CN108306700A - 一种基于能效博弈的子载波资源分配方法 - Google Patents

一种基于能效博弈的子载波资源分配方法 Download PDF

Info

Publication number
CN108306700A
CN108306700A CN201810181263.5A CN201810181263A CN108306700A CN 108306700 A CN108306700 A CN 108306700A CN 201810181263 A CN201810181263 A CN 201810181263A CN 108306700 A CN108306700 A CN 108306700A
Authority
CN
China
Prior art keywords
subcarrier
game
efficiency
formula
user
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
CN201810181263.5A
Other languages
English (en)
Other versions
CN108306700B (zh
Inventor
张德干
张捷
陈晨
周舢
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.)
Tianjin University of Technology
Original Assignee
Tianjin University of Technology
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 Tianjin University of Technology filed Critical Tianjin University of Technology
Priority to CN201810181263.5A priority Critical patent/CN108306700B/zh
Publication of CN108306700A publication Critical patent/CN108306700A/zh
Application granted granted Critical
Publication of CN108306700B publication Critical patent/CN108306700B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种基于能效博弈的子载波资源分配方法。采用能效博弈策略来优化子载波分配问题。针对FBMC调制技术不要求子载波相互正交进而存在子载波间竞争的特性，引入显示当前子载波质量的信道状态矩阵，以***总功耗、单个子载波上的功耗、总时延、干扰温度限和单个子载波上的次用户数等为约束条件，以能效为目标函数，建立多约束条件下的分式规划问题。设计博弈算子，为每个次用户建立效用函数，当每个次用户的效用函数达到最优时，演化博弈达到Nash均衡点，此时的策略组合认为是能效最优的资源分配方法。与现有一些方法相比，本方法(EESA‑EG)的能效最优，且给出了最为合理的子载波分配方案，为信道状态更优的子载波分配了更多的子载波。

Description

一种基于能效博弈的子载波资源分配方法
【技术领域】
本发明属于通信技术领域，具体涉及一种基于能效博弈的子载波资源分配方法。
【背景技术】
认知无线电网络(Cognitive Radio Network，CRN)是一种由认知用户组成的无线通信网络，其中的部分或全部设备既能接入非授权频段，也能接入授权频段。频谱共享CRN是一种干扰可控的CRN，可以对主用户带来干扰，但是不能超过其允许的干扰温度限。通过对次用户的发射功率增加一个干扰温度限制，从而保证每个主用户的干扰不超过门限值。因此，干扰温度约束在该类模型的资源分配中起着关键性的作用；次用户可以通过能量检测法或合作方式来得到干扰温度限。
该方式下，次用户不需要实时地感知主用户是否存在，可以直接接入主用户网络，是一种主用户和次用户共存的网络。多载波调制技术中，正交频分复用(OrthogonalFrequency Division Multiplexing，OFDM)被认作潜在的CRN的调制技术。然而网络遇到异步传输时，OFDM因为不完美的时间和频率同步，其数据传输速率便会受影响。异步传输会引起子载波间干扰。因此某一条子载波的干扰会影响其相邻的子载波。而滤波器组多载波(Filter BankMulti-Carrier，FBMC)调制技术作为一种替代调制方法，因其不需要循环前缀，相比于OFDM技术，在异步通信时不会引起过多的数据传输速率缺失。
另外，随着与偏移正交幅度调制和多相网络等技术相结合，降低了实现的复杂度，FBMC具有对载波频偏不敏感和高频效高能效的优势。合理的能效资源分配已经成为未来提高网络吞吐量、扩大无线网络传输范围、提高链路可靠性的发展前沿技术。在绿色通信的大环境下，如何研究并设计出一种高效、准确的分配算法就显得十分重要。
【发明内容】
本发明的目的是解决基于能效博弈的子载波资源分配问题，提供一种基于能效博弈的子载波资源分配方法。
本发明考虑***总数据传输速率限制、总功率消耗约束以及单个子载波上的功率消耗约束，提出多用户频谱共享的CRN情景下的以能效为目标的子载波分配算法(EESA-EG)。通过实验仿真对比，EESA-EG在提高能效方面具有较高性能，当每个子载波上的次用户数增加，每个子载波上的功耗增加，同时***子载波数较少时要比***子载波数更多时，***性能更优，具有一定的实用价值。
本发明的基于能效博弈的子载波资源分配方法，主要包括如下关键步骤：
第1、多用户频谱共享CRN网络模型结构的构建：
第1.1、建立能效博弈方法模型；
第1.2、建立传输功率模型；
第1.3、建立干扰温度模型；
第1.4、建立信干噪比和传输速率模型；
第1.5、建立时延模型；
第2、目标函数问题转换：
将原目标函数转化成非线性规划问题；
第3、算法设计：
第3.1、优化问题的确定，由于目标函数为非凸函数，不能用传统的凸优化方法求解，因而进行的变量转换，将原问题的目标函数转化成凹函数除以凸函数的目标函数的形式；
第3.2、设计能效博弈算子，用效用函数代替优化问题的目标函数；
第3.3、引入拉格朗日对偶方法，通过相对于原问题而言计算复杂度相对较低的对偶问题的最优解求得原问题的最优解；
第3.4、进行能效博弈，采用次梯度算法，迭代求得对偶问题的最优解。
本发明步骤第1.1中建立能效博弈方法模型的方法是，建立了一个五元组来表示该能效博弈优化模型：
EGOA＝(G(0)，S(O)，E，α,τ) (1)
式中G(0)是初始博弈结构，S(0)是初始的策略集，E是能效博弈算子，α是参与能效博弈的主体I的集合，τ是停止准则。
步骤第1.2中建立传输功率模型的方法如下，用Pk，m，l表示第l个子载波上分配的第k个小区内第m个次用户的功率，ζk，m，l表示子载波分配矩阵。因此***总传输功率Ptot可以表示为
式中为子载波状态矩阵，表示当前子载波的质量，ξ表示功率放大器漏极效率的倒数，Pc表示电路的功率消耗。
步骤第1.3中建立干扰温度模型的方法如下，权重向量由V＝[V0，V1]表示，干扰温度限制由主基站发送端对次用户接收端的干扰和不同小区的次基站发送端对次用户接收端的干扰两部分组成；不同小区的次基站发送端对次用户接收端的干扰表示如下：
式中Gk′，m′，l表示在第l个子载波内第k′个次基站与第m′个次用户之间的信道增益；相应地，主基站发送端对次用户接收端的干扰表示如下：
式中Gk，p，l表示在第l个子载波内主基站P和第k个次基站内的第m个次用户之间的信道增益；综上所述，第l个子载波上的第k个小区第m个次用户的干扰温度Ik，m，l如下式所示
步骤第1.4中建立信干噪比和传输速率模型的方法如下，定义第k个小区内的第m个次用户发送端的信干噪比ψk，m，l表示如下：
ψk，m，l＝Pk，m，lGk，m，l/(N0+Ik，m，l) (6)
式中N0表示一个子载波内的热噪声，Gk，m，l表示第l个子载波上第k个小区的次基站与该小区内第m个次用户之间的信道增益；根据香农定理，***的总数据传输速率Rtot表示为
步骤第1.5中建立时延模型的方法如下，引入虚拟队列的概念，将MAC协议中多用户争用信道Fk导致的额外分组时延转化为在信道Fk对应的虚拟队列中的排队时延这样就能够使用排队论中的相关公式加以计算；最终将物理队列Qjk的分组服务时间修正为分组传输时间与虚拟队列排队时间之和；虚拟队列的输入分组流是整个小区所有用户分配在信道Fk上的传输速率的叠加，视为泊松过程：
虚拟队列是一个逻辑概念，在物理上并不存在；中的分组在物理上分散在各个SU中等待被发送，虚拟队列服务时间就是该分组的传输时间，而服务端的分组处理速率就是各个SU在信道Fk上的分组发送速率，虽然在物理上，中的分组将被不同的SU的发射机发送，但某一时刻只能有一个发射机接入对应的信道，等效为中只有一个速率可变的服务者。
在M/G/1排队***中，假定第l个子载波上的第k个小区第m个次用户的服务时间为Xk，m，l，Xk，m，l是独立同分布的，并且与到达间隔相互独立根据P-K公式所述，M/G/1排队***一个小区内的平均等待时间为：
由上述P-K公式得该***一个小区内的平均时延为
式中为到达速率与服务速率之比，反映了***的繁忙程度；当增加时，***稳态时的用户数将随之增加；当趋于1时，***稳态时的用户数将趋于无穷；如果 则***将来不及服务，必然会导致***中的用户数趋于无穷大。
步骤第2中将原目标函数转化成非线性规划问题的方法是，说明子载波分配问题以能效为目标函数，加上总功率、每个子载波上的功率、每个子载波上的次用户数、虚拟队列延迟和干扰温度限等约束条件，看作一种非线性约束下的非线性规划问题，表述如下式：
步骤第3.1中所确定的优化问题(11)可以重新表示为：
步骤第3.2所述建立的效用函数如下：
步骤第3.3对于原问题的最优解建立的拉格朗日函数，如果用遍历搜索方法寻找最优解，计算复杂度过高，引入拉格朗日对偶方法，能够有效降低计算的复杂度，拉格朗日对偶函数表示如下：
拉格朗日对偶函数的优化问题表示如下：
步骤第3.4所述对偶问题的最优解方法如下，先进行能效博弈，在能效博弈开始阶段各主体从自己的策略空间中随机选择一个策略构成初始策略组合在第t回合中策略组合中的成员Ψk，m，l和通过式(16)和(18)来更新，若第t回合的策略组合s(t)优于主体l的旧策略组合，则该策略组合将更新为s(t)。在找到使效用函数(13)最大的策略组合后结束循环。惩罚因子ω则由式(20)更新。直到博弈达到Nash均衡点算法结束，此时的策略组合认为是能效最优的资源分配方法。
和Ψk，m，l在第t+1个博弈回合中的更新方程，如下式表示：
在利用上式更新和Ψk，m，l后，下面利用两个变量求子载波矩阵。将其代入式(14)，对偶问题表示为
由于依赖于ζk，m，l的取值，而的取值与ζk，m，l无关。对于给定的和Ψk，m，l，找到子载波矩阵ζk，m，l使得A(ζk，m，l)取得最大值，即
在找到Ψk，m，l和ζk，m，l的最优值即和后，对偶方程可表示为
在博弈收敛后，根据凸优化中的次梯度算法和最优策略组合计算出的效用计算惩罚因子。第t+1次博弈回合中ω的更新方程如下：
本发明的优点和积极效果
本发明主要设计了一种基于能效博弈的子载波资源分配方法，在该方法中，算法研究了CRN情境下的基于能效博弈的子载波资源分配问题。为提高整个网络的能效，引入显示当前子载波质量的信道状态矩阵，以***总功耗、单个子载波上的功耗、总时延、干扰温度限和单个子载波上的次用户数等为约束条件，以能效为目标函数，建立多约束条件下的分式规划问题。设计能效博弈算子，为每个次用户建立效用函数，当能效博弈达到Nash均衡点时，此时的策略组合认为是能效最优的资源分配方法。与现有的一些方法相比，本方法(EESA-EG)在提高能效方面具有较高性能，当每个子载波上的次用户数增加，每个子载波上的功耗增加，同时***子载波数较少时要比***子载波数更多时，***性能更优，具有一定的实用价值。
【附图说明】
图1是多用户CRN场景图；
图2是多用户频谱共享的认知无线电网络的模拟图；
图3是***能效与惩罚因子的迭代次数的关系图；
图4是***能效与网络中次用户数的关系图；
图5是各算法***总功率消耗与迭代次数的关系图；
图6是每个子载波上的次用户数变化的情况图；
图7是***总功耗随网络中次用户数变化的关系图；
图8是每个子载波上的次用户数随信道状态变化的关系图；
图9是本发明基于能效博弈的子载波资源分配方法的流程图。
【具体实施方式】
实施例1
本实施例设计的方法引入显示当前子载波质量的信道状态矩阵。设计博弈算子，为每个次用户建立效用函数，当每个次用户的效用函数达到最优时，演化博弈达到Nash均衡点。主要涉及的实施操作有多用户频谱共享CRN网络模型结构的构建，目标函数问题的问题转化以及具体的算法设计过程。
本实施例基于能效博弈的子载波资源分配方法，主要包括如下关键步骤：
第1、多用户频谱共享CRN网络模型结构的构建：
第1.1、建立能效博弈方法模型；
第1.2、建立传输功率模型；
第1.3、建立干扰温度模型；
第1.4、建立信干噪比和传输速率模型；
第1.5、建立时延模型；
本实例中实验场景为模拟城市区域实验场景，在该场景中，多用户频谱共享的认知无线电网络由一个主基站、两个次基站和200个用户组成。网络的大小为200m×20m，所有用户均匀分布在整个网络的中部，即用户位于一条横向的道路上，道路两侧为楼房，基站假设在房顶上。主基站PBS位于(100，40)，覆盖整个网络；次基站数K＝2，分别位于(40，60)和(150，40)。由于次基站覆盖范围较小，因此基站天线的高度不可被忽略，我们设定主基站天线高度为40m，次基站天线高度为30m。次用户移动台的平均高度为1.5m。多用户频谱共享的认知无线电网络的模拟图如附图2所示。
***的信道增益设定为Cost 231 Walfish Ikegami模型，确切地有Gk，m，l＝10-φ(d)/10，其中φ(d)＝φfsl(d)+φrts+φmsd(d)表示次用户与次基站间的路径损耗模型，φfsl(d)表示自由空间损耗，φrts表示屋顶和街道之间的衍射和散射损耗，φmsd(d)表示多径损耗，d表示次用户与次基站之间的距离。此外，***总带宽B＝240kHz，子载波数L＝25；功率放大器漏极效率的倒数ξ＝3.8，电路的功率消耗Pc＝0.5W，干扰权重向量V＝[8.23×10-1，8.81×10-2]。***热噪声的功率谱密度为-174dBm/Hz；***总功率消耗限制排队最大时延限制
第2、目标函数问题转换：
将原目标函数转化成非线性规划问题；
子载波分配问题以能效为目标函数，加上总功率、每个子载波上的功率、每个子载波上的次用户数、虚拟队列延迟和干扰温度限等约束条件，看作一种非线性约束下的非线性规划问题，表述如下式：
第3、算法设计：
第3.1、优化问题的确定，由于目标函数为非凸函数，不能用传统的凸优化方法求解，因而进行的变量转换，将原问题的目标函数转化成凹函数除以凸函数的目标函数的形式；
所确定的优化问题的目标函数是公式(1)表示的形式，求解过程非常复杂，因此将优化问题(1)重写为：
第3.2、设计能效博弈算子，用效用函数代替优化问题的目标函数；
建立的效用函数如下：
第3.3、引入拉格朗日对偶方法，通过相对于原问题而言计算复杂度相对较低的对偶问题的最优解求得原问题的最优解；
对于原问题的最优解建立的拉格朗日函数，如果用遍历搜索方法寻找最优解，计算复杂度过高，引入拉格朗日对偶方法，能够有效降低计算的复杂度，拉格朗日对偶函数表示如下：
拉格朗日对偶函数的优化问题表示如下：
第3.4、进行能效博弈，采用次梯度算法，迭代求得对偶问题的最优解。
所述对偶问题的最优解方法如下，先进行能效博弈，在能效博弈开始阶段各主体从自己的策略空间中随机选择一个策略构成初始策略组合在第t回合中策略组合中的成员Ψk，m，l和通过式(16)和(18)来更新，若第t回合的策略组合s(t)优于主体l的旧策略组合，则该策略组合将更新为s(t)。在找到使效用函数(13)最大的策略组合后结束循环。惩罚因子ω则由式(21)更新。直到博弈达到Nash均衡点算法结束，此时的策略组合认为是能效最优的资源分配方法。
和Ψk，m，l在第t+1个博弈回合中的更新方程，如下式表示：
在利用上式更新和Ψk，m，l后，下面利用两个变量求子载波矩阵。将其代入式(4)，对偶问题表示为
对于给定的和Ψk，m，l，找到子载波矩阵使得取得最大值，即
在找到Ψk，m，l和的最优值即和后，对偶方程可表示为
在博弈收敛后，根据凸优化中的次梯度算法和最优策略组合计算出的效用计算惩罚因子。第t+1次博弈回合中ω的更新方程如下：
本实例的仿真实验结果如下：
***能效与惩罚因子的迭代次数的关系如图3所示。图中F3-A表示EESA-EG算法的能效曲线，F3-B表示EESA-EDP算法的能效曲线，F3-C表示UDRSA算法的能效曲线。在三种算法中，EESA-EG的性能最优，其次是EESA-EDP，UDRSA较差。本文给出的EESA-EG算法在收敛速度不减慢很多的情况下具有最好的性能。图4表示了***能效与网络中次用户数的关系，图中F4-A表示EESA-EG算法的能效曲线，F4-B表示EESA-EDP算法的能效曲线，F4-C表示UDRSA算法的能效曲线。随着网络中的次用户数的增加，EESA-EDP和UDRSA算法均呈现下降趋势，而本文给出的EESA-EG算法并没有因网络中次用户数增加受过多影响。
图5表示了随着惩罚因子的迭代次数的增加，***总功率消耗情况。F5-A曲线表示EESA-EG算法总功率消耗曲线；F5-B曲线表示EESA-EDP算法总功率消耗曲线；F5-C曲线表示UDRSA算法总功率消耗曲线。三种算法收敛后消耗的总功率相比，EESA-EG最多，EESA-EDP最少，但均未超过***总功率限约束。
附图6表示了每个子载波上的次用户数和功率消耗随信道状态变化的情况。图中F7-A表示EESA-EG算法，F7-B表示EESA-EDP算法，F7-C表示UDRSA算法。某一子载波的信道状态较差，那么相比于信道状态更优的子载波，在该子载波上传输数据，其在链路上耗费的不必要的功率会更多，数据传输速率会更低，能效会更差。因此信道状态差的子载波上分配的次用户数应当小于信道状态优的子载波上分配的数量，信道状态差的子载波上消耗的总功率应当少于信道状态优的子载波上的功耗。图中EESA-EG算法相比于EESA-EDP和UDRSA算法，在信道状态变优时斜率更大，意味着该算法在更好的信道状态下为***分配了更多的次用户。
附图7和附图8专注于本文提出的EESA-EG算法，分别考虑***子载波数为15、20、25和30的情况，其中F9-A和F10-A表示***子载波数为15的情况，F9-B和F10-B表示***子载波数为20的情况，F9-C和F10-C表示***子载波数为25的情况，F9-D和F10-D表示***子载波数为30的情况。随着信道状态变好，EESA-EG算法的每个子载波上的次用户数增加，每个子载波上的功耗增加，同时***子载波数较少时要比***子载波数更多时，***性能更优。随着***次用户数的增加，EESA-EG算法的***总功耗略微增加；随着***子载波的增加，***性能更优。

Claims (4)

1.一种基于能效博弈的子载波资源分配方法，其特征在于该方法主要包括如下步骤：
第1、多用户频谱共享CRN网络模型结构的构建：
第1.1、建立能效博弈方法模型；
第1.2、建立传输功率模型；
第1.3、建立干扰温度模型；
第1.4、建立信干噪比和传输速率模型；
第1.5、建立时延模型；
第2、目标函数问题转换：
将原目标函数转化成非线性规划问题；
第3、算法设计：
第3.1、优化问题的确定，由于目标函数为非凸函数，不能用传统的凸优化方法求解，因而进行的变量转换，将原问题的目标函数转化成凹函数除以凸函数的目标函数的形式；
第3.2、设计能效博弈算子，用效用函数代替优化问题的目标函数；
第3.3、引入拉格朗日对偶方法，通过相对于原问题而言计算复杂度相对较低的对偶问题的最优解求得原问题的最优解；
第3.4、进行能效博弈，采用次梯度算法，迭代求得对偶问题的最优解。
2.如权利要求1所述的基于能效博弈的子载波资源分配方法，其特征在于，步骤第1.1中建立能效博弈方法模型的方法是，建立了一个五元组来表示该能效博弈方法模型
EGOA＝(G(0)，S(0)，E，α，τ) (1)
式中G(0)是初始博弈结构，S(0)是初始的策略集，E是能效博弈算子，α是参与能效博弈的主体I的集合，τ是停止准则；
步骤第1.2中建立传输功率模型的方法如下，该网络中有L个子载波，有一个主基站，M个次用户随机分布于K个小区内；用Pk，m，l表示第l个子载波上分配的第k个小区内第m个次用户的功率，ζk，m，l表示子载波分配矩阵；因此***总传输功率Ptot可以表示为
式中为子载波状态矩阵，表示当前子载波的质量，ξ表示功率放大器漏极效率的倒数，Pc表示电路的功率消耗；
步骤第1.3中建立干扰温度模型的方法如下，权重向量由V＝[V0，V1]表示，干扰温度限制由主基站发送端对次用户接收端的干扰和不同小区的次基站发送端对次用户接收端的干扰两部分组成；不同小区的次基站发送端对次用户接收端的干扰表示如下：
式中Gk′，m′，l表示在第l个子载波内第k′个次基站与第m′个次用户之间的信道增益，利用FBMC多址技术产生干扰权重向量V，对应的取值如表1所示：
表1 干扰权重向量(×10-3)
1 1±1 1±2 1±3 1±4 1±5 1±6 1±7 1±8 FBMC 823 88.1 0 0 0 0 0 0 0
相应地，主基站发送端对次用户接收端的干扰表示如下：
式中Gk，p，l表示在第l个子载波内主基站P和第k个次基站内的第m个次用户之间的信道增益；综上所述，第l个子载波上的第k个小区第m个次用户的干扰温度Ik，m，l如下式所示
步骤第1.4中建立信干噪比和传输速率模型的方法如下，定义第k个小区内的第m个次用户发送端的信干噪比ψk，m，l表示如下：
ψk，m，l＝Pk，m，lGk，m，l/(N0+Ik，m，l) (6)
式中N0表示一个子载波内的热噪声，Gk，m，l表示第l个子载波上第k个小区的次基站与该小区内第m个次用户之间的信道增益；根据香农定理，***的总数据传输速率Rtot表示为
步骤第1.5中建立时延模型的方法如下，引入虚拟队列的概念，将MAC协议中多用户争用信道Fk导致的额外分组时延转化为在信道Fk对应的虚拟队列中的排队时延这样就能够使用排队论中的相关公式加以计算；最终将物理队列Qjk的分组服务时间修正为分组传输时间与虚拟队列排队时间之和；虚拟队列的输入分组流是整个小区所有用户分配在信道Fk上的传输速率的叠加，视为泊松过程：
虚拟队列是一个逻辑概念，在物理上并不存在；中的分组在物理上分散在各个信道中等待被发送，虚拟队列服务时间就是该分组的传输时间，而服务端的分组处理速率就是各个SU在信道Fk上的分组发送速率，虽然在物理上，中的分组将被不同的SU的发射机发送，但某一时刻只能有一个发射机接入对应的信道，等效为中只有一个速率可变的服务者；
在M/G/1排队***中，假定第l个子载波上的第k个小区第m个次用户的服务时间为Xk，m，l，Xk，m，l是独立同分布的，并且与到达间隔相互独立，根据布拉切克-辛钦(P-K)公式所述，M/G/1排队***一个小区内的平均等待时间为：
由上述P-K公式得该***一个小区内的平均时延为
式中为到达速率与服务速率之比，反映了***的繁忙程度；当增加时，***稳态时的用户数将随之增加；当趋于1时，***稳态时的用户数将趋于无穷；如果 则***将来不及服务，必然会导致***中的用户数趋于无穷大。
3.如权利要求1所述的基于能效博弈的子载波资源分配方法，其特征在于，步骤第2中将原目标函数转化成非线性规划问题的方法是，说明子载波分配问题以能效为目标函数，加上总功率、每个子载波上的功率、每个子载波上的次用户数、虚拟队列延迟和干扰温度限约束条件，看作一种非线性约束下的非线性规划问题，表述如下式：
(C6)Ik，m，l≤Ith (11)。
4.如权利要求3所述的基于能效博弈的子载波资源分配方法，其特征在于，步骤第3.1中所确定的优化问题的目标函数是公式(11)表示的形式，求解过程非常复杂，因此可以进行的变量转换，再引入辅助变量Ψk，m，l∈(0，ψk，m，l]；该变量表示网络中每一个用户的信干燥比都不会低于某一向量Ψk，m，l，因此优化问题(11)可以重写为：
步骤第3.2所述的效用函数如下：
s.t.(C1)～(C4)，(C6)
其中G[I，S，U]为一个博弈，变量的每一个分量用对应的一个博弈主体的策略表示，即I＝{1，2，…，m}；各博弈主体的策略集为ω为惩罚因子，因此，在设计能效博弈算子时用效用函数代替原优化问题的目标函数来简化计算；
步骤第3.3求得原问题的最优解的方法是，对于原问题的最优解建立的拉格朗日函数，如果用遍历搜索方法寻找最优解，计算复杂度过高，引入拉格朗日对偶方法，能够有效降低计算的复杂度，拉格朗日对偶函数表示如下：
s.t.(C1)，(C2)，(C5)，(C7) (14)
拉格朗日对偶函数的优化问题表示如下：
s.t.(C1)，(C2)，(C5)，(C7) (15)；
步骤第3.4所述对偶问题的最优解方法如下，先进行能效博弈，在能效博弈开始阶段各主体从自己的策略空间中随机选择一个策略构成初始策略组合在第t回合中策略组合中的成员Ψk，m，l和通过以下式(16)和式(18)来更新，若第t回合的策略组合s(t)优于主体l的旧策略组合，则该策略组合将更新为s(t)；在找到使效用函数(13)最大的策略组合后结束循环；惩罚因子ω则由式(21)更新；直到博弈达到Nash均衡点算法结束，此时的策略组合认为是能效最优的资源分配方法；
和Ψk，m，l在第t+1个博弈回合中的更新方程，如下式表示：
在利用上式更新和Ψk，m，l后，下面利用两个变量求子载波矩阵；将式(16)代入式(14)，对偶问题表示为
s.t.(C1)，(C2)，(C5)，(C7) (17)
由于依赖于ζk，m，l的取值，而的取值与ζk，m，l无关；对于给定的和Ψk，m，l，找到子载波矩阵ζk，m，l使得A(ζk，m，l)取得最大值，即
在找到Ψk，m，l和ζk，m，l的最大值即和后，对偶方程可表示为
s.t.(C1)，(C2)，(C5)，(C7) (19)
利用凸优化中的次梯度算法，在第t+1个博弈回合中对偶方程的自变量λ1、λ2、λ3和λ4可由下列更新方程求得：
式中α1，α2，α3和α4为步长且αi＞0，i∈{1，2，3，4}；
在博弈收敛后，根据最优策略组合计算出效用惩罚因子；第t+1次博弈回合中ω的更新方程如下：
CN201810181263.5A 2018-03-06 2018-03-06 一种基于能效博弈的子载波资源分配方法 Expired - Fee Related CN108306700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810181263.5A CN108306700B (zh) 2018-03-06 2018-03-06 一种基于能效博弈的子载波资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810181263.5A CN108306700B (zh) 2018-03-06 2018-03-06 一种基于能效博弈的子载波资源分配方法

Publications (2)

Publication Number Publication Date
CN108306700A true CN108306700A (zh) 2018-07-20
CN108306700B CN108306700B (zh) 2021-02-26

Family

ID=62849346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810181263.5A Expired - Fee Related CN108306700B (zh) 2018-03-06 2018-03-06 一种基于能效博弈的子载波资源分配方法

Country Status (1)

Country Link
CN (1) CN108306700B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109088686A (zh) * 2018-09-28 2018-12-25 西北工业大学 一种基于5g高低频段的同时无线信息与能量传输方法
CN111092779A (zh) * 2020-03-19 2020-05-01 清华大学 网络资源配置方法、装置、计算机设备及可读存储介质
CN111585674A (zh) * 2020-05-06 2020-08-25 深圳大学 一种认知无线电网络中频谱分配方法及***
CN111654920A (zh) * 2020-06-02 2020-09-11 重庆邮电大学 一种分布式能效子载波功率分配方法
CN116340888A (zh) * 2023-05-29 2023-06-27 扬州市宜楠科技有限公司 一种基站滤波器生产方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9144083B2 (en) * 2011-02-01 2015-09-22 Dynamic Invention Llc Cooperative sensing scheduling for energy-efficient cognitive radio networks
CN105516996A (zh) * 2015-11-30 2016-04-20 郑州大学 一种多用户认知mimo干扰信道分布式能效优化方法
CN105704722A (zh) * 2016-01-18 2016-06-22 浙江工业大学 一种认知无线电中基于分组博弈交换以及优化功率控制的频谱资源配置方法
CN106685441A (zh) * 2016-12-09 2017-05-17 南京航空航天大学 一种基于合作博弈的射频隐身雷达组网功率分配方法
CN106937295A (zh) * 2017-02-22 2017-07-07 沈阳航空航天大学 基于博弈论的异构网络高能效功率分配方法
CN107071881A (zh) * 2016-12-08 2017-08-18 南京邮电大学 一种基于博弈论的小蜂窝网络分布式能量分配方法
CN107508646A (zh) * 2017-10-09 2017-12-22 天津理工大学 一种面向认知无线电网络的跨层干扰受限的功率分配方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9144083B2 (en) * 2011-02-01 2015-09-22 Dynamic Invention Llc Cooperative sensing scheduling for energy-efficient cognitive radio networks
CN105516996A (zh) * 2015-11-30 2016-04-20 郑州大学 一种多用户认知mimo干扰信道分布式能效优化方法
CN105704722A (zh) * 2016-01-18 2016-06-22 浙江工业大学 一种认知无线电中基于分组博弈交换以及优化功率控制的频谱资源配置方法
CN107071881A (zh) * 2016-12-08 2017-08-18 南京邮电大学 一种基于博弈论的小蜂窝网络分布式能量分配方法
CN106685441A (zh) * 2016-12-09 2017-05-17 南京航空航天大学 一种基于合作博弈的射频隐身雷达组网功率分配方法
CN106937295A (zh) * 2017-02-22 2017-07-07 沈阳航空航天大学 基于博弈论的异构网络高能效功率分配方法
CN107508646A (zh) * 2017-10-09 2017-12-22 天津理工大学 一种面向认知无线电网络的跨层干扰受限的功率分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾亚男: "认知小蜂窝网络中基于能效的下行资源分配算法", 《通信学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109088686A (zh) * 2018-09-28 2018-12-25 西北工业大学 一种基于5g高低频段的同时无线信息与能量传输方法
CN109088686B (zh) * 2018-09-28 2020-03-24 西北工业大学 一种基于5g高低频段的同时无线信息与能量传输方法
CN111092779A (zh) * 2020-03-19 2020-05-01 清华大学 网络资源配置方法、装置、计算机设备及可读存储介质
CN111585674A (zh) * 2020-05-06 2020-08-25 深圳大学 一种认知无线电网络中频谱分配方法及***
CN111654920A (zh) * 2020-06-02 2020-09-11 重庆邮电大学 一种分布式能效子载波功率分配方法
CN111654920B (zh) * 2020-06-02 2022-03-11 重庆邮电大学 一种分布式能效子载波功率分配方法
CN116340888A (zh) * 2023-05-29 2023-06-27 扬州市宜楠科技有限公司 一种基站滤波器生产方法
CN116340888B (zh) * 2023-05-29 2023-08-01 扬州市宜楠科技有限公司 一种基站滤波器生产方法

Also Published As

Publication number Publication date
CN108306700B (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
Zhang et al. Resource allocation in NOMA-based fog radio access networks
CN108306700A (zh) 一种基于能效博弈的子载波资源分配方法
Zhang et al. Dynamic task offloading and resource allocation for mobile-edge computing in dense cloud RAN
Zhang et al. Secure communications in NOMA system: Subcarrier assignment and power allocation
Cao et al. Interference management in ultradense networks: A user-centric coalition formation game approach
Wang et al. Interference hypergraph-based 3D matching resource allocation protocol for NOMA-V2X networks
Wang et al. Socially enabled wireless networks: Resource allocation via bipartite graph matching
Wei et al. Resource allocation for V2X communications: A local search based 3D matching approach
CN109905918A (zh) 一种基于能效的noma蜂窝车联网动态资源调度方法
CN107613555A (zh) 非正交多址接入蜂窝和终端直通密集网络资源管控方法
CN103037485B (zh) 一种异构网中的低能耗协作传输方法
CN101980470A (zh) 一种基于混沌粒子群优化的ofdm***资源分配算法
Lu et al. A cross-layer resource allocation scheme for ICIC in LTE-Advanced
CN111629352B (zh) 一种5G蜂窝网中基于Underlay模式的V2X资源分配方法
CN104540139A (zh) 异构融合网络资源分配方法和***
CN102724157B (zh) 改进型多用户ofdm df***的联合资源分配方法
CN107682935A (zh) 一种基于***稳定性的无线自回传资源调度方法
Sheng et al. Game theory-based multi-objective optimization interference alignment algorithm for HSR 5G heterogeneous ultra-dense network
Liu et al. Resource allocation in D2D enabled vehicular communications: A robust stackelberg game approach based on price-penalty mechanism
Wang et al. User association in non-orthogonal multiple access networks
CN107508646A (zh) 一种面向认知无线电网络的跨层干扰受限的功率分配方法
CN104507153B (zh) 一种ofdma下的小小区功率控制方法
Torres et al. Radio resource allocation in a 6G D-OMA network with imperfect SIC: A framework aided by a bi-objective hyper-heuristic
Hanly et al. Dynamic allocation of subcarriers and transmit powers in an OFDMA cellular network
CN111343721A (zh) 一种最大化***广义能效的d2d分布式资源分配方法

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210226

CF01 Termination of patent right due to non-payment of annual fee