明提出的非统一定价的方案与统一定价方案的性能对比图。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步限定,但不限于此。
实施例
一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法,两层异构网络如图1所示,中心位置部署一个宏基站,在其覆盖范围内均匀分布着n个与其共享频谱的家庭基站以及m个活跃的宏用户,n∈{1,2,……N},m∈{1,2,……M},在每个家庭基站的覆盖范围内均匀分布着f个活跃的家庭用户,f∈{1,2,……F};在宏基站与家庭用户以及家庭基站与宏用户之间存在跨层干扰信号。假设本发明考虑的网络模型位于郊区环境中,家庭基站之间的距离较远,可以忽略了家庭基站之间的干扰。具体步骤包括:
(1)分别对家庭基站和宏基站建立效用函数模型;
(2)根据步骤(1)建立的效用函数模型,分别对家庭基站和宏基站进行优化问题的建模,得到家庭基站和宏基站的优化问题模型;
(3)宏基站初始化干扰定价矩阵Λ=[λ1,λ2Λ λn];λn是指宏基站对第n个家庭基站设定的干扰价格;
(4)根据步骤(3)中宏基站设立的初始化干扰定价矩阵,对步骤(2)建立的优化问题模型分别进行求解,得到家庭基站、宏基站的发送功率、干扰定价矩阵的最优解;
(5)步骤(4)中得到家庭基站、宏基站的发送功率、干扰定价矩阵的最优解后,通过建立分布式的迭代算法进行循环迭代,直至达到斯坦伯格博弈的均衡点。本发明基于斯坦伯格博弈论的非统一定价的功率控制方法的流程框图如图2所示。
在两层异构网络环境中,宏基站与不同的家庭基站之间存在一个关于发送功率的博弈的过程。针对此博弈过程,本发明利用斯坦伯格博弈理论进行建模。在建立的斯坦伯格博弈模型中,宏基站作为“领导者”,制定家庭基站对其产生的跨层干扰所要付出的代价--干扰定价,以及宏基站的功率策略;而家庭基站作为“随从者”,根据宏基站设定的干扰价格以及其需求来制定功率策略。家庭基站设定的功率策略将反过来影响宏基站的功率策略,经过多次迭代,最终达到一个斯坦伯格博弈均衡点。
步骤(1)中,对宏基站建立的效用函数如式(Ⅰ)所示:
Um(Λ,pm,P)=∑nλnpngnm-μmpm (Ⅰ)
式(Ⅰ)中,Um(Λ,pm,P)是指宏基站的效用是关于干扰价格矩阵Λ=[λ1,λ2Λ λn]、自身的发送功率pm、以及P的函数,P={p1,p2,K,pn},P是指不同的家庭基站的所采用的不同的发送功率的集合,pn表示第n个家庭基站的发送功率,gnm表示第n个家庭基站与第m个宏用户之间的信道增益,λn表示干扰价格,效用函数的第一部分∑nλnpngnm表示收取的来自所有家庭基站对宏基站产生干扰的付费;pm表示宏基站对第m个宏用户的发送功率,μm表示宏基站单位能量消耗所要付出的代价,效用函数的第二部分μmpm表示宏基站能量消耗所付出的代价;
步骤(1)中,对家庭基站建立的效用函数如式(Ⅱ)所示:
Un(Λ,pn)=log2(1+rn)-λnpngnm-μnpn (Ⅱ)
式(Ⅱ)中,(Un(Λ,pn)是指家庭基站的效用是关于干扰价格矩阵Λ=[λ1,λ2Λ λn]、自身的发送功率pn的函数;rn表示第n个家庭基站中家庭用户的SINR,效用函数的第一部分log2(1+rn)表示传输数据所得到的传输速率;效用函数的第二部分λnpngnm表示第n个家庭基站由于对宏基站产生干扰而支付的费用;μn表示家庭基站单位能量消耗所要付出的代价,效用函数的第三部分μnpn表示家庭基站能量消耗所需要付出的代价。
步骤(2)中,宏基站的优化问题模型如式(Ⅲ)所示:
式(Ⅲ)中,rm表示第m个宏用户的SINR,Rmin是指宏用户所需要的最低吞吐量的要求;是指家庭用户所需要的最低吞吐量的要求;通过限制条件C1,宏用户吞吐量的要求得到了保证;通过限制条件C2,家庭用户吞吐量的要求得到了保证;
步骤(2)中,家庭基站的优化问题模型如式(Ⅳ)所示:
max Un(Λ,pn)=log2(1+rn)-λnpngnm-μnpn (Ⅳ)
s.t.pn≥0 C3。
所述步骤(4)中,具体步骤包括:
a、根据宏基站设立的初始化干扰定价矩阵,通过求解家庭基站的优化问题模型,得到家庭基站的发送功率的最优解如式(Ⅴ)所示:
式(Ⅴ),σ2表示高斯白噪声;gmn是指宏基站到与第n个家庭用户之间的信道增益;gn表示第n个家庭基站与其家庭用户之间的信道增益;
b、根据宏用户吞吐量的需求,即C1,得到宏基站的发送功率的最优解如式(Ⅵ)所示:
式(Ⅵ)中,gm表示宏基站与其第m个宏用户之间的信道增益;
c、将家庭基站的发送功率的最优解及宏基站的发送功率的最优解表示为关于干扰定价矩阵Λ=[λ1,λ2Λ λn]的函数,如式(Ⅶ)、式(Ⅷ)所示:
式(Ⅶ)、式(Ⅷ)中,pm(Λ)是指宏基站的发送功率关于干扰定价矩阵Λ=[λ1,λ2Λ λn]的函数;pn(Λ)是指家庭基站的发送功率关于干扰定价矩阵Λ=[λ1,λ2Λ λn]的函数;
d、将式(Ⅴ)、式(Ⅵ)代入式(Ⅲ),并通过拉格朗日算法进行求解,得到干扰定价矩阵的最优解如式(Ⅸ)所示:
所述分布式功率控制算法,具体步骤如下:
e、初始化干扰定价矩阵Λ=[λ1,λ2Λ λn]以及迭代的次数;
f、在循环次数之内,家庭基站根据式(Ⅷ)更新发送功率;
g、在循环次数之内,宏基站根据式(Ⅸ)对每个家庭基站进行干扰价格的更新;
h、在循环次数之内,宏基站根据式(Ⅶ)更新发送功率;
i、迭代次数增加1,重复步骤f、g、h,直至分布式功率控制算法收敛或者是到达最大的迭代次数。
本发明分布式功率控制算法的流程框图如图3所示。
本发明提出的非统一定价的方案与统一定价方案的性能对比图如图4所示。相较于统一定价方案,本发明提出的非统一定价方案约提升25%的性能。
Claims (5)
1.一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法,两层异构网络中,中心位置部署一个宏基站,在其覆盖范围内随机分布n个与其共享频谱的家庭基站以及m个活跃的宏用户,n∈{1,2,……N},m∈{1,2,……M},在每个家庭基站的覆盖范围内有f个活跃的家庭用户,f∈{1,2,……F};其特征在于,具体步骤包括:
(1)分别对家庭基站和宏基站建立效用函数模型;
(2)根据步骤(1)建立的效用函数模型,分别对家庭基站和宏基站进行优化问题的建模,得到家庭基站和宏基站的优化问题模型;
(3)宏基站初始化干扰定价矩阵Λ=[λ1,λ2Λλn];λn是指宏基站对第n个家庭基站设定的干扰价格;
(4)根据步骤(3)中宏基站设立的初始化干扰定价矩阵,对步骤(2)建立的优化问题模型分别进行求解,得到家庭基站、宏基站的发送功率、干扰定价矩阵的最优解;
(5)步骤(4)中得到家庭基站、宏基站的发送功率、干扰定价矩阵的最优解后,通过建立分布式的迭代算法进行循环迭代,直至达到斯坦伯格博弈的均衡点。
2.根据权利要求1所述的一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法,其特征在于,步骤(1)中,对宏基站建立的效用函数如式(Ⅰ)所示:
Um(Λ,pm,P)=∑nλnpngnm-μmpm (I)
式(Ⅰ)中,Um(Λ,pm,P)是指宏基站的效用是关于干扰价格矩阵Λ=[λ1,λ2Λλn]、自身的发送功率pm、以及P的函数,P={p1,p2,K,pn},P是指不同的家庭基站的所采用的不同的发送功率的集合,pn表示第n个家庭基站的发送功率,gnm表示第n个家庭基站与第m个宏用户之间的信道增益,λn表示干扰价格,效用函数的第一部分∑nλnpngnm表示收取的来自所有家庭基站对宏基站产生干扰的付费;pm表示宏基站对第m个宏用户的发送功率,μm表示宏基站单位能量消耗所要付出的代价,效用函数的第二部分μmpm表示宏基站能量消耗所付出的代价;
步骤(1)中,对家庭基站建立的效用函数如式(II)所示:
Un(Λ,pn)=log2(1+rn)-λnpngnm-μnpn (II)
式(II)中,(Un(Λ,pn)是指家庭基站的效用是关于干扰价格矩阵Λ=[λ1,λ2Λλn]、自身的发送功率pn的函数;rn表示第n个家庭基站中家庭用户的SINR,效用函数的第一部分log2(1+rn)表示传输数据所得到的传输速率;效用函数的第二部分λnpngnm表示第n个家庭基站由于对宏基站产生干扰而支付的费用;μn表示家庭基站单位能量消耗所要付出的代价,效用函数的第三部分μnpn表示家庭基站能量消耗所需要付出的代价。
3.根据权利要求2所述的一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法,其特征在于,步骤(2)中,宏基站的优化问题模型如式(III)所示:
max Um(Λ,pm,P)=∑nλnpngnm-μmpm (III)
s.t. log2(1+rm)≥Rmin C1
式(Ⅲ)中,rm表示第m个宏用户的SINR,Rmin是指宏用户所需要的最低吞吐量的要求;是指家庭用户所需要的最低吞吐量的要求;
步骤(2)中,家庭基站的优化问题模型如式(IV)所示:
max Un(Λ,pn)=log2(1+rn)-λnpngnm-μnpn (IV)
s.t. pn≥0 C3。
4.根据权利要求3所述的一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法,其特征在于,所述步骤(4)中,具体步骤包括:
a、根据宏基站设立的初始化干扰定价矩阵,通过求解家庭基站的优化问题模型,得到家庭基站的发送功率的最优解如式(Ⅴ)所示:
式(Ⅴ),σ2表示高斯白噪声;gmn是指宏基站到与第n个家庭用户之间的信道增益;gn表示第n个家庭基站与其家庭用户之间的信道增益;
b、根据宏用户吞吐量的需求,即C1,得到宏基站的发送功率的最优解如式(VI)所示:
式(Ⅵ)中,gm表示宏基站与其第m个宏用户之间的信道增益;
c、将家庭基站的发送功率的最优解及宏基站的发送功率的最优解表示为关于干扰定价矩阵Λ=[λ1,λ2Λλn]的函数,如式(Ⅶ)、式(Ⅷ)所示:
式(Ⅶ)、式(Ⅷ)中,pm(Λ)是指宏基站的发送功率关于干扰定价矩阵Λ=[λ1,λ2Λλn]的函数;pn(Λ)是指家庭基站的发送功率关于干扰定价矩阵Λ=[λ1,λ2Λλn]的函数;
d、将式(Ⅴ)、式(Ⅵ)代入式(Ⅲ),并通过拉格朗日算法进行求解,得到干扰定价矩阵的最优解如式(Ⅸ)所示:
5.根据权利要求4所述的一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法,其特征在于,所述分布式功率控制算法,具体步骤如下:
e、初始化干扰定价矩阵Λ=[λ1,λ2Λλn]以及迭代的次数;
f、在循环次数之内,家庭基站根据式(Ⅷ)更新发送功率;
g、在循环次数之内,宏基站根据式(Ⅸ)对每个家庭基站进行干扰价格的更新;
h、在循环次数之内,宏基站根据式(Ⅶ)更新发送功率;
i、迭代次数增加1,重复步骤f、g、h,直至分布式功率控制算法收敛或者是到达最大的迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610179846.5A CN105848274B (zh) | 2016-03-25 | 2016-03-25 | 一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610179846.5A CN105848274B (zh) | 2016-03-25 | 2016-03-25 | 一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105848274A true CN105848274A (zh) | 2016-08-10 |
CN105848274B CN105848274B (zh) | 2019-05-07 |
Family
ID=56583629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610179846.5A Active CN105848274B (zh) | 2016-03-25 | 2016-03-25 | 一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105848274B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107360029A (zh) * | 2017-07-11 | 2017-11-17 | 王焱华 | 一种云计算方法及装置 |
CN108616916A (zh) * | 2018-04-28 | 2018-10-02 | 中国人民解放军陆军工程大学 | 一种合作抗干扰分层博弈模型及抗干扰学习算法 |
CN109618351A (zh) * | 2019-01-09 | 2019-04-12 | 南京邮电大学 | 基于stackelberg博弈的异构网络中的资源分配方法 |
CN111194043A (zh) * | 2020-03-17 | 2020-05-22 | 重庆邮电大学 | 一种基于非完美串行干扰消除的功率分配方法 |
CN111246486A (zh) * | 2020-01-13 | 2020-06-05 | 中原工学院 | 非完美感知的认知网络基于斯塔克伯格博弈资源分配方法 |
CN112533275A (zh) * | 2020-11-13 | 2021-03-19 | 北京科技大学 | 可再生能源异构网络的功率控制和干扰定价方法及装置 |
CN113747557A (zh) * | 2021-09-08 | 2021-12-03 | 哈尔滨工程大学 | 一种双层异构网络功率控制方法 |
CN113938394A (zh) * | 2021-12-14 | 2022-01-14 | 清华大学 | 监控业务带宽分配方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102833839A (zh) * | 2012-08-24 | 2012-12-19 | 复旦大学 | 针对宏蜂窝—飞蜂窝双重网络的基于定价的功率控制方法 |
CN103533623A (zh) * | 2013-06-04 | 2014-01-22 | 北京邮电大学 | 一种家庭基站双层网络中基于节能的功率控制方法 |
CN103856947A (zh) * | 2014-02-07 | 2014-06-11 | 西安电子科技大学 | 一种联合信道选择和功率控制的干扰协调方法 |
CN104105193A (zh) * | 2014-07-01 | 2014-10-15 | 西安交通大学 | 一种异构网络中基于Starckelberg 博弈的功率分配方法 |
-
2016
- 2016-03-25 CN CN201610179846.5A patent/CN105848274B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102833839A (zh) * | 2012-08-24 | 2012-12-19 | 复旦大学 | 针对宏蜂窝—飞蜂窝双重网络的基于定价的功率控制方法 |
CN103533623A (zh) * | 2013-06-04 | 2014-01-22 | 北京邮电大学 | 一种家庭基站双层网络中基于节能的功率控制方法 |
CN103856947A (zh) * | 2014-02-07 | 2014-06-11 | 西安电子科技大学 | 一种联合信道选择和功率控制的干扰协调方法 |
CN104105193A (zh) * | 2014-07-01 | 2014-10-15 | 西安交通大学 | 一种异构网络中基于Starckelberg 博弈的功率分配方法 |
Non-Patent Citations (3)
Title |
---|
XIN KANG: "Price-Based Resource Allocation for Spectrum-Sharing Femtocell Networks: A Stackelberg Game Approach", 《IEEE》 * |
姜永: "异构无线网络中基于Stackelberg博弈的分布式定价和资源分配算法", 《通信学报》 * |
李鹏: "一种异构网络中的斯坦克尔伯格功率控制方法", 《太赫兹科学与电子信息学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107360029A (zh) * | 2017-07-11 | 2017-11-17 | 王焱华 | 一种云计算方法及装置 |
CN108616916A (zh) * | 2018-04-28 | 2018-10-02 | 中国人民解放军陆军工程大学 | 一种合作抗干扰分层博弈模型及抗干扰学习算法 |
CN109618351A (zh) * | 2019-01-09 | 2019-04-12 | 南京邮电大学 | 基于stackelberg博弈的异构网络中的资源分配方法 |
CN109618351B (zh) * | 2019-01-09 | 2022-01-07 | 南京邮电大学 | 基于stackelberg博弈的异构网络中的资源分配方法 |
CN111246486A (zh) * | 2020-01-13 | 2020-06-05 | 中原工学院 | 非完美感知的认知网络基于斯塔克伯格博弈资源分配方法 |
CN111194043A (zh) * | 2020-03-17 | 2020-05-22 | 重庆邮电大学 | 一种基于非完美串行干扰消除的功率分配方法 |
CN111194043B (zh) * | 2020-03-17 | 2022-02-22 | 重庆邮电大学 | 一种基于非完美串行干扰消除的功率分配方法 |
CN112533275A (zh) * | 2020-11-13 | 2021-03-19 | 北京科技大学 | 可再生能源异构网络的功率控制和干扰定价方法及装置 |
CN112533275B (zh) * | 2020-11-13 | 2022-01-25 | 北京科技大学 | 可再生能源异构网络的功率控制和干扰定价方法及装置 |
CN113747557A (zh) * | 2021-09-08 | 2021-12-03 | 哈尔滨工程大学 | 一种双层异构网络功率控制方法 |
CN113938394A (zh) * | 2021-12-14 | 2022-01-14 | 清华大学 | 监控业务带宽分配方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105848274B (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105848274A (zh) | 一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法 | |
CN107249218A (zh) | 一种mec中无线资源和云资源的联合分配方法 | |
CN109862610A (zh) | 一种基于深度强化学习ddpg算法的d2d用户资源分配方法 | |
CN110493826A (zh) | 一种基于深度强化学习的异构云无线接入网资源分配方法 | |
CN106879029B (zh) | 一种基于协作通信的高安全能量效率的信息传输方法 | |
CN101827418B (zh) | 一种基于能量优化的认知无线电组播路由方法 | |
CN106954227A (zh) | 超密集无线网络基于干扰协调的能效资源分配方法 | |
CN104796993B (zh) | 异构网络中基于Stackelberg博弈的跨层资源分配方法 | |
CN103856996B (zh) | 一种联合功率控制和接入控制方法 | |
CN103856947B (zh) | 一种联合信道选择和功率控制的干扰协调方法 | |
CN103687023B (zh) | 基于时延区分业务和比例性速率约束的优化无线资源方法 | |
CN104038945B (zh) | 一种基于独立集的异构蜂窝网络能效优化方法 | |
CN102883424B (zh) | 家庭基站***中基于博弈论的功率分配方法 | |
CN107426773A (zh) | 无线异构网络中面向能效的分布式资源分配方法和装置 | |
Dong et al. | Energy efficiency optimization and resource allocation of cross-layer broadband wireless communication system | |
CN108063632A (zh) | 异构云接入网络中基于能效的协作资源分配方法 | |
CN103582105B (zh) | 一种大规模异构蜂窝网络中最大化***效益的优化方法 | |
Zhao et al. | D2D communication channel allocation and resource optimization in 5G network based on game theory | |
CN108848535B (zh) | 一种面向共享模式的雾计算环境资源分配方法 | |
CN107302801A (zh) | 一种5G混合场景下面向QoE的双层匹配博弈方法 | |
CN104168653A (zh) | 一种基于干扰管理的宏基站与家庭基站联合资源分配 | |
CN107135508B (zh) | 一种基于联盟博弈的能量采集小基站干扰管理方法 | |
CN113795049A (zh) | 一种基于深度强化学习的Femtocell异构网络功率自适应优化方法 | |
CN107454601A (zh) | 一种超密集环境下考虑小区间干扰的无线虚拟映射方法 | |
CN108990067A (zh) | 一种应用于超密集异构网络的能效控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |