CN108365900A - 超密集异构网***中基于能耗与配对的用户接入方法 - Google Patents

Abstract

本发明提供了一种超密集异构网***中基于能耗与配对的用户接入方法。该方法包括：根据用户与每个基站之间的SINR值计算出在用户侧每个基站对该用户的效用函数值，用户向对自己效用函数值最高的基站发送接入申请，基站将从接入申请中提取出来的SINR值作为基站侧发送该接入请求的用户的效用函数值，基站根据基站侧效用函数值最高的用户的速率请求和干扰情况判断该效用函数值最高的用户是否能够接入该基站，如果是，则反馈接入成功的信息给所述效用函数值最高的用户；否则，反馈接入失败的信息给所述效用函数值最高的用户。本发明提出了一种用于超密集部署场景下的用户接入算法，解决了给定目标速率条件下基于能效优化的用户接入问题。

Description

超密集异构网***中基于能耗与配对的用户接入方法

技术领域

本发明涉及无线网络通信技术领域，尤其涉及一种超密集异构网***中基于能耗与配对的用户接入方法。

背景技术

随着移动通信技术的进步，智能手机的广泛使用，移动互联网、物联网以及各种新型业务的快速发展，UE(User Equipment，用户终端)数量和移动数据流量经历了***式的增长态势，超密集部署异构网络将成为未来移动通信发展的必然趋势。小小区的超密集部署势必会带来网络能耗的增加和基站负载的不均衡。基站的能耗与基站所关联的负载数量密切相关，所以一个合适的用户接入算法对于基站能耗的降低和用户接入公平度的提高具有重要作用。

目前，现有技术中的用户接入算法更加关注负载均衡和***能耗。现有技术中的一种用户接入算法包括：在满足用户数据速率需求的条件下，以优化基站发射功率为目标提出了一种联合功率和资源分配的算法。该用户接入算法的缺点是，并未有效的表示和优化基站的总发射功率。

发明内容

本发明的实施例提供了一种超密集异构网***中基于能耗与配对的用户接入方法，以克服现有技术的缺点。

为了实现上述目的，本发明采取了如下技术方案。

一种超密集异构网***中基于能耗与配对的用户接入方法，包括：

用户测量并计算该用户与每个基站之间的信干噪比SINR值；

根据用户与每个基站之间的SINR值计算出在用户侧每个基站对该用户的效用函数值，用户向对自己效用函数值最高的基站发送接入申请，该接入申请中携带与用户和该基站之间的SINR值相关的信道质量信息；

基站接收到多个用户发送的接入申请后，对每个用户提供的信道质量信息进行处理，并将从接入申请中提取出来的SINR值作为基站侧发送该接入请求的用户的效用函数值，根据基站侧用户的效用函数值对多个用户进行排序，基站根据基站侧效用函数值最高的用户的速率请求和干扰情况判断该效用函数值最高的用户是否能够接入该基站，如果是，则反馈接入成功的信息给所述效用函数值最高的用户；否则，反馈接入失败的信息给所述效用函数值最高的用户。

进一步地，所述的基站根据用户与基站之间的信干噪比SINR计算基站为每个用户提供的发射功率，包括：

用户i与基站j之间的SINR与基站j为用户i提供的发射功率之间的关系由下式给出:

P_ij为用户i占用全部资源块传输时基站j的总发射功率，g_ij为基站j对用户i的信道衰落系数，g_ik为基站k对用户i的信道衰落系数，σ²为高斯白噪声功率，为基站j的最大发射功率。

进一步地，所述的根据用户与每个基站之间的SINR值计算出用户侧的每个基站对该用户的效用函数值，包括：

用户侧的基站j对用户i的效用函数值的计算公式如下：

β_t为不同类型的基站对应的偏置值，SINR_ij为基站j对用户i的信干噪比，t＝1,2,3分别代表宏基站、微微基站和家庭基站，α为权重因子，L_j为当前第j个基站的负载，

进一步地，所述的基站根据基站侧效用函数值最高的用户的速率请求和干扰情况判断该效用函数值最高的用户是否能够接入该基站，如果是，则反馈接入成功的信息给所述效用函数值最高的用户，包括：

基站将基站侧效用函数值最高的用户作为待接入用户，采用拉格朗日对偶法和折半搜索迭代法重新计算该待接入用户和原有已接入用户的带宽分配比例，若满足用户速率以及基站总消耗功率优化的要求，则判断允许所述待接入用户接入基站，并反馈接入成功的信息给所述待接入用户，同时所述基站更新自身的当前负载。

进一步地，所述的否则，反馈接入失败的信息给所述效用函数值最高的用户，包括：

若不满足用户速率以及基站总消耗功率优化的要求，则基站判断所述待接入用户不能够接入该基站，反馈接入失败的信息给所述待接入用户，所述待接入用户接收到接入失败的信息后，将用户侧原申请基站的效用函数值置为0，该用户再次选择剩余基站中效用函数值最大的一个基站递交接入申请；

重复上述过程，直到所有用户都能接入基站后，用户接入算法停止。

进一步地，所述的采用拉格朗日对偶法和折半搜索迭代法重新计算该待接入用户和原有已接入用户的带宽分配比例，包括：

设超密集异构网***中用户集合为Z，数量为Z，所有基站的集合为M，数量为M，下标i表示用户索引，下标j表示基站索引，用户为用户设备；

定义二元接入指示变量为：

假设超密集异构网***的资源复用因子为1，b_ij为第i个用户占用第j个基站总带宽的比例系数，设第j个基站的总资源块个数为50，第j个基站资源的最小划分比例为1/50＝0.02，满足：

0＜b_ij≤1,b_ij＝0.02k,k∈N⁺ (5)

设定***中所有用户通信时的速率需求固定为R_i，求得基站j为用户i提供的发射功率为：

当给定接入方案时，基站j的总发射功率为：

采用拉格朗日对偶法和折半搜索迭代法求解下面的式(9)所示的功耗优化算式，计算出比例系数b_ij和二元接入指示变量x_ij：

求解上面的式(9)同时需要满足(1)、(3)、(5)式的约束条件。

进一步地，所述的采用拉格朗日对偶法和折半搜索迭代法求解上面的式(9)所示的功耗优化算法，计算出比例系数b_ij和二元接入指示变量x_ij，包括：

当给定接入方案，二元接入指示变量x_ij已知时，式(9)转化为式(10)所示的比例系数b_ij的优化算式：

代入(6)式求得的发射功率P_ij，则上式转为求解：

其中，Z_j为第j个基站接入的用户集合，上式(11)、(12)需满足(1)、(3)、(5)式的约束条件；

利用拉格朗日对偶函数对式(11)、(12)进行求解，第j个基站的拉格朗日函数如下：

利用KKT条件，对拉格朗日函数求偏导数，并令其为0，则求得：

对式(15)的拉格朗日乘数求一阶导数，f(b_ij)＝λ在定义域范围内是关于自变量的单调递减函数，采用折半搜索迭代法来求解最优的λ取值，λ的最大取值和最小取值分别用λ_max和λ_min表示，满足：

将同时满足(16)式和(17)式的自变量取值代入(15)式中，求得一系列λ取值，即：

则得到

将上式(19)求得的自变量取值代入(15)式中，同样求得一系列λ取值，则：

其中，为接入第j个基站中第i个用户对应其自己计算的最小λ取值。由计算得到的λ的最大值和最小值所划分的区间，即可作为折半搜索迭代法中λ的初始计算范围；

采用折半搜索迭代法来求解最优的λ取值的过程如下：将接入第j个基站的所有用户依照计算得到的带宽分配比例进行如下的验证过程：

如果接入第j个基站的所有用户的b_ij相加之和小于1，说明在该轮迭代过程中，λ取值过大，后续迭代需要令λ_max＝λ⁽ⁿ⁾；

如果接入第j个基站的所有用户的b_ij相加之和大于1，说明在该轮迭代过程中，λ取值过小，后续迭代需要令λ_min＝λ⁽ⁿ⁾；

不断重复上述迭代过程，即令λ⁽ⁿ⁺¹⁾＝(λ_max+λ_min)/2，继续计算各用户相应的带宽分配比例，直到最终相加之和恰好为1时，算法停止迭代过程，此时的带宽分配比例b_ij即为满足各用户最低速率要求下的最优解。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例研究了给定目标速率条件下的用户接入及能效优化问题，在改进基站总发射功率模型的基础上，利用拉格朗日对偶和二分法对接入过程中的用户资源分配比例和基站为每个接入用户提供的发射功率进行了优化和调节，使功耗优化模型能更准确反映基站的实际发射功率和功耗。本发明提出了一种用于超密集部署场景下的用户接入算法，解决了给定目标速率条件下基于能效优化的用户接入问题。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种超密集异构蜂窝通信***示意图；

图2为本发明实施例提供的一种***吞吐量与总功耗比值随用户个数变化情况示意图；

图3为本发明实施例提供的一种***基站各自吞吐量Jain公平性因子随***用户数量变化而变化的示意图；

图4为本发明实施例提供的一种***各个基站最终接入用户数量Jain公平性因子随***用户数量变化而变化示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

实施例一

本发明实施例在现有文献的基础上进行改进，使功耗优化模型能更准确反映基站的实际发射功率和功耗，在此基础上提出一种改进的基于最大信干噪比和配对理论的接入策略。其中，用配对理论解决接入过程中负载数量变化带来的负载均衡问题，用拉格朗日对偶和二分法优化和调整接入过程中分配给每个用户的资源比例以及基站为每个用户提供的发射功率。

***模型与问题建模

本发明实施例主要考虑超密集部署下行异构蜂窝通信***，图1为本发明实施例提出的一张超密集异构蜂窝通信***示意图，如图1所示。***中存在下述类型的基站：宏基站、微微蜂窝基站(Picocells)和家庭基站(Femtocells)。在所研究范围内，记所有活动用户集合为Z，数量为Z，所有基站的集合为M，数量为M。下标i和j分别表示活动用户索引和密集部署的基站索引。在本发明实施例中，用户是指用户设备。

定义二元接入指示变量为：

用户i与基站j之间的SINR(Signal to Interference plus Noise Ratio，信干噪比)由下式给出:

P_ij为用户i占用全部资源块传输时基站j的总发射功率，g_ij为基站j对用户i的信道衰落系数，g_ik为基站k对用户i的信道衰落系数，σ²为高斯白噪声功率，为基站j的最大发射功率。

本发明实施例采用用户所受干扰的最大值来简化干扰过程的计算，设为相应用户所受到的最大干扰功率之和。根据香农公式，该用户的实际可达通信速率为：

r_i＝Bb_ijlog₂(1+SINR_ij) (4)

其中，B为***的总带宽。

假设***的资源复用因子为1。b_ij为第i个用户占用第j个基站总带宽的比例系数，设总资源块个数为50，因此其最小划分比例为1/50＝0.02，即需要满足：

0＜b_ij≤1,b_ij＝0.02k,k∈N⁺ (5)

设定***中用户通信时的需求速率固定为R_i，为了计算方便，假设所有用户的需求速率都相同，求得基站j为用户i提供的发射功率为：

当给定接入方案时，基站j的总发射功率为：

同样的，P_j也应满足(3)式的约束限制。

基站的发射功率并不是其消耗的总功率，基站的发射功率模型为线性消耗模型，其主要形式如下：

其中，为基站最终总体功耗值，为相应类型基站的固定功耗值，Δ_j相应类型基站在线性消耗模型中的斜率。

由于基站的总功耗直接取决于基站最终的总发射功率，所以功耗的优化等效于以下优化问题：

上式同时需要满足(1)、(3)、(5)式的限制要求。由于优化变量有两类，代表了该优化问题中用户接入子问题和带宽分配子问题的强耦合性。其中，求解变量x_ij的问题为用户接入子问题，求解变量b_ij的问题为带宽分配子问题。本发明将对上述两个子问题分别进行建模求解，最终提出基于能耗与配对理论的用户接入算法。

超密集异构网中基于能耗与配对理论的用户接入算法

带宽分配子问题

当给定接入方案即(二元接入指示变量x_ij已知)时，原优化问题即转变为：

代入(6)式求得的发射功率P_ij，则上式转为求解：

其中，Z_j为第j个基站接入的用户集合，上式(11)、(12)需满足(1)、(3)、(5)式的约束条件。

本发明实施例求解的优化函数加入了资源分配比例b_ij的乘积项。由于P_ij是假设该用户占用相应基站的所有频率资源后的总发射功率，其并不能代表该用户在该基站上最终获得的发射功率。

因此，利用P_ijb_ij才可以正确反映用户i在获得基站j的部分资源后所得到的发射功率。可以证明，(10)式的优化问题为凸优化问题，在优化变量的定义域范围内，该子问题存在唯一的极小值点。取出其中第j个基站的部分，记为S_j，可利用拉格朗日对偶函数进行求解。第j个基站的拉格朗日函数如下：

利用KKT条件，对拉格朗日函数求偏导数，并令其为0，则可以求得：

KKT条件是指对于带有等式和不等式约束的优化问题，构造相应的拉格朗日函数后，函数的最优值取得必须满足以下三个条件，即KKT条件：1.构造的拉格朗日函数对各个自变量求偏导数后的函数在该点的函数值为0；2.等式约束函数带入该最优点的函数值为0；3.不等式约束函数的线性组合而成的新函数在该点的函数值为0。

具体到本文中，最优自变量必须满足上述三个条件，对于第一个，需要计算相应的偏导数函数。对于第二个，此处暂不用考虑，其依赖性依靠下文对λ的迭代选择取值进行限定。对于第三个，(13)式中没有不等式约束，故不用考虑。

对上式的拉格朗日函数求一阶导数，其一阶导数值小于0。计算过程不再列出。所以f(b_ij)＝λ在定义域范围内是关于自变量的单调递减函数。即如果能求得合适的λ取值，即可求解出该带宽分配子问题的最优解。本发明实施例采用折半搜索迭代法来求解最优的λ取值。λ的最大取值和最小取值分别用λ_max和λ_min表示。满足：

将同时满足(16)式和(17)式的自变量取值代入(15)式中，可求得一系列λ取值，即：

则可以得到

将上式求得的自变量取值代入(15)式中，同样可求得一系列λ取值，则：

其中，为接入第j个基站中第i个用户对应其自己计算的最小λ取值。由计算得到的λ的最大值和最小值所划分的区间，即可作为折半搜索迭代法中λ的初始计算范围。

本发明实施例采用折半搜索迭代法来求解最优的λ取值的过程如下：将接入第j个基站的所有用户依照计算得到的带宽分配比例进行如下的验证过程：

如果相加之和小于1，说明在该轮迭代过程中，λ取值过大，后续迭代需要令λ_max＝λ⁽ⁿ⁾；

如果相加之和大于1，说明在该轮迭代过程中，λ取值过小，后续迭代需要令λ_min＝λ⁽ⁿ⁾。

不断重复上述迭代过程，即令λ⁽ⁿ⁺¹⁾＝(λ_max+λ_min)/2，继续计算各用户相应的带宽分配比例，直到最终相加之和恰好为1时，算法停止迭代过程，此时的带宽分配比例即为满足各用户最低速率要求下的最优解，根据求解出的基站j接入的各个用户的b_ij根据式(7)计算出基站j的总发射功率。

上文处理的为确定用户接入时基站对各个接入用户的带宽资源分配及发射功率计算，求解x_ij的过程为后续接入子过程确定。

用户接入过程中效用函数的确定

用户集合的效用函数为：

β_t为不同类型的基站对应的偏置值，SINR_ij为基站j对用户i的信干噪比，t＝1,2,3分别代表宏基站、微微基站和家庭基站，α为权重因子，L_j为当前第j个基站的负载，

基站集合的效用函数定义为：

即依靠(22)式确定，对于给定的某个基站，基站对每个用户的效用函数是该用户实际的信干噪比，这个信噪比SINR_ij是在用户i向基站j提交申请的时候基站可以获取到的性能参数。后续接入过程中基站依靠这个信干噪比的大小对所有向其提出申请的用户进行偏好排序，显然，如果确定某个用户不能接入该基站，则对其的效用函数值为0。

用户接入算法的具体实现过程

用户测量并计算该用户与每个基站之间的信干噪比SINR值；

根据用户与每个基站之间的SINR值计算出在用户侧每个基站对该用户的效用函数值，用户向对自己效用函数值最高的基站发送接入申请，该接入申请中携带与用户和该基站之间的SINR值相关的信道质量信息。

基站接收到多个用户发送的接入申请后，对每个用户提供的信道质量信息进行处理，并将从接入申请中提取出来的SINR值作为基站侧发送该接入请求的用户的效用函数值，根据基站侧用户的效用函数值对多个用户进行排序，基站根据基站侧效用函数值最高的用户的速率请求和干扰情况判断该效用函数值最高的用户是否能够接入该基站，如果是，则反馈接入成功的信息给所述效用函数值最高的用户；否则，反馈接入失败的信息给所述效用函数值最高的用户。

基站将基站侧效用函数值最高的用户作为待接入用户，采用拉格朗日对偶法和折半搜索迭代法重新计算该待接入用户和原有已接入用户的带宽分配比例，若满足用户速率以及基站总消耗功率优化的要求，即满足此时各用户的带宽比例相加为1，则判断允许所述待接入用户接入基站，更新相应的x_ij为1，并反馈接入成功的信息给所述待接入用户，同时所述基站更新自身的当前负载。

若不满足用户速率以及基站总消耗功率优化的要求，则基站判断所述待接入用户不能够接入该基站，反馈接入失败的信息给所述待接入用户，所述待接入用户接收到接入失败的信息后，将用户侧原申请基站的效用函数值置为0，该用户再次选择剩余基站中效用函数值最大的一个基站递交接入申请。

重复上述过程，直到所有用户都能接入基站后，用户接入算法停止。

用户收到基站的反馈信息后，决定下一轮接入申请的动作。如果某用户的接入申请成功后，则***将该用户从待接入用户队列中移除；如果某用户的接入申请被拒绝后，则该用户根据用户效用函数的计算规则将原申请基站的效用置为0，然后再次选择剩余基站中效用函数值最大的一个递交接入申请。重复上述过程，直到所有用户都能接入基站后，算法停止。

仿真结果与分析

仿真设置

仿真***中有一个宏基站，覆盖半径为500m，其最大发射功率为46dBm，10个Pico基站和40个Femto基站及相应的用户均匀分布在该研究范围内，最大发射功率分别为35dBm和20dBm。具体仿真使用到的一些参数如下表1所示。

表1仿真参数设置

在基站功耗方面，使用上文提到的线性功耗模型，不同类型基站的功耗模型参数如下表2所示：

表2基站线性功耗模型参数

仿真性能指标

本发明采用速率功耗比，也即功耗效率作为主要的评价指标，其定义为***的总吞吐量和***中所有基站的总消耗功率之比。

在公平性部分，使用Jain公平性因子作为主要评价指标，其计算方式如下：

其中，r_n为第n个用户的相关性能，N为***中所有用户的总数。具体到本发明中，上式提到的用户将被替换成***中的基站，相关性能为各个基站服务其所有接入用户的总吞吐量和接入用户的数量。

仿真结果分析

本发明所提算法为基于配对理论和功耗改善，利用最大信干噪比进行接入的算法(Matching Theory and Power consumption improvement-based，MTPI—SINR)，而对比算法主要有基于配对理论和带宽平均分配(Matching Theory and Band AllocationAveraging,MTBAA—SINR)的，有基于配对理论和功率最小化(Matching Theory and PowerMinimization,MTPM—SINR)，即现有文献提出的不准确的发射功率最小化结合配对理论的接入和功率调整算法，以及基于配对理论和功耗改善，利用最大信道增益进行接入的算法(MTPI—CH)。下文为相关仿真结果的具体分析。

图2为本发明实施例提供的一种***吞吐量与总功耗比值随用户个数变化情况示意图，即能耗效率随***用户数量变化而变化的结果。从整体的趋势来看，该值随自变量的增加而减少，这是由于基站带宽资源有限，所以随着用户数量的增加，***最终的实际总吞吐量呈现下降的态势。从纵向上来看，不同算法间在***相同用户数量的前提下的性能表现有差异。可以看到，本发明所提算法在功耗效率方面表现优异，优于其他三种算法。

图3为***基站各自吞吐量的Jain公平性因子随***用户数量变化而变化的示意图。从整体的趋势来看，该值随自变量的增加而增加。纵向对比后发现，在相同用户数量的基础上，MTPI算法不管是以最大信干噪比还是以最大信道增益为基础的，其吞吐量公平性均优于其余两种算法。原因是经过功耗改善后，各个基站的发射功率基本可以调整到最佳，又由于各基站的吞吐量不仅和其自身发射功率相关，还与其他基站的发射功率密切相关，因此每个基站的总吞吐量在本发明算法中相较带宽平均分配进而进行功率优化以及传统功率优化条件(均未准确调整发射功率)下的一致性和公平性更高。

图4为***各个基站最终接入用户数量的Jain公平性因子随***用户数量变化而变化示意图。四种算法下，随自变量的增加，该项数值均呈现上升趋势。图4表明，MTPI算法不管是以最大信干噪比还是以最大信道增益为基础的，其基站接入数量公平性均优于其余两种算法。原因和图3一致。

综上所述，本发明实施例研究了给定目标速率条件下的用户接入及能效优化问题。首先针对现有文献功率优化表达方式的不足，在改进基站总发射功率模型的基础上，利用拉格朗日对偶和二分法对接入过程中的用户分配资源比例和基站为每个接入用户提供的发射功率进行了优化和调节，使功耗优化模型能更准确反映基站的实际发射功率和功耗。

本发明提出了一种用于超密集部署场景下的用户接入算法，解决了给定目标速率条件下基于能效优化的用户接入问题。仿真结果表明，本发明的算法具有良好的公平性，且在功耗效率上优于其他对比算法。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或***实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及***实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种超密集异构网***中基于能耗与配对的用户接入方法，其特征在于，包括：

用户测量并计算该用户与每个基站之间的信干噪比SINR值；

根据用户与每个基站之间的SINR值计算出在用户侧每个基站对该用户的效用函数值，用户向对自己效用函数值最高的基站发送接入申请，该接入申请中携带与用户和该基站之间的SINR值相关的信道质量信息；

基站接收到多个用户发送的接入申请后，对每个用户提供的信道质量信息进行处理，并将从接入申请中提取出来的SINR值作为基站侧发送该接入请求的用户的效用函数值，根据基站侧用户的效用函数值对多个用户进行排序，基站根据基站侧效用函数值最高的用户的速率请求和干扰情况判断该效用函数值最高的用户是否能够接入该基站，如果是，则反馈接入成功的信息给所述效用函数值最高的用户；否则，反馈接入失败的信息给所述效用函数值最高的用户。

2.根据权利要求1所述的方法，其特征在于，所述的基站根据用户与基站之间的信干噪比SINR计算基站为每个用户提供的发射功率，包括：

用户i与基站j之间的SINR与基站j为用户i提供的发射功率之间的关系由下式给出:

P_ij为用户i占用全部资源块传输时基站j的总发射功率，g_ij为基站j对用户i的信道衰落系数，g_ik为基站k对用户i的信道衰落系数，σ²为高斯白噪声功率，为基站j的最大发射功率。

3.根据权利要求1所述的方法，其特征在于，所述的根据用户与每个基站之间的SINR值计算出用户侧的每个基站对该用户的效用函数值，包括：

用户侧的基站j对用户i的效用函数值的计算公式如下：

β_t为不同类型的基站对应的偏置值，SINR_ij为基站j对用户i的信干噪比，t＝1,2,3分别代表宏基站、微微基站和家庭基站，α为权重因子，L_j为当前第j个基站的负载，

4.根据权利要求1或2或3所述的方法，其特征在于，所述的基站根据基站侧效用函数值最高的用户的速率请求和干扰情况判断该效用函数值最高的用户是否能够接入该基站，如果是，则反馈接入成功的信息给所述效用函数值最高的用户，包括：

基站将基站侧效用函数值最高的用户作为待接入用户，采用拉格朗日对偶法和折半搜索迭代法重新计算该待接入用户和原有已接入用户的带宽分配比例，若满足用户速率以及基站总消耗功率优化的要求，则判断允许所述待接入用户接入基站，并反馈接入成功的信息给所述待接入用户，同时所述基站更新自身的当前负载。

5.根据权利要求4所述的方法，其特征在于，所述的否则，反馈接入失败的信息给所述效用函数值最高的用户，包括：

若不满足用户速率以及基站总消耗功率优化的要求，则基站判断所述待接入用户不能够接入该基站，反馈接入失败的信息给所述待接入用户，所述待接入用户接收到接入失败的信息后，将用户侧原申请基站的效用函数值置为0，该用户再次选择剩余基站中效用函数值最大的一个基站递交接入申请；

重复上述过程，直到所有用户都能接入基站后，用户接入算法停止。

6.根据权利要求4所述的方法，其特征在于，所述的采用拉格朗日对偶法和折半搜索迭代法重新计算该待接入用户和原有已接入用户的带宽分配比例，包括：

设超密集异构网***中用户集合为Z，数量为Z，所有基站的集合为M，数量为M，下标i表示用户索引，下标j表示基站索引，用户为用户设备；

定义二元接入指示变量为：

假设超密集异构网***的资源复用因子为1，b_ij为第i个用户占用第j个基站总带宽的比例系数，设第j个基站的总资源块个数为50，第j个基站资源的最小划分比例为1/50＝0.02，满足：

0＜b_ij≤1,b_ij＝0.02k,k∈N⁺ (5)

设定***中所有用户通信时的速率需求固定为R_i，求得基站j为用户i提供的发射功率为：

当给定接入方案时，基站j的总发射功率为：

采用拉格朗日对偶法和折半搜索迭代法求解下面的式(9)所示的功耗优化算式，计算出比例系数b_ij和二元接入指示变量x_ij：

求解上面的式(9)同时需要满足(1)、(3)、(5)式的约束条件。

7.根据权利要求6所述的方法，其特征在于，所述的采用拉格朗日对偶法和折半搜索迭代法求解上面的式(9)所示的功耗优化算法，计算出比例系数b_ij和二元接入指示变量x_ij，包括：

当给定接入方案，二元接入指示变量x_ij已知时，式(9)转化为式(10)所示的比例系数b_ij的优化算式：

代入(6)式求得的发射功率P_ij，则上式转为求解：

其中，Z_j为第j个基站接入的用户集合，上式(11)、(12)需满足(1)、(3)、(5)式的约束条件；

利用拉格朗日对偶函数对式(11)、(12)进行求解，第j个基站的拉格朗日函数如下：

利用KKT条件，对拉格朗日函数求偏导数，并令其为0，则求得：

对式(15)的拉格朗日乘数求一阶导数，f(b_ij)＝λ在定义域范围内是关于自变量的单调递减函数，采用折半搜索迭代法来求解最优的λ取值，λ的最大取值和最小取值分别用λ_max和λ_min表示，满足：

将同时满足(16)式和(17)式的自变量取值代入(15)式中，求得一系列λ取值，即：

则得到

将上式(19)求得的自变量取值代入(15)式中，同样求得一系列λ取值，则：

其中，λ_i ^min为接入第j个基站中第i个用户对应其自己计算的最小λ取值。由上述计算得到的λ的最大值和最小值所划分的区间，即可作为折半搜索迭代法中λ的初始计算范围；

采用折半搜索迭代法来求解最优的λ取值的过程如下：将接入第j个基站的所有用户依照计算得到的带宽分配比例进行如下的验证：

如果接入第j个基站的所有用户的b_ij相加之和小于1，说明在该轮迭代过程中，λ取值过大，后续迭代需要令λ_max＝λ⁽ⁿ⁾；

如果接入第j个基站的所有用户的b_ij相加之和大于1，说明在该轮迭代过程中，λ取值过小，后续迭代需要令λ_min＝λ⁽ⁿ⁾；

不断重复上述迭代过程，即令λ⁽ⁿ⁺¹⁾＝(λ_max+λ_min)/2，继续计算各用户相应的带宽分配比例，直到最终相加之和恰好为1时，算法停止迭代过程，此时的带宽分配比例b_ij即为满足各用户最低速率要求下的最优解。