CN107567034A - 一种异构蜂窝网络中的d2d资源共享方法 - Google Patents
一种异构蜂窝网络中的d2d资源共享方法 Download PDFInfo
- Publication number
- CN107567034A CN107567034A CN201710665062.8A CN201710665062A CN107567034A CN 107567034 A CN107567034 A CN 107567034A CN 201710665062 A CN201710665062 A CN 201710665062A CN 107567034 A CN107567034 A CN 107567034A
- Authority
- CN
- China
- Prior art keywords
- user
- transmit power
- winged
- optimal
- layer
- 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.)
- Pending
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明的一种异构蜂窝网络中的D2D资源共享方法属于无线通信技术领域,包括建立Stackelberg博弈模型、分析下层用户博弈过程和分析上层用户博弈过程3个步骤。本发明使飞蜂窝用户和D2D用户的发送功率优化,使用户更加积极参加频谱共享,提高了飞蜂窝用户、D2D用户以及整个***的吞吐量,更符合绿色通信的要求。
Description
技术领域
本发明属于无线通信技术领域,具体是一种异构蜂窝网络中基于Stackelberg博弈的D2D资源共享方法。
背景技术
随着新一代互联网时代的到来,终端设备和应用程序的数量***式增长,而可用的频谱资源正变得越来越少,从而造成了用户对于无线通信带宽需求的不断增长和蜂窝网络有限的频谱资源分配之间的矛盾。如何提高有限频谱的利用率是蜂窝网络演进的重要方向,其中,D2D(Device-to-Device,即“终端直连”)技术通过复用蜂窝网络频谱资源的方式提高频谱资源利用率,成为近年来研究的热点。
D2D技术是指通信网络中近邻设备之间直接通信的技术,一旦D2D通信链路建立起来,D2D用户之间传输数据就不需要通过核心网进行转发,以减少不必要的传输时延,因此,D2D技术的应用能大大提升频谱利用率和扩大网络容量。传统的异构蜂窝网络中关于D2D技术的研究场景一般都是宏蜂窝与D2D的两层网络,只需协调D2D发射端和宏基站的发送功率就可提高频谱效率,但在未来的5G网络,极可能存在三层异构蜂窝网络,即宏蜂窝、飞蜂窝、D2D用户共同存在,在此场景下资源复用带来的多种干扰会严重影响***的性能,且情况也更复杂。因此,这种三层异构网络中的资源共享优化问题需要联合优化三层用户的发送功率来解决。
发明内容
本发明要解决的技术问题是,克服背景技术存在的不足,提供一种异构蜂窝网络中基于Stackelberg博弈的D2D资源共享方法。
本发明采用的技术方案如下:
一种异构蜂窝网络中的D2D资源共享方法,包括建立Stackelberg博弈(斯塔克尔伯格博弈)模型、分析下层用户博弈过程和分析上层用户博弈过程3个步骤;
所述的建立Stackelberg博弈模型是,将宏蜂窝用户设为上层用户,将飞蜂窝用户和D2D用户设为下层用户,在整个博弈过程中,频段i下的三种用户作为一组,上层用户先行动,制定一个初始价格,下层用户根据这个初始价格优化自己的发送功率,经过迭代后达到博弈均衡;
所述的分析下层用户博弈过程是根据上层用户给定的价格优化发送功率的过程;在设定D2D用户和飞蜂窝用户的效用函数的基础上,分别用D2D用户的发送功率Pd和飞蜂窝用户的发送功率Pf对其对应的效用函数进行求导,并通过分析二次求导的结果,确定各自的最优发送功率;为了让最优发送功率属于实际功率范围内,利用最优发送功率反过来对上层用户制定的价格进行约束。所述的下层用户博弈过程更具体的是,利用设定的效用函数和的一阶、二阶偏导,分析计算求得D2D用户最优发送功率和飞蜂窝用户最优发送功率其中p1、p2分别是宏用户向复用其所在频段的D2D用户和家庭用户收取的费用;Hd、Hf分别为宏蜂窝用户到D2D接收端、到飞蜂窝基站的信道增益,Gc、Gd、Gf分别为D2D发送端到宏蜂窝基站、到D2D接收端、到飞蜂窝基站的信道增益,Lc、Ld、Lf分别为飞蜂窝用户到宏蜂窝基站、到D2D接收端、到飞蜂窝基站的信道增益;同时根据功率实际所在范围对上层用户制定的价格进行约束,即
所述的分析上层用户博弈过程是将解得的D2D发送端和FUE(飞蜂窝用户)的最优发送功率带入到上层用户的效用函数中优化价格的过程;将所求得的D2D用户和飞蜂窝用户的最优功率表达式代入CUE(宏基站用户)的效用函数,通过对效用函数的求偏导,分析二次偏导正负值的情况,得到CUE对D2D发送端索要价格p1和CUE对FUE索要价格的p2的最优解分别所在的区间。所述的上层用户的博弈过程更具体的是,利用设定的效用函数
通过分析对其二阶偏导在Ci≠0且Ci+A≠0,i=1,2、C1=0、C1+A=0三种情况的正负值,判断使其一阶偏导为零的值,即最优解;其中β1、β2表示上层用户的收益和下层用户支出的比值,Hc为宏蜂窝用户到宏蜂窝基站的信道增益。
有益效果:
1、本发明优化了飞蜂窝用户和D2D用户的发送功率,得到了最优发送功率。
2、本发明基于Stackelberg博弈,设定了效用函数,使用户在获得利益的情况下,更加积极参加频谱共享,结果证明,博弈收敛有效。
3、本发明在降低飞蜂窝用户和D2D用户功率的同时却提高了飞蜂窝用户和D2D用户,以及整个***的吞吐量,更符合绿色通信的要求。
附图说明
图1是本发明算法流程图。
图2是本发明中D2D用户最优发送功率迭代过程图。
图3是本发明中FUE最优发送功率迭代过程图。
图4是本发明中宏用户向D2D用户收取费用的迭代过程图。
图5是本发明中宏用户向FUE收取费用的迭代过程图。
图6是本发明中FUE迭代前后的吞吐量对比图。
图7是本发明中D2D用户迭代前后的吞吐量对比图
图8是本发明中整个***迭代前后的吞吐量对比图。
图9是本发明中β1对***性能的影响图。
图10是本发明中β2对***性能的影响图。
具体实施方式
实施例1
本实施例是异构蜂窝网络中基于Stackelberg博弈的D2D资源共享方法,***噪声为频谱密度是-174dBm/Hz的零均值加性高斯白噪声,信道模型采用简化的路径损耗模型,根据3GPP标准,宏用户和飞蜂窝用户的路径损耗公式为Ld(dB)=128.1+37.6lg(d(km)),D2D链路的路径损耗公式为Ld(dB)=148+40lg(d(km))。
本实施例提供的一种异构蜂窝网络中基于Stackelberg博弈的D2D资源共享方法,有建立Stackelberg博弈模型、分析下层用户博弈过程和分析上层用户博弈过程3个步骤,具体步骤如下:
第一步建立Stackelberg博弈模型
将宏蜂窝用户设为上层用户,将飞蜂窝用户和D2D用户设为下层用户,在整个博弈过程中,频段i下的三种用户作为一组,上层用户先行动,制定一个初始价格,下层用户根据这个初始价格优化自己的发送功率,经过迭代后达到博弈均衡。
第二步分析下层用户博弈过程
下层用户博弈过程就是根据给定的价格优化发送功率的过程。由此,设定D2D用户的效用函数为UD2D,飞蜂窝用户的效用函数为UFUE,表达式如下:
其中,p1、p2分别是宏用户向复用其所在频段的D2D用户和家庭用户收取的费用,Hd、Hf分别为宏蜂窝用户到D2D接收端、到飞蜂窝基站的信道增益,Gc、Gd、Gf分别为D2D发送端到宏蜂窝基站、到D2D接收端、到飞蜂窝基站的信道增益,Lc、Ld、Lf分别为飞蜂窝用户到宏蜂窝基站、到D2D接收端、到飞蜂窝基站的信道增益,Pd、Pc、Pf分别为D2D用户、宏基站、飞蜂窝用户的发送功率,N0为噪声功率谱密度。
(1)D2D用户的博弈过程率
D2D用户的发送功率Pd最大值为23dBm,满足D2D链路QoS的最小发送功率为其中ηd是D2D接收是端信噪比门限值,是D2D接收端可以忍受的最大干扰,是D2D链路的最小信道增益。
在指定价格的情况下对D2D用户功率进行优化,根据效用函数公式(1)可得最优发送功率为
其中由最优解的表达式可以看出,功率是价格的单调递减函数,当价格过大或过小时很难满足功率的约束表达式:因此,也需要反过来对上层用户制定的价格做一定的约束,则可得
因此可得
所以只需上层用户制定的价格满足表达式:就可以使得最优功率满足功率约束公式。
(2)FUE的博弈过程
飞蜂窝用户的博弈过程同D2D用户的博弈过程类似。飞蜂窝用户的发送功率Pf最大值也为23dBm,最小发送功率为其中ηf是家庭基站信噪比门限值,是家庭基站可以忍受的最大干扰,是家庭链路的最小信道增益。
在指定价格的情况下对飞蜂窝用户功率进行优化,根据效用函数公式(2)可得最优发送功率为
其中
由最优功率的表达式可知
因此可得
所以只需上层用户制定的价格满足表达式:就可以使得最优功率满足功率约束公式。
D2D用户和飞蜂窝用户采用非合作博弈方式,各自争取自身利益的最大值。
第三步分析上层用户博弈过程
上层用户的博弈过程是将解得的D2D发送端和FUE的最优发送功率带入到上层用户的效用函数中优化价格的过程。
设定CUE的效用函数表达式如下:
其中β1、β2表示上层用户的收益和下层用户支出的比值,Hc为宏蜂窝用户到宏蜂窝基站的信道增益。
将第二步中得到的D2D用户和飞蜂窝用户的最优功率表达式代入,整理得到:
其中A=PcHc>0、
以CUE向D2D用户收取的价格p1为例,求解p1的最优解的步骤如下:
令其中
整理可得
其中并记
如果C1≠0且C1+A≠0,通过对效用函数进行二阶求导,得到:
通过分析可得,当时,是CUE效用函数的极小值,所以最优解在间;时,是CUE效用函数的极大值,其最优解在间。
上述结论是在C1,C2满足Ci≠0且Ci+A≠0,i=1,2时求得的,现讨论两种特殊情况。
1)如果C1=0,CUE的效用函数对p1求二阶导可化简为:
显然恒成立,所以p1为极大值,则最优解且在区间内。
2)如果C1+A=0,CUE的效用函数对p1求二阶导可化简为:
显然恒成立,且最优解在间搜索得到。
综上所述CUE对D2D发送端索要价格p1的最优解始终可以唯一得到。类似地,CUE对FUE索要价格的p2最优解也始终可以唯一得到。
在本实施例中,步骤2~3的算法流程图如图1所示,其步骤如下:
步骤1:价格初始化:p1(0),p2(0)。
步骤2:下层用户根据价格优化发送功率:
步骤3:上层用户根据最优发送功率优化价格:
步骤4:判断迭代次数是否满足5次。若满足,则进行下一步,否则返回步骤2。
步骤5:得到最优发送功率
在本实施例中,图2是本发明中D2D用户最优发送功率迭代过程图;图3是本发明中FUE最优发送功率迭代过程图。由图2、图3可见,最优发送功率逐步稳定且稳定数值并不是其最大或者最小发送功率,说明在实际通信***中由于干扰的存在,当终端发送功率为其最大发送功率时,吞吐量并不一定最大。图4是本发明中宏用户向D2D用户收取费用的迭代过程图;图5是本发明中宏用户向FUE收取费用的迭代过程图。从图4、图5可以看出,效用函数具有收敛性。图6是本发明中FUE迭代前后的吞吐量对比图;图7是本发明中D2D用户迭代前后的吞吐量对比图;图8是本发明中整个***迭代前后的吞吐量对比图。由图6、图7、图8可见,经过本发明的方法后,用户和***的吞吐量都显著提升,证明发明的方法真实可行。此外,本发明还研究了β值对于***性能的影响,图9是本发明中β1对***性能的影响图;图10是本发明中β2对***性能的影响图。经过对图9、图10的对比,可以看出改变β1的值比改变β2的值对***吞吐量影响更大。
Claims (3)
1.一种异构蜂窝网络中的D2D资源共享方法,包括建立Stackelberg博弈模型、分析下层用户博弈过程和分析上层用户博弈过程3个步骤;
所述的建立Stackelberg博弈模型是,将宏蜂窝用户设为上层用户,将飞蜂窝用户和D2D用户设为下层用户,在整个博弈过程中,频段i下的三种用户作为一组,上层用户先行动,制定一个初始价格,下层用户根据这个初始价格优化自己的发送功率,经过迭代后达到博弈均衡;
所述的分析下层用户博弈过程是根据上层用户给定的价格优化发送功率的过程;在设定D2D用户和飞蜂窝用户的效用函数的基础上,分别用D2D用户的发送功率Pd和飞蜂窝用户的发送功率Pf对其对应的效用函数进行求导,并通过分析二次求导的结果,确定各自的最优发送功率;为了让最优发送功率属于实际功率范围内,利用最优发送功率反过来对上层用户制定的价格进行约束;
所述的分析上层用户博弈过程是将解得的D2D发送端和飞蜂窝用户的最优发送功率带入到上层用户的效用函数中优化价格的过程;将所求得的D2D用户和飞蜂窝用户的最优功率表达式代入宏基站用户的效用函数,通过对效用函数的求偏导,分析二次偏导正负值的情况,得到宏基站用户对D2D发送端索要价格p1和宏基站用户对飞蜂窝用户索要价格的p2的最优解分别所在的区间。
2.根据权利要求1所述的一种异构蜂窝网络中的D2D资源共享方法,其特征在于,所述的下层用户博弈过程具体是,利用设定的效用函数和的一阶、二阶偏导,分析计算求得D2D用户最优发送功率和飞蜂窝用户最优发送功率其中p1、p2分别是宏用户向复用其所在频段的D2D用户和家庭用户收取的费用;Hd、Hf分别为宏蜂窝用户到D2D接收端、到飞蜂窝基站的信道增益,Gc、Gd、Gf分别为D2D发送端到宏蜂窝基站、到D2D接收端、到飞蜂窝基站的信道增益,Lc、Ld、Lf分别为飞蜂窝用户到宏蜂窝基站、到D2D接收端、到飞蜂窝基站的信道增益;同时根据功率实际所在范围对上层用户制定的价格进行约束,即
3.根据权利要求1或2所述的一种异构蜂窝网络中的D2D资源共享方法,其特征在于,所述的上层用户的博弈过程具体是,利用设定的效用函数通过分析对其二阶偏导在Ci≠0且Ci+A≠0,i=1,2、C1=0、C1+A=0三种情况的正负值,判断使其一阶偏导为零的值,即最优解;其中β1、β2表示上层用户的收益和下层用户支出的比值,Hc为宏蜂窝用户到宏蜂窝基站的信道增益。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710665062.8A CN107567034A (zh) | 2017-08-07 | 2017-08-07 | 一种异构蜂窝网络中的d2d资源共享方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710665062.8A CN107567034A (zh) | 2017-08-07 | 2017-08-07 | 一种异构蜂窝网络中的d2d资源共享方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107567034A true CN107567034A (zh) | 2018-01-09 |
Family
ID=60975189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710665062.8A Pending CN107567034A (zh) | 2017-08-07 | 2017-08-07 | 一种异构蜂窝网络中的d2d资源共享方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107567034A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110149161A (zh) * | 2019-05-10 | 2019-08-20 | 南京邮电大学 | 一种基于Stackelberg博弈的多任务协作频谱感知方法 |
CN110337129A (zh) * | 2019-06-28 | 2019-10-15 | 吉林大学 | 一种异构蜂窝网络中的分层资源分配方法 |
CN110691360A (zh) * | 2019-08-21 | 2020-01-14 | 西北工业大学 | 基于用户分簇和斯塔克尔伯格模型的联合资源分配方法 |
-
2017
- 2017-08-07 CN CN201710665062.8A patent/CN107567034A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110149161A (zh) * | 2019-05-10 | 2019-08-20 | 南京邮电大学 | 一种基于Stackelberg博弈的多任务协作频谱感知方法 |
CN110149161B (zh) * | 2019-05-10 | 2021-04-06 | 南京邮电大学 | 一种基于Stackelberg博弈的多任务协作频谱感知方法 |
CN110337129A (zh) * | 2019-06-28 | 2019-10-15 | 吉林大学 | 一种异构蜂窝网络中的分层资源分配方法 |
CN110337129B (zh) * | 2019-06-28 | 2021-11-02 | 吉林大学 | 一种异构蜂窝网络中的分层资源分配方法 |
CN110691360A (zh) * | 2019-08-21 | 2020-01-14 | 西北工业大学 | 基于用户分簇和斯塔克尔伯格模型的联合资源分配方法 |
CN110691360B (zh) * | 2019-08-21 | 2022-03-22 | 西北工业大学 | 基于用户分簇和斯塔克尔伯格模型的联合资源分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104105158B (zh) | 一种基于d2d中继通信的中继选择方法 | |
CN105960024B (zh) | 一种d2d通信中基于社交感知的用户发现及资源分配方法 | |
CN105848296B (zh) | 一种基于斯坦克尔伯格博弈的资源分配方法 | |
CN104168573B (zh) | Femtocell网络下基于分簇干扰对齐的干扰消除方法 | |
CN106358308A (zh) | 一种超密集网络中的强化学习的资源分配方法 | |
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 | |
CN107948983A (zh) | 一种基于联盟博弈的能量采集小基站资源分配方法 | |
CN102858012A (zh) | 基于imt-a标准的后续演进嵌入式d2d实现方法 | |
CN107567034A (zh) | 一种异构蜂窝网络中的d2d资源共享方法 | |
CN107708157A (zh) | 基于能效的密集小蜂窝网络资源分配方法 | |
CN104796990A (zh) | 蜂窝异构网络中基于功率控制的d2d资源分配方法 | |
CN103596250A (zh) | 一种lte-a异构网络中的基于动态偏置的终端接入方法 | |
CN111629362A (zh) | 一种基于af中继辅助d2d通信***的功率优化方法 | |
CN103369568B (zh) | Lte-a中继***中基于博弈论的无线资源优化方法 | |
Yu et al. | Dynamic resource allocation in TDD-based heterogeneous cloud radio access networks | |
Han et al. | Power allocation for device-to-device underlay communication with femtocell using stackelberg game | |
CN109151775A (zh) | 蜂窝小区间基于中继的d2d通信传输模式切换方法 | |
Bayat et al. | Distributed massive wireless access for cellular machine-to-machine communication | |
CN108990160A (zh) | 一种基于改进蝙蝠算法的5g通信***容量优化方法 | |
CN105979477B (zh) | 一种基于博弈论的d2d通信的能耗优化方法 | |
CN105764068B (zh) | 一种基于禁忌搜索的小基站容量与覆盖优化方法 | |
CN105451268B (zh) | 一种高能效的异构小区接入方法 | |
CN105578482B (zh) | 一种蜂窝异构网络资源分配方法 | |
CN106028345A (zh) | 一种基于自适应禁忌搜索的小基站容量与覆盖优化方法 | |
CN104010341B (zh) | 一种用于高效协同组播通信中的中继选择和功率控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180109 |