CN109769257A - 基于能效的异构网络鲁棒资源分配和时长混合优化方法 - Google Patents
基于能效的异构网络鲁棒资源分配和时长混合优化方法 Download PDFInfo
- Publication number
- CN109769257A CN109769257A CN201910039681.5A CN201910039681A CN109769257A CN 109769257 A CN109769257 A CN 109769257A CN 201910039681 A CN201910039681 A CN 201910039681A CN 109769257 A CN109769257 A CN 109769257A
- Authority
- CN
- China
- Prior art keywords
- subcarrier
- power
- user
- winged
- phone 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
Links
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明请求保护一种基于能效的异构网络鲁棒资源分配和时长混合优化方法,属于认知异构无线网络中的资源分配技术领域。通过考虑传输功率限制,跨层干扰约束和传输时长碰撞概率约束,首先利用次优分配方案实现子载波分配,接着利用伯恩斯坦近似法来获得凸优化问题,然后利用泰勒级数展开得到最优传输时间,最后利用拉格朗日函数法得到最优传输功率,并提出了一种基于迭代的最优资源分配方法。仿真结果表明,所提出方法在得到最优传输时长的同时能很好的保护宏用户的性能,具有较强的鲁棒性。
Description
技术领域
本发明属于认知异构无线网络中的资源分配技术领域,具体是认知异构无线网络中基于用户中断概率的鲁棒资源分配方法。
背景技术
随着近年来通信技术的快速发展,各种移动设备和智能应用层出不穷,在数量不断提升的同时,也对网络的频谱利用率、覆盖以及容量等方面提出了更高的要求。因此,认知异构网络应运而生,在不增加宏蜂窝小区数量的前提下,通过部署具备认知能力的飞蜂窝小区,能有效降低宏蜂窝网络负荷且提高用户的服务质量和频谱利用率。然而大规模地部署认知飞蜂窝小区会导致能耗显著增加,如果不采取有效的能效控制方案,能耗会随着通信技术的快速发展而变得日益庞大。因此,为满足绿色通信的发展要求,对认知异构网络能效问题的研究十分重要。
确定每帧中的最优感知、传输时间以及资源分配策略,对于认知异构网络能效的最大化都十分关键。目前关于认知无线电网络最优传输时间的研究,大多只考虑一对主用户和次用户的网络场景,这些模型不能适用于多用户和多载波场景。另一方面,传统的异构网络资源分配算法,仅在完美信道状态信息下对资源分配问题进行研究。然而,在实际通信场景中,由于传输延迟和信道估计误差,完美的信道状态信息是难以准确地获得的。因此,研究信道不确定性下的资源分配和传输时长混合优化问题更具现实意义。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种在得到最优传输时长的同时能很好的保护宏用户的性能,具有较强的鲁棒性的基于能效的异构网络鲁棒资源分配和时长混合优化方法。本发明的技术方案如下:
一种基于能效的异构网络鲁棒资源分配和时长混合优化方法,其包括以下步骤:
S1:初始化***参数,所述***参数包括宏蜂窝用户数M、飞蜂窝用户数F、可用子载波数目N、信道增益、飞蜂窝网络总电路功耗值Pc total、飞蜂窝用户最大发射功率值Pi max、子载波最大发射功率值跨层干扰温度值Ith和中断概率阈值∈;初始化子载波分配状态集合 表示在此定义的子载波分配状态集合,设定迭代次数Tmax,迭代初始化;
S2:获取信道信息;利用次优分配方案进行子载波的分配,并更新子载波分配状态集合;
S3:判断所有子载波是否都分配给了飞蜂窝用户,若是则进入S4;否则,返回S2;
S4:得到***最优传输时长、飞蜂窝用户最优功率、飞蜂窝网络最优能效,并更新飞蜂窝用户发射功率限制因子λi o(t)、子载波发射功率控制因子和宏蜂窝服务质量保护因子λq(t);
S5:判断飞蜂窝用户在所有子载波上的发射功率总和是否小于等于最大发射功率;若是,则进入S6;否则,进入S7;
S6:利用伯恩斯坦近似法来获得凸优化问题,计算所有飞蜂窝用户对宏蜂窝宏基站的干扰功率,并判断是否小于等于干扰功率门限值;若是,则进入S7;否则,进入S8;
S7:判断子载波发射功率是否小于等于子载波最大发射功率;若是,则进入S8;否则,取最优发射功率为子载波最大发射功率并进入下一次迭代;
S8:判断当前迭代次数是否大于最大迭代次数,若是,则结束,得出***最优传输时长、飞蜂窝用户最优发射功率以及飞蜂窝网络最优能效;否则,进入下一次迭代,返回S4。
进一步的,所述步骤S2利用次优分配方案进行子载波的分配,并更新子载波分配状态集合,具体包括:
获取信道信息,根据对子载波进行分配,i′表示对应子载波所分配给的用户i′,辅助变量其中,是每一帧内子载波上没有宏蜂窝用户存在的数据传输时间,pn代表每个子载波上被分配的初始功率,Ci,n是从第i个飞蜂窝用户到飞蜂窝认知接入节点在第n个子载波上的等效信道增益,代表第n个子载波空闲且飞蜂窝接入点做出正确判断的概率,代表初始传输时间,τ代表认知异构网络感知时间,Pc total是飞蜂窝网络总电路功耗值,Ntotal是OFDM***总子载波数;在每一次子载波分配后,根据对子载波分配状态集合进行更新。
进一步的,所述步骤S4***得到最优传输时长具体包括:
所述***局部最优传输时长根据计算,其中,α是宏蜂窝用户的空闲率参数,w(t-1)为辅助变量,表示为全局最优传输时长根据计算,其中,[x]+=max{0,x},代表传输时长上限值。
进一步的,在S4中,所述飞蜂窝用户最优传输功率根据计算,其中,是每一帧内子载波上没有宏蜂窝用户存在的最优数据传输时间;φ(t-1)为辅助变量,可表示为其中,χ为丁克尔巴赫法非负转换因子,ωi,n为使用伯恩斯坦法后近似干扰链路增益。
进一步的,所述步骤S4中,飞蜂窝网络最优能效根据计算,其中,ri,n(t)是第i个飞蜂窝用户在第n个子载波上的信干噪比,可表示为其中,hi,n是第i个飞蜂窝用户到飞蜂窝接入点在子载波n上的直接信道增益,pw,n是第w个宏蜂窝用户在子载波n上的传输功率,hw,n是第w个宏蜂窝用户到飞蜂窝接入点在子载波n上的直接信道增益,σ2表示加性高斯白噪声;表示飞蜂窝用户最优传输功率, T是每一帧的总时长,即T=τ+Td,其中τ为每一帧内飞蜂窝用户感知时间,Td为每一帧内飞蜂窝用户数据传输时间。
进一步的,在步骤S4中,所述飞蜂窝用户发射功率限制因子λi o(t)、子载波发射功率控制因子和宏蜂窝服务质量保护因子λq(t)的更新表达式如下:
其中,bo、bp和bq为λi o(t)、和λq(t)相应的更新步长;Pi max表示第i个飞蜂窝用户允许发射的最大功率、pn max表示第n个子载波上允许发射的最大功率、 Ith表示宏基站接收机的跨层干扰温度阈值。
进一步的,所述步骤S6具体为:通过公式判断是否飞蜂窝用户对宏基站的干扰功率小于等于干扰功率门限值;其中,ωi,n为使用伯恩斯坦法后近似干扰链路增益,表示为其中,表示定义等于,辅助变量bi,n与ai,n分别为干扰链路增益Gi,n分布取值上下界;∈为中断概率阈值;辅助变量其中,辅助变量 和σn为伯恩斯坦近似参量。
本发明的优点及有益效果如下:
本发明考虑频谱感知不确定性和信道不确定性,引入发射功率、跨层干扰限制和传输时长碰撞概率的约束,对上行传输链路建立符合实际的网络模型和数学模型。利用次优算法实现子载波分配,接着利用泰勒级数展开得到最优传输时间,最后利用伯恩斯坦近似法来获得凸优化问题,并提出了一种基于迭代的最优资源分配方法。
本发明不同于传统异构网络基于能效的资源分配方法,传统资源分配方法中往往只对子载波分配方案以及功率控制问题进行优化。然而,在认知异构网络中,对于飞蜂窝网络中用户传输时间的确定,会很大程度上影响***的能效。目前对于认知无线电传输时间的研究中,大都只考虑单主用户单次用户的网络场景,还没有一种适用于多载波、多用户的网络模型。
因此,本专利通过建立多用户、多载波的认知异构网络模型,考虑在不完美信道状态信息下,同时对资源分配问题和传输时长进行优化,并提出了一种基于能效的异构网络鲁棒资源分配和时长混合优化方法。通过与现有技术方案进行仿真对比,由于本专利方法考虑了不完美信道状态信,本专利方法具有更好的鲁棒性。另一方面,由于本专利方法相较于现有异构网络资源分配方案,增加引入了时间维度的优化变量,能进一步提高***的能效。
附图说明
图1是本发明提供优选实施例***模型图
图2为本发明的帧结构示意图
图3为本发明的流程图
图4为本发明在不同宏蜂窝用户个数下,飞蜂窝能效和传输时间之间的曲线图
图5为本发明在不同资源分配方法下,中断概率与不确定参数之间的曲线图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
本专利考虑一个双层上行链路认知异构网络模型,用M和F分别表示宏蜂窝网络和认知飞蜂窝网络中的活跃用户数,用户集合分别定义为与飞蜂窝用户通过具备认知能力的飞蜂窝接入点机会性地使用宏蜂窝用户的频谱,而宏蜂窝用户可以在任何时间使用子载波。假设OFDM***具有Ntot个子载波,将飞蜂窝网络检测到的空闲子载波集定义为将被宏蜂窝用户占用的子载波集合的定义为
根据上述定义,第i个飞蜂窝用户在子载波n上的信干噪比可表示为:
其中,pi,n表示第i个飞蜂窝用户在子载波n上的传输功率,hi,n是第i个飞蜂窝用户到飞蜂窝接入点在子载波n上的直接信道增益,pw,n是第w个宏蜂窝用户在子载波n上的传输功率,hw,n是第w个宏蜂窝用户到飞蜂窝接入点在子载波n上的直接信道增益,σ2表示加性高斯白噪声。
由飞蜂窝接入点确定子载波是否被宏蜂窝网络占用,存在四种不同情况:
情况1:第m个子载波没有被宏蜂窝网络占用,飞蜂窝接入点判断该子载波也没有被占用,假设该情况概率为
情况2:第m个子载波被宏蜂窝网络占用,但飞蜂窝接入点判断该子载波没有被占用,假设该情况概率为
情况3:第m个子载波没有被宏蜂窝网络占用,但飞蜂窝接入点判断该子载波被占用了,假设该情况概率为
情况4:第m个子载波被宏蜂窝网络占用,飞蜂窝接入点判断该子载波也没有被占用,假设该情况概率为
根据以上分析和OFDM的传输特性,从第i个飞蜂窝用户到宏基站在子载波n 上的跨层干扰功率可表示为
其中,表示由i个飞蜂窝用户引起的从子载波n到子载波w上的带外干扰,Gi,n表示第i个飞蜂窝用户到宏基站在子载波n上的信道增益。
数据帧结构由图2给出,一个完整的数据帧包含持续时间为τ的感知时间和持续时间为Td的数据传输时间。因此,总帧长可表示为T=τ+Td。在数据传输时间内,宏蜂窝用户可能会重新占用子载波,这将导致数据碰撞,在这种情况下,数据传输时间分为两个阶段:一个阶段Td1表示没有宏蜂窝用户存在的数据传输时间;另一个阶段Td2是宏蜂窝用户存在的碰撞数据传输时间,因此,有 Td=Td1+Td2。假设宏蜂窝用户的空闲状态和占用状态的持续时间分别遵循空闲率参数为α和占用率参数为β的指数分布,有
由于本专利的优化目标是认知异构网络下最大化能效问题,因此我们将分别讨论飞蜂窝的吞吐量和能量消耗。飞蜂窝网络的总吞吐量如下:
其中,xi,n∈{0,1}是子载波分配因子,xi,n=1表示第n个子载波被分配给认知飞蜂窝网络中第i个飞蜂窝用户;否则,记xi,n=0。
认知飞蜂窝网络的总能耗是:
其中,Pc total表示飞蜂窝网络总电路功耗。
由于无线信道环境的动态特性,在无线通信网络中难以获得完美的信道状态信息,因此存在一些***参数的估计误差。假设由于不完美的信道估计误差和噪声不确定性,信道增益存在一些不确定性,则信道增益变为
其中,表示从飞蜂窝用户到宏基站的估计信道增益,这些参数对于飞蜂窝网络是完全已知的。ΔGi,n是相应的扰动项(即估计误差),它由区间限定,其中,表示不确定域的上限。
为得到飞蜂窝用户的子载波分配方案、数据传输时间和功率分配方案,可以通过求解以下优化问题得到:
其中,C1约束每个飞蜂窝用户的传输功率,Pi max为第i个飞蜂窝用户允许发射的最大功率;C2限制每个子载波上的传输功率,为子载波n上允许发射的最大功率;C3和C4保证每个子载波只能分配给一个飞蜂窝用户;C5是飞蜂窝网络对宏基站干扰功率的中断概率约束,以保护信道不确定性下宏蜂窝网络的服务质量,∈表示中断概率阈值,Ith表示宏基站接收机的跨层干扰温度阈值;C6约束传输阶段中碰撞时间占比,θ表示数据传输阶段的碰撞概率上限。
在确定了优化模型后,首先讨论子载波分配问题。令分配给每个子载波的初始功率为
另一方面,由于变量Td受到条件C6的约束,因此在进行子载波分配之前需要得到初始传输时间,通过使用泰勒级数展开,C6可转换为
因此我们假设初始传输时间是我们假设在相同初始传输功率和传输时间之下,第n个子载波总是被分配给具有最高能效的第i个飞蜂窝用户。因此,我们可以通过如下等式来确定xi,n的取值:
其中,是使用泰勒级数展开后飞蜂窝用户没有与宏蜂窝用户碰撞的传输时间,它可以表示为
在完成子载波分配后,优化问题OP1中的整数约束被移除。另一方面,在OP1 中,C5不是凸约束形式,通过使用伯恩斯坦近似法,假设Gi,n的分布受到[ai,n,bi,n] 限制,其中,ai,n,bi,n由区间[-1,1]约束,定义与有
其中, 满足且σn≥0,σn的值取决于给定的概率分布簇。
将不等式(11)带回到OP1中,同时根据等式(10)确定最优子载波分配方案,有
其中,pi′,n表示分配给第i'个飞蜂窝用户的实际功率,ri′,n=pi′,nCi′,n表示第i′个飞蜂窝用户在子载波n上的实际信干噪比。由于为方便起见,在后文中我们使用变量替换i=i′来描述。
为求解OP2,我们将它分解为关于变量Td和pi,n的两个子问题,在求解对应子问题的过程中将另一变量视为常数处理。在分别求得最优和之后,可利用本专利所提出混合优化方法求得双变量问题耦合最优解。首先讨论关于最优传输时间Td的子问题:
关于变量Td,OP2(a)是一个拟凹问题,令得到
此外,由于C10的限制,局部最优解Td'不能超过基于以上讨论,全局最优解可表示为
其中,[x]+=max{0,x}。
接下来讨论最优功率分配问题:
其中,表示最优的总帧长,表示飞蜂窝用户不与宏蜂窝用户发生数据碰撞的最优数据传输时间。
OP2(b)中的目标函数是关于pi,n的拟凹函数,因此,通过使用丁克尔巴赫法可以求得最优传输功率值,定义
其中,χ是一个非负参数。
通过使用拉格朗日函数法,有:
其中,λi o,和λq分别是约束C7,C8和C11的拉格朗日乘子。
通过利用KKT条件,对应于χ的最优pi,n值由下式给出:
其中,辅助变量
然后可以通过采用梯度法来更新拉格朗日乘子:
其中,bo、bp和bq是步长,t表示迭代次数,通过选择合适的步长,可以保证对偶算法的收敛性。
下面结合仿真对本发明的应用效果作详细的描述。
1)仿真条件
考虑两层上行认知异构网络,飞蜂窝网络和宏蜂窝网络的小区半径分别为30 米和500米。假设认知异构网络由一个宏蜂窝网络和一个飞蜂窝网络组成,宏蜂窝用户数和飞蜂窝用户数为分别取为4和2。假设Ntotal=32,其中空闲的子载波集合是被宏蜂窝网络占用的子载波集合是虚警漏检和MU占用子载波的概率分别服从在[0.05,0.1],[0.01,0.05]和[0,1] 上的均匀分布。在伯恩斯坦近似法中,我们取同时限定Gi,n的取值范围在区间[0.001,0.002]内。其他仿真参数由表1给出。
表1.仿真参数表
2)仿真结果
在本实施例中,图4给出了本实施例方法所得在不同宏蜂窝用户个数下,飞蜂窝能效与传输时间之间的关系图。图5给出了在不同资源分配方法下,中断概率与不确定参数之间的关系图。其中,图5通过将本实施例中鲁棒资源分配方法与子载波均分算法、非鲁棒算法进行对比,同时考虑本方法在完美频谱感知条件下的中断概率表现,可见所提鲁棒资源分配方法具有最小的中断概率。图4和图5的实验结果显示本发明在确定最优传输时间的同时也能有效地控制中断概率,保护飞蜂窝用户和宏蜂窝用户的服务质量,具有良好的鲁棒性。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (7)
1.一种基于能效的异构网络鲁棒资源分配和时长混合优化方法,其特征在于,包括以下步骤:
S1:初始化***参数,所述***参数包括宏蜂窝用户数M、飞蜂窝用户数F、可用子载波数目N、信道增益、飞蜂窝网络总电路功耗值飞蜂窝用户最大发射功率值Pi max、子载波最大发射功率值跨层干扰温度值Ith和中断概率阈值∈;初始化子载波分配状态集合 表示在此定义的子载波分配状态集合,设定迭代次数Tmax,迭代初始化;
S2:获取信道信息;利用次优分配方案进行子载波的分配,并更新子载波分配状态集合;
S3:判断所有子载波是否都分配给了飞蜂窝用户,若是则进入S4;否则,返回S2;
S4:得到***最优传输时长、飞蜂窝用户最优功率、飞蜂窝网络最优能效,并更新飞蜂窝用户发射功率限制因子子载波发射功率控制因子和宏蜂窝服务质量保护因子λq(t);
S5:判断飞蜂窝用户在所有子载波上的发射功率总和是否小于等于最大发射功率;若是,则进入S6;否则,进入S7;
S6:利用伯恩斯坦近似法来获得凸优化问题,计算所有飞蜂窝用户对宏蜂窝宏基站的干扰功率,并判断是否小于等于干扰功率门限值;若是,则进入S7;否则,进入S8;
S7:判断子载波发射功率是否小于等于子载波最大发射功率;若是,则进入S8;否则,取最优发射功率为子载波最大发射功率并进入下一次迭代;
S8:判断当前迭代次数是否大于最大迭代次数,若是,则结束,得出***最优传输时长、飞蜂窝用户最优发射功率以及飞蜂窝网络最优能效;否则,进入下一次迭代,返回S4。
2.根据权利要求1所述的基于能效的异构网络鲁棒资源分配和时长混合优化方法,其特征在于,所述步骤S2利用次优分配方案进行子载波的分配,并更新子载波分配状态集合,具体包括:
获取信道信息,根据对子载波进行分配,i′表示对应子载波所分配给的用户i′,辅助变量其中,是每一帧内子载波上没有宏蜂窝用户存在的数据传输时间,pn代表每个子载波上被分配的初始功率,Ci,n是从第i个飞蜂窝用户到飞蜂窝认知接入节点在第n个子载波上的等效信道增益,代表第n个子载波空闲且飞蜂窝接入点做出正确判断的概率,代表初始传输时间,τ代表认知异构网络感知时间,是飞蜂窝网络总电路功耗值,Ntotal是OFDM***总子载波数;在每一次子载波分配后,根据对子载波分配状态集合进行更新。
3.根据权利要求2所述的基于能效的异构网络鲁棒资源分配和时长混合优化方法,其特征在于,所述步骤S4***得到最优传输时长具体包括:
所述***局部最优传输时长根据计算,其中,α是宏蜂窝用户的空闲率参数,w(t-1)为辅助变量,表示为全局最优传输时长根据计算,其中,[x]+=max{0,x},代表传输时长上限值。
4.根据权利要求3所述的基于能效的异构网络鲁棒资源分配和时长混合优化方法,其特征在于,在S4中,所述飞蜂窝用户最优传输功率根据计算,其中,是每一帧内子载波上没有宏蜂窝用户存在的最优数据传输时间;φ(t-1)为辅助变量,可表示为其中,χ为丁克尔巴赫法非负转换因子,ωi,n为使用伯恩斯坦法后近似干扰链路增益。
5.根据权利要求4所述的基于能效的异构网络鲁棒资源分配和时长混合优化方法,其特征在于,所述步骤S4中,飞蜂窝网络最优能效根据计算,其中,ri,n(t)是第i个飞蜂窝用户在第n个子载波上的信干噪比,可表示为其中,hi,n是第i个飞蜂窝用户到飞蜂窝接入点在子载波n上的直接信道增益,pw,n是第w个宏蜂窝用户在子载波n上的传输功率,hw,n是第w个宏蜂窝用户到飞蜂窝接入点在子载波n上的直接信道增益,σ2表示加性高斯白噪声;表示飞蜂窝用户最优传输功率,T是每一帧的总时长,即T=τ+Td,其中τ为每一帧内飞蜂窝用户感知时间,Td为每一帧内飞蜂窝用户数据传输时间。
6.根据权利要求5所述的基于能效的异构网络鲁棒资源分配和时长混合优化方法,其特征在于,在步骤S4中,所述飞蜂窝用户发射功率限制因子λi o(t)、子载波发射功率控制因子和宏蜂窝服务质量保护因子λq(t)的更新表达式如下:
其中,bo、bp和bq为λi o(t)、和λq(t)相应的更新步长;Pi max表示第i个飞蜂窝用户允许发射的最大功率、表示第n个子载波上允许发射的最大功率、Ith表示宏基站接收机的跨层干扰温度阈值。
7.根据权利要求5所述的基于能效的异构网络鲁棒资源分配和时长混合优化方法,其特征在于,所述步骤S6具体为:通过公式判断是否飞蜂窝用户对宏基站的干扰功率小于等于干扰功率门限值;其中,ωi,n为使用伯恩斯坦法后近似干扰链路增益,表示为其中,表示定义等于,辅助变量bi,n与ai,n分别为干扰链路增益Gi,n分布取值上下界;∈为中断概率阈值;辅助变量其中,辅助变量 和σn为伯恩斯坦近似参量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039681.5A CN109769257B (zh) | 2019-01-16 | 2019-01-16 | 基于能效的异构网络鲁棒资源分配和时长混合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039681.5A CN109769257B (zh) | 2019-01-16 | 2019-01-16 | 基于能效的异构网络鲁棒资源分配和时长混合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109769257A true CN109769257A (zh) | 2019-05-17 |
CN109769257B CN109769257B (zh) | 2021-09-10 |
Family
ID=66452280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910039681.5A Active CN109769257B (zh) | 2019-01-16 | 2019-01-16 | 基于能效的异构网络鲁棒资源分配和时长混合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109769257B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110213826A (zh) * | 2019-05-21 | 2019-09-06 | 重庆邮电大学 | 一种非理想信道下异构携能通信网络鲁棒资源分配方法 |
CN110417496A (zh) * | 2019-07-15 | 2019-11-05 | 重庆邮电大学 | 一种基于能效的认知noma网络顽健资源分配方法 |
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 (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1300038A1 (en) * | 2000-07-05 | 2003-04-09 | Telefonaktiebolaget LM Ericsson (publ) | Method and apparatus for selecting an access technology in a multi-mode terminal |
WO2010150199A1 (en) * | 2009-06-23 | 2010-12-29 | Nokia Corporation | Method and apparatus for optimizing energy consumption for wireless connectivity |
CN104093209A (zh) * | 2014-07-24 | 2014-10-08 | 重庆邮电大学 | 一种动态认知网络资源分配方法 |
CN104717712A (zh) * | 2015-03-23 | 2015-06-17 | 东南大学 | 一种协作无线传感网增强网络生命周期的节点选择方法 |
CN105357692A (zh) * | 2015-09-28 | 2016-02-24 | 北京拓明科技有限公司 | 一种多网协同的网络优化与节能方法和*** |
US20160173833A1 (en) * | 2008-01-24 | 2016-06-16 | Micropower Technologies, Inc. | Video Delivery Systems Using Wireless Cameras |
CN106376064A (zh) * | 2016-08-30 | 2017-02-01 | 重庆邮电大学 | 一种基于宏基站协作和业务过滤的微基站节能方法 |
CN107333275A (zh) * | 2017-08-14 | 2017-11-07 | 重庆邮电大学 | 一种上行传输飞蜂窝异构网络中鲁棒功率分配的方法 |
CN107396380A (zh) * | 2017-06-26 | 2017-11-24 | 西安交通大学 | 一种合作认知网络中认知用户能量效率最优化的方法 |
CN107465479A (zh) * | 2017-04-14 | 2017-12-12 | 重庆信科设计有限公司 | 一种基于中继协助的多小区d2d通信干扰管理方法 |
CN107567055A (zh) * | 2017-10-24 | 2018-01-09 | 重庆邮电大学 | 两层异构无线网络中基于用户中断概率的鲁棒资源分配方法 |
WO2018041333A1 (en) * | 2016-08-30 | 2018-03-08 | Huawei Technologies Duesseldorf Gmbh | Apparatus and method for allocating radio resources |
CN107820317A (zh) * | 2016-09-12 | 2018-03-20 | 中国科学院沈阳自动化研究所 | 一种认知无线传感网的能量收集与功率控制方法 |
CN108650710A (zh) * | 2018-05-18 | 2018-10-12 | 广东工业大学 | 基于混合多址接入的无线供能通信网络的资源分配方法 |
CN108650705A (zh) * | 2018-03-30 | 2018-10-12 | 重庆邮电大学 | 一种能量利用率最大化的异构无线网络鲁棒功率控制方法 |
CN108712777A (zh) * | 2018-03-16 | 2018-10-26 | 南京邮电大学 | 一种考虑能量损耗的能量采集无线传输***功率分配方法 |
WO2018208992A1 (en) * | 2017-05-09 | 2018-11-15 | Nalu Medical, Inc. | Stimulation apparatus |
CN109089307A (zh) * | 2018-07-19 | 2018-12-25 | 浙江工业大学 | 一种基于异步优势行动者评论家算法的集能型无线中继网络吞吐量最大化方法 |
CN109104734A (zh) * | 2018-07-19 | 2018-12-28 | 浙江工业大学 | 一种基于深度确定性策略梯度的集能型无线中继网络吞吐量最大化方法 |
-
2019
- 2019-01-16 CN CN201910039681.5A patent/CN109769257B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1300038A1 (en) * | 2000-07-05 | 2003-04-09 | Telefonaktiebolaget LM Ericsson (publ) | Method and apparatus for selecting an access technology in a multi-mode terminal |
US20160173833A1 (en) * | 2008-01-24 | 2016-06-16 | Micropower Technologies, Inc. | Video Delivery Systems Using Wireless Cameras |
WO2010150199A1 (en) * | 2009-06-23 | 2010-12-29 | Nokia Corporation | Method and apparatus for optimizing energy consumption for wireless connectivity |
CN104093209A (zh) * | 2014-07-24 | 2014-10-08 | 重庆邮电大学 | 一种动态认知网络资源分配方法 |
CN104717712A (zh) * | 2015-03-23 | 2015-06-17 | 东南大学 | 一种协作无线传感网增强网络生命周期的节点选择方法 |
CN105357692A (zh) * | 2015-09-28 | 2016-02-24 | 北京拓明科技有限公司 | 一种多网协同的网络优化与节能方法和*** |
WO2018041333A1 (en) * | 2016-08-30 | 2018-03-08 | Huawei Technologies Duesseldorf Gmbh | Apparatus and method for allocating radio resources |
CN106376064A (zh) * | 2016-08-30 | 2017-02-01 | 重庆邮电大学 | 一种基于宏基站协作和业务过滤的微基站节能方法 |
CN107820317A (zh) * | 2016-09-12 | 2018-03-20 | 中国科学院沈阳自动化研究所 | 一种认知无线传感网的能量收集与功率控制方法 |
CN107465479A (zh) * | 2017-04-14 | 2017-12-12 | 重庆信科设计有限公司 | 一种基于中继协助的多小区d2d通信干扰管理方法 |
WO2018208992A1 (en) * | 2017-05-09 | 2018-11-15 | Nalu Medical, Inc. | Stimulation apparatus |
CN107396380A (zh) * | 2017-06-26 | 2017-11-24 | 西安交通大学 | 一种合作认知网络中认知用户能量效率最优化的方法 |
CN107333275A (zh) * | 2017-08-14 | 2017-11-07 | 重庆邮电大学 | 一种上行传输飞蜂窝异构网络中鲁棒功率分配的方法 |
CN107567055A (zh) * | 2017-10-24 | 2018-01-09 | 重庆邮电大学 | 两层异构无线网络中基于用户中断概率的鲁棒资源分配方法 |
CN108712777A (zh) * | 2018-03-16 | 2018-10-26 | 南京邮电大学 | 一种考虑能量损耗的能量采集无线传输***功率分配方法 |
CN108650705A (zh) * | 2018-03-30 | 2018-10-12 | 重庆邮电大学 | 一种能量利用率最大化的异构无线网络鲁棒功率控制方法 |
CN108650710A (zh) * | 2018-05-18 | 2018-10-12 | 广东工业大学 | 基于混合多址接入的无线供能通信网络的资源分配方法 |
CN109089307A (zh) * | 2018-07-19 | 2018-12-25 | 浙江工业大学 | 一种基于异步优势行动者评论家算法的集能型无线中继网络吞吐量最大化方法 |
CN109104734A (zh) * | 2018-07-19 | 2018-12-28 | 浙江工业大学 | 一种基于深度确定性策略梯度的集能型无线中继网络吞吐量最大化方法 |
Non-Patent Citations (5)
Title |
---|
MIN WANG, HUI GAO, AND TIEJUN LV: "Energy-Efficient User Association and Power Control in the Heterogeneous Network", 《IEEE ACCESS》 * |
YONGJUN XU, YUAN HU, QIANBIN CHEN, SHUN ZHANG: "Optimal Power Allocation for Multiuser OFDM-Based Cognitive Heterogeneous Networks", 《COMMUNICATIONS THEORIES & SYSTEMS》 * |
徐勇军: "下垫式认知无线电网络动态资源分配问题研究", 《中国博士学位论文库》 * |
景文鹏: "异构无线网络面向业务质量保障的节能优化策略研究", 《中国博士学位论文库》 * |
李晴: "基于用户行为的异构网络资源优化", 《中国优秀硕士学位论文库》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110213826A (zh) * | 2019-05-21 | 2019-09-06 | 重庆邮电大学 | 一种非理想信道下异构携能通信网络鲁棒资源分配方法 |
CN110213826B (zh) * | 2019-05-21 | 2022-06-24 | 深圳市领创星通科技有限公司 | 一种非理想信道下异构携能通信网络鲁棒资源分配方法 |
CN110417496A (zh) * | 2019-07-15 | 2019-11-05 | 重庆邮电大学 | 一种基于能效的认知noma网络顽健资源分配方法 |
CN110417496B (zh) * | 2019-07-15 | 2021-12-17 | 重庆邮电大学 | 一种基于能效的认知noma网络顽健资源分配方法 |
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 |
---|---|
CN109769257B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Selen et al. | Sensor selection for cooperative spectrum sensing | |
López-Pérez et al. | OFDMA femtocells: A roadmap on interference avoidance | |
Li et al. | Cluster‐based resource allocation scheme with QoS guarantee in ultra‐dense networks | |
CN102098680B (zh) | 动态频谱管理方法及*** | |
CN107426773B (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 | |
CN110417496A (zh) | 一种基于能效的认知noma网络顽健资源分配方法 | |
CN109769257A (zh) | 基于能效的异构网络鲁棒资源分配和时长混合优化方法 | |
CN105531963A (zh) | 无线网络中多目标小区关闭的***和方法 | |
CN104754707A (zh) | 用于控制小小区的工作状态的改变的装置和方法 | |
CN104080126A (zh) | 基于多点协作传输的蜂窝网络节能方法 | |
CN104770004A (zh) | 一种通信***和方法 | |
Jiang et al. | Efficient spectrum utilization on TV band for cognitive radio based high speed vehicle network | |
CN110337148A (zh) | 基于非正交多址接入的认知无线电能效资源分配方法 | |
CN104796991B (zh) | 基于势博弈的ofdma***的资源分配方法 | |
LeAnh et al. | Orchestrating resource management in LTE-unlicensed systems with backhaul link constraints | |
CN104640177A (zh) | 多层异构网络中基于能效的小区选择方法 | |
Cheng et al. | Delay‐sensitive user scheduling and power control in heterogeneous networks | |
JP7459879B2 (ja) | スペクトル管理装置及び無線通信方法 | |
CN103945502A (zh) | 用于能量节省的方法和装置 | |
CN107249212B (zh) | 一种d2d通信中能效最大化的功率分配方法 | |
CN102752860B (zh) | 无线通信网络中的协作分布式资源分配方法 | |
CN114423070A (zh) | 一种基于d2d的异构无线网络功率分配方法及*** | |
Peng et al. | A data-driven and load-aware interference management approach for ultra-dense networks | |
CN108736991B (zh) | 一种基于分级的群体智能频谱切换方法 | |
CN106455096A (zh) | 一种基于权重的家庭基站干扰协调方法 |
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 |