CN107426820A - 一种认知d2d通信***中多用户博弈提高能效的资源分配方法 - Google Patents

一种认知d2d通信***中多用户博弈提高能效的资源分配方法 Download PDF

Info

Publication number
CN107426820A
CN107426820A CN201710391811.2A CN201710391811A CN107426820A CN 107426820 A CN107426820 A CN 107426820A CN 201710391811 A CN201710391811 A CN 201710391811A CN 107426820 A CN107426820 A CN 107426820A
Authority
CN
China
Prior art keywords
mrow
msubsup
user
efficiency
pair
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
Application number
CN201710391811.2A
Other languages
English (en)
Other versions
CN107426820B (zh
Inventor
谢显中
田瑜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201710391811.2A priority Critical patent/CN107426820B/zh
Publication of CN107426820A publication Critical patent/CN107426820A/zh
Application granted granted Critical
Publication of CN107426820B publication Critical patent/CN107426820B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明请求保护一种认知D2D通信***中多用户博弈提高能效的资源分配方法，涉及认知无线网络。针对认知网络中多个D2D用户复用多个蜂窝用户的频谱的能效较低的场景，本发明提出一种基于博弈论模型的提高D2D通信***能效的资源分配方案，在不超过用户通信的干扰门限约束条件，利用非协作博弈模型对***的资源进行分配，并采用拉格朗日对偶方法和KKT迭代方法来达到最优化用户能效并且达到能效和频谱效率的均衡。

Description

一种认知D2D通信***中多用户博弈提高能效的资源分配 方法
技术领域
本发明涉及认知无线通信领域，尤其涉及认知无线电技术中的资源分配技术。
背景技术
认知无线电(CR)是解决当前频谱资源紧张的一种有效方法。D2D(Device-to-Device)通信技术能促进地理空间位置相近的移动设备间更方便地进行数据信息交换。认知无线电技术与D2D通信结合形成认知D2D通信具有很多优点，已成为未来移动通信***的关键技术。研究认知无线电网络中D2D通信***的资源分配方案仍然具有广泛的空间。目前传统的基于认知无线电的D2D通信的资源分配方案大都注重提高频谱效率，优化模型较单一。而且在现有文献中，对于提高***内用户的能效设计的方法较为局限，未考虑整体能效的提高，而且方案复杂度较高。
在认知D2D通信***中，D2D用户以underlay方式复用蜂窝用户频谱带来了很多好处，比如邻近增益，复用增益以及跳增益等。由于频谱复用会造成同信道干扰以及用户设备的电池寿命有限会影响通信服务质量，所以D2D通信在资源分配问题上也会面临新的挑战[Wang M,Yan Z.A survey on security in D2D communications[J].Mobile Networksand Applications,2016:1-14.]。很多文献研究认知D2D通信中优化用户能效的方法，采用上下文感知的D2D用户发现方法和基于迭代功率匹配的资源分配方法，分阶段优化用户能效的方法[Zhou Z,Ma G,Zhang D,et al.Energy-efficient context-aware resourceallocation in D2D communications:An iterative matching approach[C]//Information and Communication Technology Convergence(ICTC),2016InternationalConference on.IEEE,2016:90-96.]。尽管有部分文献对能效资源分配有所研究，但对大多数用户的满意度和公平性未考虑到。有文献采用拉格朗日对偶理论解决了D2D用户对蜂窝用户的干扰问题并来联合优化用户的能效[Mumtaz S,Huq K M S,Rodriguez J,etal.Energy-efficient interference management in LTE-D2D communication[J].IETSignal Processing,2016,10(3):197-202.]。但很多文献并没有考虑用户之间的竞争关系以及***效用的频谱效率的均衡的情况，且只注重如何最大化频谱效率或是如何限制用户之间的干扰而忽视了用户的自身特性[Golrezaei N,Mansourifard P,Molisch A F,etal.Base-station assisted device-to-device communications for high-throughputwireless video networks[J].IEEE Transactions on Wireless Communications,2014,13(7):3665-3676]。
发明内容
鉴于以上缺陷本发明在不超过用户通信的干扰门限约束条件，利用非协作博弈模型对***的资源分配来达到最优化用户能效并且达到能效和频谱效率的均衡。从而提出一种认知D2D通信***中多用户博弈提高能效的资源分配方法，考虑在认知D2D通信模型中，D2D用户以underlay方式复用蜂窝用户频谱，D2D用户与蜂窝用户为了最大化各自能效组成非协作博弈问题，通过提高用户和链路能效，改善***总功耗及***的吞吐量等性能。
本发明的技术解决方案包括以下步骤：
一种认知D2D通信***中多用户博弈提高能效的资源分配方法，其特征在于，包括以下步骤：
S1：将认知无线网络中若干个D2D用户以underlay模式复用蜂窝用户的频谱模型等价为若干个理性参与者为了最大化各自能效而组成的非协作博弈模型；此模型中在单个OFDM蜂窝小区中存在1个基站、多个蜂窝用户和多对D2D用户进行通信场景及M条蜂窝通信链路和N条D2D通信链路。其中蜂窝用户优先获得频谱资源作为博弈决策的领导者，D2D用户在了解蜂窝用户的决策后为了争取频谱资源作为博弈决策的跟随者。
S2：根据非协作博弈模型设计获得认知无线网络中D2D用户和窝用户的能效最大化问题；其中第i对D2D用户的能效最大化问题为
第k个蜂窝用户的能效最大化问题为
式中：为第i对D2D用户的能效，ri d为第i对D2D的传输速率，为第i对D2D发送端的发送功率，为D2D用户最大的发送功率约束，为第k个蜂窝用户的能效，为第k个蜂窝用户的传输速率，为第k个蜂窝用户的发送功率，为蜂窝用户最大的发送功率约束，为第i对D2D用户的最小传输速率，为第k个蜂窝用户的最小传输速率，为第i对D2D用户的发送端的策略，为在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的策略，为第k个蜂窝用户的策略，为在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的策略。
S3：采用拉格朗日对偶方法求解步骤S2中的能效最大化问题。包括找到最大化能效的功率和找到最优功率对应的最小拉格朗日因子两个内容。
在以上方案中个，还包括在蜂窝用户的干扰门限约束条件下构建基于干扰门限的能效最大化问题，通过引入凸优化理论将最大化***能效的问题转化为凸优化问题；基于干扰门限的能效最大化问题为为第i对D2D发送端的发送功率，为在第k条信道，第i对D2D发送端和基站之间的干扰信道增益，为第k个蜂窝用户能忍受的最大的干扰。
所述认知无线网络中D2D用户和窝用户的能效最大化问题的获取过程为：
首先，分别计算D2D用户和蜂窝用户的信干噪比SINR；
在第k条信道上第i对D2D对的信干噪比SINR为：
其中，是第i对D2D发送端的发送功率，是第k个蜂窝用户的发送功率，是第j对D2D发送端的发送功率，是第i对D2D之间的信道增益，是第k个蜂窝用户对第i对D2D接收端的干扰信道增益，是第j对D2D的发送端对第i对D2D接收端的干扰信道增益，N0为噪声功率；
基站处接收到第k个蜂窝用户的信干噪比SINR为：
其中，是第k个蜂窝用户和基站之间的信道增益，在第k条信道，第i对D2D对发送端和基站之间的干扰信道增益；
再分别计算D2D用户和蜂窝用户的所消耗的总功率；
第i对D2D的传输速率为第i对D2D所消耗的总功率为
第k个蜂窝用的传输速率为不考虑基站的电路功耗，第k个蜂窝用户所消耗的总功率为
其中，pcir是用户的电路功耗；D2D发送端和接收端均产生电路功耗，且所有的用户电路功耗均一样；η是功率放大系数，0<η<1；
最后分别计算第i对D2D用户发送端的能效和第k个蜂窝用户的能效；
第i对D2D用户的发送端的策略为
其中，是D2D用户最大的发送功率约束；
第k个蜂窝用户的策略为
其中，是蜂窝用户最大的发送功率约束；
在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的策略为：
在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的策略为：
为在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的最大发送功率，为在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的最大发送功率；
第i对D2D用户的能效为
第k个蜂窝用户的能效为
D2D用户和蜂窝用户的功率策略集Pd和Pc分别为
本发明的优点及有益效果：
本发明则在此基础上考虑在不超过用户通信的干扰门限约束条件，利用非协作博弈模型对***的资源分配来达到最优化用户能效并且达到能效和频谱效率的均衡，能够很好解决实际网络中为多用户资源分配的情况。其中，采用了用户博弈模式，有效提高用户能效；采用拉格朗日对偶方法，能够更有效地提高链路平均能效；采用KKT迭代方法，相比其他次优化方法求解能效资源分配问题效果更好。
附图说明
图1为认知网络中的D2D通信模型；
图2为不同迭代次数对用户能效影响；
图3为不同迭代次数对链路的平均能效的影响；
图4为D2D用户数量对***总功耗的影响；
图5为蜂窝用户数量对D2D平均能效的影响；
图6本发明方法与另外两种方法的比较。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，包括以下步骤：
101、该方案的***为认知D2D通信***模型，如图1所示，它由单个OFDM蜂窝小区，1个基站，2个蜂窝用户(CUE1,CUE2)和2对D2D对组成。D2D用户具有认知能力，D2D用户可以以underlay模式复用蜂窝用户的频谱资源建立D2D链接。假设此模型中存在M条蜂窝通信链路和N条D2D通信链路。
102、根据图1，本发明在第k条信道上第i对D2D对的信干噪比SINR为：
是第i对D2D对发送端的发送功率；是第k个蜂窝用户的发送功率；是第j对D2D对发送端的发送功率；是第i对D2D对之间的信道增益；是第k个蜂窝用户对第i对D2D对接收端的干扰信道增益；是第j对D2D对的发送端对第i对D2D对接收端的干扰信道增益；N0为噪声功率；N为D2D通信链路条数。
103、基站处接收到第k个蜂窝用户的信干噪比SINR为：
其中，是第k个蜂窝用户和基站之间的信道增益；在第k条信道，第i对D2D对发送端和基站之间的干扰信道增益。
那么，第i对D2D对可以达到的传输速率为第k个蜂窝用户可达到的传输速率为M为蜂窝通信链路条数。
第i对D2D对所消耗的总功率包含两部分，一部分是对M条信道复用时总的发送功率，一部分是D2D对的发送端和接收端的电路功耗。因此，第i对D2D对所消耗的总功率为:
其中，pcir是用户的电路功耗；D2D发送端和接收端均产生电路功耗，且所有的用户电路功耗均一样。η是功率放大系数，一般地0<η<1。
第k个蜂窝用户所消耗的总功率包含两部分，一部分是蜂窝用户发送功率，一部分是蜂窝用户发送端的电路功耗。此处不考虑基站的电路功耗。因此，第k个蜂窝用户所消耗的总功率为：
104、在该非协作博弈通信模型中，每个用户都是自私的都希望最大化自己的能效。因此第i对D2D用户的发送端的策略为其中，是D2D用户最大的发送功率约束。表示第i对D2D用户的发送端的策略，第k个蜂窝用户的策略为：表示第k个蜂窝用户的策略，其中，是蜂窝用户最大的发送功率约束。在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的策略为：表示在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的策略，表示在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的最大发送功率。在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的策略为：表示在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的策略，表示在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的发送功率，表示在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的发送功率。
第i对D2D用户的能效不仅取决于第i对D2D用户的发送功率还取决于除第i对D2D用户之外的其他D2D用户发送端的策略，为：
第i对D2D用户的能效最大化问题可以表示成数学表达式：
那么，第k个蜂窝用户的能效为：
则，对应的第k个蜂窝用户的能效最大化问题可以表示成数学表达式：
于是，整个***网络的能效为：
其中，Pd，Pc分别为D2D用户和蜂窝用户的功率策略集。
105、将第k个蜂窝用户能忍受的最大的干扰定义为因此基于干扰门限的能效最大化问题可以转换为：
利用拉格朗日乘法函数得到拉格朗日对偶问题并利用KKT条件找出函数的最优解。
针对以上建立的问题进行以下求解和分析。
1.能效最大化问题设计
由于式(6)和式(10)均具有分数形式，所以其目标函数都是非凸的。为了求得目标函数的闭式解，我们使用非线性分数规划将非凸函数转化成凸函数。因此，可以将第i对D2D用户最大的能效定义为其表达式为：
其中，为第i对D2D用户根据其他用户策略所采用的最优发送功率。
引理1：第i对D2D用户最大的能效当且仅当下式满足：
证明：对任意的决策集我们可以得到：
对式(12)进行变形，我们可以得到：
因此，当时，式的最大值为0，通过求解式(6)可以得到证毕。
引理2：对下式
存在唯一的解
证明：从式(16)中我们可以知道，是随变量连续单调递减的。因此有唯一解而且通过反证法也同样可以证明。证毕。
同样地，我们将第k个蜂窝用户最大的能效定义为可以得到同引理1相似的引理3。
引理3：第k个蜂窝用户最大的能效当且仅当下式满足：
其中，为第k个蜂窝用户根据其他用户策略所采用的最优发送功率。且其中的值不唯一[Dinkelbach W.On nonlinear fractional programming[J].Managementscience,1967,13(7):492-498.]。证毕。
2.蜂窝用户与D2D用户的最大能效求解
第i对D2D用户的任意资源分配策略为：
第k个蜂窝用户的任意资源分配策略为：
因此，第i对D2D用户的拉格朗日乘法函数可以令作
其中，αi，βi是式(20)中约束条件下的拉格朗日因子。
式(20)的对偶问题可以分解成两个子问题：一是用户采取最优策略找到最大化能效的功率；二是找到最优功率对应的最小拉格朗日因子。即是如下问题：
对于任意给定的则可以求出对应的解：
其中，形如{a}+是指取在(0,a)之间的最大值。
在求解拉格朗日因子最小化问题时，本发明使用梯度法求解：
其中，τ为迭代次数；μi,α和μi,β是非常小的参数，μi,α>0，μi,β>0。
同样地，第k个蜂窝用户对于任意给定的能效则可以求出对应的最优发送功率解：
其中，δk和θk为式(25)中约束条件下的拉格朗日因子。
已知当效用函数是一个连续的拟凸函数，并且策略集合是一个非空闭合凸集时，存在一个纳什均衡解。在式(7)中分子ri d是关于的凸函数，k∈M。分母是关于的映射函数。因此，是一个拟凸函数。策略集：是一个非空的闭合凸集。所以非合作博弈过程存在一个纳什均衡。即是上述方法可以收敛到纳什均衡，而此处的纳什均衡是一个功率分配决策集合。该策略能达到一种均衡，即是，没有哪一个用户可以通过某种功率决策来单独地提高自身的能效。且该策略集为
下面对所提的认知D2D通信***中多用户博弈提高能效的资源分配方案仿真分析，假定***带宽为10MHz，本小区的半径为500m，蜂窝用户和D2D用户随机分布在小区内，可被复用链路的蜂窝用户到基站的距离在100m范围内，蜂窝用户的最大功率D2D用户在50m范围内组成D2D对，D2D用户用户的最大发送功率噪声功率谱密度为-174dBm/Hz。另外，根据基站与所有用户之间的通信参考修正后的COST231-Hata城市传播模型PL＝36.7+35×lg(d)，蜂窝用户与D2D用户之间的路径损耗(参考文献[Andrews M,Kumaran K,Ramanan K,et al.Providing quality ofservice over a shared wireless link[J].IEEE Communications Magazine,2001,39(2):150-154.])的传播模型PL＝66.5+40×lg(d)，而D2D对之间的距离较小，采用自由空间模型PL＝38.4+20×lg(d)。
图2首先讨论迭代次数对用户能效的影响。D2D用户和蜂窝用户通过迭代来更新自身的能效，最后都收敛于纳什均衡。还可以从图中看出，蜂窝用户收敛速度较快，所需的迭代次数较少。而网络中D2D用户数量多于蜂窝用户的数量，所以D2D用户所需的迭代次数较多，收敛速度也较慢。
图3为博弈迭代次数对链路的平均能效的影响。仿真表明，本发明所提方法相比于Random方法和Energy-efficient方法的具有更优的性能。这是由于本发明所用的网络模型具有较好的邻近增益和信道复用增益。邻近增益较高是由于本发明的D2D用户之间的距离较短。信道复用增益较高是由于本发明的干扰门限设置比较合理。
图4为***总功耗随D2D用户数量改变的关系。并且将本发明所提方法与Random方法做了对比。随着用户数量的增加，***总的功率损耗都随之增加。本发明所提方法在保持用户数量一定的情况下具有低能耗的特点，但是Random方法中的用户为了保证他们的通信质量不得不消耗更多的功率。
图5是在D2D用户数量为10和5的情况下比较Energy-efficient方法和本发明所提方法随着CUE数量变化时的D2D用户的平均能效关系。当D2D用户数量从10减到5时，D2D用户的能效也随之降低。这是因为D2D发送端检测到较为匹配的D2D接收端数量下降，所以D2D用户能效也随之降低。而随着CUE用户数量增加，可被D2D用户复用的蜂窝链路增多，所以D2D用户能效也增加。
图6是关于三种方法在***总容量的CDF曲线上的比较。在相同概率密度累计函数的情况下，本发明所提方法的***总容量性能优于Energy-efficient方法和Random方法所提方法的性能，这是因为本发明方法联合优化了用户的发送功率和传输速率，所以性能更好。而Energy-efficient方法要优于Random方法。

Claims (5)

1.一种认知D2D通信***中多用户博弈提高能效的资源分配方法，其特征在于，包括以下步骤：
S1：将认知无线网络中若干个D2D用户以underlay模式复用蜂窝用户的频谱模型等价为若干个理性参与者为了最大化各自能效而组成的非协作博弈模型；
S2：根据非协作博弈模型设计获得认知无线网络中D2D用户和窝用户的能效最大化问题；其中第i对D2D用户的能效最大化问题为
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>max</mi> <mrow> <mo>{</mo> <mrow> <msubsup> <mi>U</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>E</mi> <mi>E</mi> </mrow> <mi>d</mi> </msubsup> <mrow> <mo>(</mo> <mrow> <msubsup> <mi>p</mi> <mi>i</mi> <mi>d</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mrow> <mo>-</mo> <mi>i</mi> </mrow> <mi>d</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mi>k</mi> <mi>c</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mrow> <mo>-</mo> <mi>k</mi> </mrow> <mi>c</mi> </msubsup> </mrow> <mo>)</mo> </mrow> </mrow> <mo>}</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mtable> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> </mrow> </mtd> <mtd> <mrow> <mi>C</mi> <mn>1</mn> <mo>:</mo> <msubsup> <mi>r</mi> <mi>i</mi> <mi>d</mi> </msubsup> <mo>&amp;GreaterEqual;</mo> <msubsup> <mi>R</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>min</mi> </mrow> <mi>d</mi> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <mi>C</mi> <mn>2</mn> <mo>:</mo> <mn>0</mn> <mo>&amp;le;</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msubsup> <mi>p</mi> <mi>i</mi> <mi>k</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>p</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>max</mi> </mrow> <mi>d</mi> </msubsup> </mrow> </mtd> </mtr> </mtable> </mtd> </mtr> </mtable> </mfenced>
第k个蜂窝用户的能效最大化问题为
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>{</mo> <msubsup> <mi>U</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>E</mi> <mi>E</mi> </mrow> <mi>c</mi> </msubsup> <mrow> <mo>(</mo> <msubsup> <mi>p</mi> <mi>i</mi> <mi>d</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mrow> <mo>-</mo> <mi>i</mi> </mrow> <mi>d</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mi>k</mi> <mi>c</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mrow> <mo>-</mo> <mi>k</mi> </mrow> <mi>c</mi> </msubsup> <mo>)</mo> </mrow> <mo>}</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mtable> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> </mrow> </mtd> <mtd> <mrow> <mi>C</mi> <mn>3</mn> <mo>:</mo> <msubsup> <mi>r</mi> <mi>k</mi> <mi>c</mi> </msubsup> <mo>&amp;GreaterEqual;</mo> <msubsup> <mi>R</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>min</mi> </mrow> <mi>c</mi> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <mi>C</mi> <mn>4</mn> <mo>:</mo> <mn>0</mn> <mo>&amp;le;</mo> <msubsup> <mi>p</mi> <mi>k</mi> <mi>c</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>p</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>max</mi> </mrow> <mi>d</mi> </msubsup> </mrow> </mtd> </mtr> </mtable> </mtd> </mtr> </mtable> </mfenced>
式中：为第i对D2D用户的能效，ri d为第i对D2D的传输速率，为第i对D2D发送端的发送功率，为D2D用户最大的发送功率约束，为第k个蜂窝用户的能效，为第k个蜂窝用户的传输速率，为第k个蜂窝用户的发送功率，为蜂窝用户最大的发送功率约束，为第i对D2D用户的最小传输速率，为第k个蜂窝用户的最小传输速率，为第i对D2D用户的发送端的策略，为在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的策略，为第k个蜂窝用户的策略，为在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的策略；
S3：采用拉格朗日对偶方法求解步骤S2中的能效最大化问题。
2.根据权利要求1所述一种认知D2D通信***中多用户博弈提高能效的资源分配方法，其特征在于：还包括在蜂窝用户的干扰门限约束条件下构建基于干扰门限的能效最大化问题，通过引入凸优化理论将最大化***能效的问题转化为凸优化问题；基于干扰门限的能效最大化问题为 为第i对D2D发送端的发送功率，为在第k条信道，第i对D2D发送端和基站之间的干扰信道增益，为第k个蜂窝用户能忍受的最大的干扰。
3.根据权利要求1所述一种认知D2D通信***中多用户博弈提高能效的资源分配方法，其特征在于：所述认知无线网络中D2D用户和窝用户的能效最大化问题的获取过程为：
首先，分别计算D2D用户和蜂窝用户的信干噪比SINR；
在第k条信道上第i对D2D对的信干噪比SINR为：
<mrow> <msubsup> <mi>&amp;gamma;</mi> <mi>i</mi> <mi>k</mi> </msubsup> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>p</mi> <mi>i</mi> <mi>k</mi> </msubsup> <msubsup> <mi>h</mi> <mi>i</mi> <mi>k</mi> </msubsup> </mrow> <mrow> <msubsup> <mi>p</mi> <mi>c</mi> <mi>k</mi> </msubsup> <msubsup> <mi>h</mi> <mrow> <mi>c</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>k</mi> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>&amp;NotEqual;</mo> <mi>i</mi> </mrow> <mi>N</mi> </msubsup> <msubsup> <mi>p</mi> <mi>j</mi> <mi>k</mi> </msubsup> <msubsup> <mi>h</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>k</mi> </msubsup> <mo>+</mo> <msub> <mi>N</mi> <mn>0</mn> </msub> </mrow> </mfrac> </mrow>
其中，是第i对D2D发送端的发送功率，是第k个蜂窝用户的发送功率，是第j对D2D发送端的发送功率，是第i对D2D之间的信道增益，是第k个蜂窝用户对第i对D2D接收端的干扰信道增益，是第j对D2D的发送端对第i对D2D接收端的干扰信道增益，N0为噪声功率；
基站处接收到第k个蜂窝用户的信干噪比SINR为：
<mrow> <msubsup> <mi>&amp;gamma;</mi> <mi>c</mi> <mi>k</mi> </msubsup> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>p</mi> <mi>c</mi> <mi>k</mi> </msubsup> <msubsup> <mi>h</mi> <mi>c</mi> <mi>k</mi> </msubsup> </mrow> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <msubsup> <mi>p</mi> <mi>i</mi> <mi>k</mi> </msubsup> <msubsup> <mi>h</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>c</mi> </mrow> <mi>k</mi> </msubsup> <mo>+</mo> <msub> <mi>N</mi> <mn>0</mn> </msub> </mrow> </mfrac> </mrow>
其中，是第k个蜂窝用户和基站之间的信道增益，在第k条信道，第i对D2D对发送端和基站之间的干扰信道增益；
再分别计算D2D用户和蜂窝用户的所消耗的总功率；
第i对D2D的传输速率为第i对D2D所消耗的总功率为
<mrow> <msubsup> <mi>p</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>t</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> </mrow> <mi>d</mi> </msubsup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <mfrac> <mn>1</mn> <mi>&amp;eta;</mi> </mfrac> <msubsup> <mi>p</mi> <mi>i</mi> <mi>k</mi> </msubsup> <mo>+</mo> <mn>2</mn> <msub> <mi>p</mi> <mrow> <mi>c</mi> <mi>i</mi> <mi>r</mi> </mrow> </msub> </mrow>
第k个蜂窝用的传输速率为不考虑基站的电路功耗，第k个蜂窝用户所消耗的总功率为
<mrow> <msubsup> <mi>p</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>t</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> </mrow> <mi>c</mi> </msubsup> <mo>=</mo> <mfrac> <mn>1</mn> <mi>&amp;eta;</mi> </mfrac> <msubsup> <mi>p</mi> <mi>c</mi> <mi>k</mi> </msubsup> <mo>+</mo> <msub> <mi>p</mi> <mrow> <mi>c</mi> <mi>i</mi> <mi>r</mi> </mrow> </msub> </mrow>
其中，pcir是用户的电路功耗；D2D发送端和接收端均产生电路功耗，且所有的用户电路功耗均一样；η是功率放大系数，0<η<1；
最后分别计算第i对D2D用户发送端的能效和第k个蜂窝用户的能效；
第i对D2D用户的发送端的策略为
<mrow> <msubsup> <mi>p</mi> <mi>i</mi> <mi>d</mi> </msubsup> <mo>=</mo> <mo>{</mo> <msubsup> <mi>p</mi> <mi>i</mi> <mi>k</mi> </msubsup> <mo>|</mo> <mn>0</mn> <mo>&amp;le;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msubsup> <mi>p</mi> <mi>i</mi> <mi>k</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>p</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mi>d</mi> </msubsup> <mo>,</mo> <mi>k</mi> <mo>&amp;Element;</mo> <mi>M</mi> <mo>}</mo> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow>
其中，是D2D用户最大的发送功率约束；
第k个蜂窝用户的策略为
<mrow> <msubsup> <mi>p</mi> <mi>k</mi> <mi>c</mi> </msubsup> <mo>=</mo> <mo>{</mo> <msubsup> <mi>p</mi> <mi>c</mi> <mi>k</mi> </msubsup> <mo>|</mo> <mn>0</mn> <mo>&amp;le;</mo> <msubsup> <mi>p</mi> <mi>c</mi> <mi>k</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>p</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mi>c</mi> </msubsup> <mo>}</mo> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>k</mi> <mo>&amp;Element;</mo> <mi>M</mi> </mrow>
其中，是蜂窝用户最大的发送功率约束；
在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的策略为：
<mrow> <msubsup> <mi>p</mi> <mrow> <mo>-</mo> <mi>i</mi> </mrow> <mi>d</mi> </msubsup> <mo>=</mo> <mo>{</mo> <msubsup> <mi>p</mi> <mi>j</mi> <mi>k</mi> </msubsup> <mo>|</mo> <mn>0</mn> <mo>&amp;le;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msubsup> <mi>p</mi> <mi>j</mi> <mi>k</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>p</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mi>d</mi> </msubsup> <mo>,</mo> <mi>k</mi> <mo>&amp;Element;</mo> <mi>M</mi> <mo>,</mo> <mi>j</mi> <mo>&amp;Element;</mo> <mi>N</mi> <mo>,</mo> <mi>j</mi> <mo>&amp;NotEqual;</mo> <mi>i</mi> <mo>}</mo> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow>
在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的策略为：
<mrow> <msubsup> <mi>p</mi> <mrow> <mo>-</mo> <mi>k</mi> </mrow> <mi>c</mi> </msubsup> <mo>=</mo> <mo>{</mo> <msubsup> <mi>p</mi> <mi>c</mi> <mi>l</mi> </msubsup> <mo>|</mo> <mn>0</mn> <mo>&amp;le;</mo> <msubsup> <mi>p</mi> <mi>c</mi> <mi>l</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>p</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mi>c</mi> </msubsup> <mo>,</mo> <mi>l</mi> <mo>&amp;Element;</mo> <mi>M</mi> <mo>,</mo> <mi>l</mi> <mo>&amp;NotEqual;</mo> <mi>k</mi> <mo>}</mo> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>k</mi> <mo>&amp;Element;</mo> <mi>M</mi> </mrow>
为在N对D2D对中除第i对D2D用户之外的其他D2D用户发送端的最大发送功率，为在M个蜂窝用户中除第k个蜂窝用户之外的其他蜂窝用户的最大发送功率；
第i对D2D用户的能效为
<mrow> <msubsup> <mi>U</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>E</mi> <mi>E</mi> </mrow> <mi>d</mi> </msubsup> <mrow> <mo>(</mo> <msubsup> <mi>p</mi> <mi>i</mi> <mi>d</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mrow> <mo>-</mo> <mi>i</mi> </mrow> <mi>d</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mi>k</mi> <mi>c</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mrow> <mo>-</mo> <mi>k</mi> </mrow> <mi>c</mi> </msubsup> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msubsup> <mi>r</mi> <mi>i</mi> <mi>d</mi> </msubsup> <msubsup> <mi>p</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>t</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> </mrow> <mi>d</mi> </msubsup> </mfrac> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>log</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msubsup> <mi>&amp;gamma;</mi> <mi>i</mi> <mi>k</mi> </msubsup> <mo>)</mo> </mrow> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <mfrac> <mn>1</mn> <mi>&amp;eta;</mi> </mfrac> <msubsup> <mi>p</mi> <mi>i</mi> <mi>k</mi> </msubsup> <mo>+</mo> <mn>2</mn> <msub> <mi>p</mi> <mrow> <mi>c</mi> <mi>i</mi> <mi>r</mi> </mrow> </msub> </mrow> </mfrac> </mrow>
第k个蜂窝用户的能效为
<mrow> <msubsup> <mi>U</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>E</mi> <mi>E</mi> </mrow> <mi>c</mi> </msubsup> <mrow> <mo>(</mo> <mrow> <msubsup> <mi>p</mi> <mi>i</mi> <mi>d</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mrow> <mo>-</mo> <mi>i</mi> </mrow> <mi>d</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mi>k</mi> <mi>c</mi> </msubsup> <mo>,</mo> <msubsup> <mi>p</mi> <mrow> <mo>-</mo> <mi>k</mi> </mrow> <mi>c</mi> </msubsup> </mrow> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msubsup> <mi>r</mi> <mi>k</mi> <mi>c</mi> </msubsup> <msubsup> <mi>p</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>t</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> </mrow> <mi>c</mi> </msubsup> </mfrac> <mo>=</mo> <mfrac> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>log</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <mrow> <mn>1</mn> <mo>+</mo> <msubsup> <mi>&amp;gamma;</mi> <mi>c</mi> <mi>k</mi> </msubsup> </mrow> <mo>)</mo> </mrow> </mrow> <mrow> <mfrac> <mn>1</mn> <mi>&amp;eta;</mi> </mfrac> <msubsup> <mi>p</mi> <mi>c</mi> <mi>k</mi> </msubsup> <mo>+</mo> <msub> <mi>p</mi> <mrow> <mi>c</mi> <mi>i</mi> <mi>r</mi> </mrow> </msub> </mrow> </mfrac> <mo>.</mo> </mrow>
4.根据权利要求1到3任一项所述一种认知D2D通信***中多用户博弈提高能效的资源分配方法，其特征在于：D2D用户和蜂窝用户的功率策略集Pd和Pc分别为
5.根据权利要求4任一项所述一种认知D2D通信***中多用户博弈提高能效的资源分配方法，其特征在于：所述采用拉格朗日对偶方法求解步骤S2中的能效最大化问题包括找到最大化能效的功率和找到最优功率对应的最小拉格朗日因子两个内容。
CN201710391811.2A 2017-05-27 2017-05-27 一种认知d2d通信***中多用户博弈提高能效的资源分配方法 Active CN107426820B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710391811.2A CN107426820B (zh) 2017-05-27 2017-05-27 一种认知d2d通信***中多用户博弈提高能效的资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710391811.2A CN107426820B (zh) 2017-05-27 2017-05-27 一种认知d2d通信***中多用户博弈提高能效的资源分配方法

Publications (2)

Publication Number Publication Date
CN107426820A true CN107426820A (zh) 2017-12-01
CN107426820B CN107426820B (zh) 2021-05-18

Family

ID=60429246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710391811.2A Active CN107426820B (zh) 2017-05-27 2017-05-27 一种认知d2d通信***中多用户博弈提高能效的资源分配方法

Country Status (1)

Country Link
CN (1) CN107426820B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108093411A (zh) * 2018-01-10 2018-05-29 重庆邮电大学 D2d通信网络中基于信道签名的资源调度优化方法
CN108156624A (zh) * 2018-02-08 2018-06-12 南京邮电大学 超密集组网中基于博弈论的干扰动态性优化方法
CN108366427A (zh) * 2018-03-16 2018-08-03 西安电子科技大学 D2d通信中基于功率控制的***吞吐量与能效平衡方法
CN108377481A (zh) * 2018-02-02 2018-08-07 东南大学 一种能量与速率感知的d2d通信频谱资源分配方法
CN108449737A (zh) * 2018-03-08 2018-08-24 南京航空航天大学 一种分布式天线***中基于d2d的下行链路高能效功率分配方法
CN108495339A (zh) * 2018-03-21 2018-09-04 浙江理工大学 一种基于动量改进对偶分解的无线网络流量分载方法
CN108601083A (zh) * 2018-03-16 2018-09-28 西安电子科技大学 D2d通信中基于非合作博弈的资源管理方法
CN108718446A (zh) * 2018-05-22 2018-10-30 吉林大学 Lte-a网络中d2d模式选择与资源分配方法
CN110225578A (zh) * 2019-05-30 2019-09-10 华南师范大学 一种基于图着色的d2d资源分配的方法
CN110809259A (zh) * 2019-10-28 2020-02-18 南京邮电大学 一种基于社会关系的noma使能d2d通信资源博弈方法
CN111083668A (zh) * 2020-01-02 2020-04-28 山东大学 一种在车联网中基于联盟博弈算法的d2d资源分配方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012066433A1 (en) * 2010-11-19 2012-05-24 Nokia Corporation Signaling mixed resource allocations for d2d communications
CN104066098A (zh) * 2013-03-18 2014-09-24 上海贝尔股份有限公司 用于分布式无线网络的方法和设备
CN104796991A (zh) * 2015-04-08 2015-07-22 南京邮电大学 基于势博弈的ofdma***的资源分配方法
CN104883727A (zh) * 2015-06-10 2015-09-02 中国人民解放军理工大学 蜂窝异构网络中d2d用户速率最大化的功率分配方法
CN104954970A (zh) * 2015-05-28 2015-09-30 中国科学院计算技术研究所 一种d2d的资源分配的方法及***
WO2015152797A1 (en) * 2014-04-01 2015-10-08 Telefonaktiebolaget L M Ericsson (Publ) System and method for obtaining and using device-to-device frequency-related capability and configuration preferences
WO2016166705A1 (en) * 2015-04-15 2016-10-20 Telefonaktiebolaget L M Ericsson (Publ) Energy-efficient multi-hop communication schemes for wireless networks
CN106604398A (zh) * 2016-11-25 2017-04-26 北京邮电大学 一种资源分配方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012066433A1 (en) * 2010-11-19 2012-05-24 Nokia Corporation Signaling mixed resource allocations for d2d communications
CN104066098A (zh) * 2013-03-18 2014-09-24 上海贝尔股份有限公司 用于分布式无线网络的方法和设备
WO2015152797A1 (en) * 2014-04-01 2015-10-08 Telefonaktiebolaget L M Ericsson (Publ) System and method for obtaining and using device-to-device frequency-related capability and configuration preferences
CN104796991A (zh) * 2015-04-08 2015-07-22 南京邮电大学 基于势博弈的ofdma***的资源分配方法
WO2016166705A1 (en) * 2015-04-15 2016-10-20 Telefonaktiebolaget L M Ericsson (Publ) Energy-efficient multi-hop communication schemes for wireless networks
CN104954970A (zh) * 2015-05-28 2015-09-30 中国科学院计算技术研究所 一种d2d的资源分配的方法及***
CN104883727A (zh) * 2015-06-10 2015-09-02 中国人民解放军理工大学 蜂窝异构网络中d2d用户速率最大化的功率分配方法
CN106604398A (zh) * 2016-11-25 2017-04-26 北京邮电大学 一种资源分配方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ZHENYU ZHOU ET AL: "Energy-Efficient Resource Allocation for D2D Communications Underlaying Cloud-RAN-Based LTE-A Networks", 《 IEEE INTERNET OF THINGS JOURNAL》 *
肖琦: "基于SCMA的D2D***中无线资源管理研究", 《西南交通大学硕士学位论文》 *
谢显中，李传文，杨和林: "认知D2D通信中基于博弈论的动态频谱分配方案", 《北京邮电大学学报》 *
谢显中，田瑜，姚鑫凌，雷维嘉: "认知网络中D2D全双工通信的速率最大化功率分配算法", 《电子与信息学报》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108093411B (zh) * 2018-01-10 2021-11-16 重庆邮电大学 D2d通信网络中基于信道签名的资源调度优化方法
CN108093411A (zh) * 2018-01-10 2018-05-29 重庆邮电大学 D2d通信网络中基于信道签名的资源调度优化方法
CN108377481B (zh) * 2018-02-02 2019-12-10 东南大学 一种能量与速率感知的d2d通信频谱资源分配方法
CN108377481A (zh) * 2018-02-02 2018-08-07 东南大学 一种能量与速率感知的d2d通信频谱资源分配方法
CN108156624A (zh) * 2018-02-08 2018-06-12 南京邮电大学 超密集组网中基于博弈论的干扰动态性优化方法
CN108156624B (zh) * 2018-02-08 2020-12-15 南京邮电大学 超密集组网中基于博弈论的干扰动态性优化方法
CN108449737A (zh) * 2018-03-08 2018-08-24 南京航空航天大学 一种分布式天线***中基于d2d的下行链路高能效功率分配方法
CN108449737B (zh) * 2018-03-08 2020-12-25 南京航空航天大学 分布式天线***中基于d2d的下行链路高能效功率分配方法
CN108601083B (zh) * 2018-03-16 2019-12-24 西安电子科技大学 D2d通信中基于非合作博弈的资源管理方法
CN108601083A (zh) * 2018-03-16 2018-09-28 西安电子科技大学 D2d通信中基于非合作博弈的资源管理方法
CN108366427A (zh) * 2018-03-16 2018-08-03 西安电子科技大学 D2d通信中基于功率控制的***吞吐量与能效平衡方法
CN108366427B (zh) * 2018-03-16 2021-06-25 西安电子科技大学 D2d通信中基于功率控制的***吞吐量与能效平衡方法
CN108495339B (zh) * 2018-03-21 2021-07-20 浙江理工大学 一种基于动量改进对偶分解的无线网络流量分载方法
CN108495339A (zh) * 2018-03-21 2018-09-04 浙江理工大学 一种基于动量改进对偶分解的无线网络流量分载方法
CN108718446B (zh) * 2018-05-22 2020-07-14 吉林大学 Lte-a网络中d2d模式选择与资源分配方法
CN108718446A (zh) * 2018-05-22 2018-10-30 吉林大学 Lte-a网络中d2d模式选择与资源分配方法
CN110225578A (zh) * 2019-05-30 2019-09-10 华南师范大学 一种基于图着色的d2d资源分配的方法
CN110225578B (zh) * 2019-05-30 2022-05-24 华南师范大学 一种基于图着色的d2d资源分配的方法
CN110809259A (zh) * 2019-10-28 2020-02-18 南京邮电大学 一种基于社会关系的noma使能d2d通信资源博弈方法
CN110809259B (zh) * 2019-10-28 2022-08-26 南京邮电大学 一种基于社会关系的noma使能d2d通信资源博弈方法
CN111083668A (zh) * 2020-01-02 2020-04-28 山东大学 一种在车联网中基于联盟博弈算法的d2d资源分配方法
CN111083668B (zh) * 2020-01-02 2021-06-11 山东大学 一种在车联网中基于联盟博弈算法的d2d资源分配方法

Also Published As

Publication number Publication date
CN107426820B (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN107426820A (zh) 一种认知d2d通信***中多用户博弈提高能效的资源分配方法
CN109729528B (zh) 一种基于多智能体深度强化学习的d2d资源分配方法
CN109474980B (zh) 一种基于深度增强学习的无线网络资源分配方法
Pantisano et al. Cache-aware user association in backhaul-constrained small cell networks
CN107087305B (zh) 一种基于能量收集的终端直通通信资源管理方案
CN108600999B (zh) Fd-d2d基于信道分配与功率控制联合优化方法
Guo et al. Joint optimization of caching and association in energy-harvesting-powered small-cell networks
He et al. Resource allocation based on graph neural networks in vehicular communications
CN107172576B (zh) 一种增强蜂窝网安全性的d2d通信下行资源共享方法
CN108924799B (zh) 一种蜂窝网络中d2d通信的资源分配算法
CN104796990A (zh) 蜂窝异构网络中基于功率控制的d2d资源分配方法
CN111586646A (zh) 一种蜂窝网络中联合上下信道的d2d通信的资源分配方法
CN109788540A (zh) D2d***中基于能量采集的功率控制和信道分配方法
CN109272167B (zh) 一种基于uudn和q神经网络的绿色能量合作方法
Kumari Investigation: life-time and stability period in wireless sensor network
Yang et al. Energy-aware joint power and rate control in overlay cognitive radio networks: a Nash bargaining perspective
CN105979477B (zh) 一种基于博弈论的d2d通信的能耗优化方法
El-Nakhla et al. Stable matching relay selection (SMRS) for TWR D2D network with RF/RE EH capabilities
Sun et al. Distributed power control for device-to-device network using stackelberg game
Huang et al. Coalitional games based resource allocation for D2D uplink underlaying hybrid VLC-RF networks
Shaima’S et al. Energy-efficient resource allocation for 5G cognitive radio NOMA using game theory
CN107567034A (zh) 一种异构蜂窝网络中的d2d资源共享方法
CN106102146B (zh) 一种多蜂窝下的d2d通信的能耗优化方法
CN114423070A (zh) 一种基于d2d的异构无线网络功率分配方法及***
CN110167171A (zh) 一种无线供电通信网络资源分配的方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant