CN110719637B - 一种用户活跃下的信号监测及智能化功率分配方法,设备及计算机可读存储介质 - Google Patents
一种用户活跃下的信号监测及智能化功率分配方法,设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110719637B CN110719637B CN201910823072.9A CN201910823072A CN110719637B CN 110719637 B CN110719637 B CN 110719637B CN 201910823072 A CN201910823072 A CN 201910823072A CN 110719637 B CN110719637 B CN 110719637B
- Authority
- CN
- China
- Prior art keywords
- user
- state
- time
- probability
- signal monitoring
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000009826 distribution Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 230000000694 effects Effects 0.000 title claims abstract description 31
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000008859 change Effects 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000008447 perception Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
Images
Classifications
-
- 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
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- 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
-
- 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
本发明提供一种用户活跃下的信号监测及智能化功率分配方法,设备及计算机可读存储介质,在用户信号活跃的情况下,根据感知时间内用户状态的变化,提出四种可能出现的情况,并计算出相应的概率。本发明提出在多个用户的情况下,多个用户在感知时间内状态都有可能发生变化,针对上述四种概率双重优化,提出更符合实际情况的概率出现针对出现的概率进行智能化多功率分配的策略,优点:既保证正常通信不被干扰,又可以降低功率的整体使用,提高***的性能。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种用户活跃下的信号监测及智能化功率分配方法,设备及计算机可读存储介质。
背景技术
近年来,由于波段的稀缺和利用率低等问题严重限制着无线通信技术的发展,在服务器对通信质量要求很高的背景下,一般是先通过对波段的信号进行感知,通过感知到的结果来更改设备参数,在用户无通信信号的情况下进行阶段接入、在用户归来之前离开改波段,进而较大程度上提高了波段利用率。通过感知的结果,可以选择性的分配传输功率,在不影响用户正常工作运行的前提下,提高***的认知收益。目前对如何提高***性能、提高用户的最大吞吐量的研究有许多。但是,多数研究方向为最优化感知时间等,并对其进行功率分配。由于在波段工作时与用户出多种不同的状态,在此基础上分配给不同状态以不同的功率,在不确定用户是否归来的情况的动态密切相关,而用户的状态又可能随便发生变化,加上一个波段上不止一个用户,致使影响通信速度与质量,导致***的性能下降。
发明内容
本发明的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本发明实施例的第一方面,提供了一种用户活跃下的信号监测及智能化功率分配方法,其特征在于,方法包括:
预设用户持续的使用时间服从时间指数分布,高于预设通信量时,服从λ的指数分布,低于预设通信量时,服从μ的指数分布;
经过一个抽样时间Ts后,得到其状态转移矩阵如所示:
基于用户的状态在一帧T的时间内允许且发生一次变化,得到一下四种不同的状态,如下所示:
(1)H0,1是τ时间内用户的状态一直不发生变化且为“0”,其包括两种情况;
在整个时间T内,状态持续不变且为“0”;而是τ内用户是一直为“0”,在 T-τ中由“0”转变成了“1”;
基于多个用户同时存在于同于波段,故其发生的概率最终应为:
P(H0,1)={1-P(H1.0)}n-{1-P(H1.0)-P(H0.0)n}
因为τ时间内状态一直为“0”,用户的状态在T-τ内发生变化,故选择发送一个中间功率Pm来进行权衡,传输速率写成以下形式:
其中I+1≤a≤J表示的是用户随时返回的情况,当a=J出现时说明用户在整个一帧时间T内都是“0”状态,转化成传统的H0状态,Pu为用户的发射功率;
(2)H0,2是τ时间内用户的状态由“1”变为“0”,且在余下的时间内,状态不会发生变化的概率;
由于状态不会变化且为“0”,将选择发送一个较大的功率P0,
故发生的概率和传输速率如下:
其发生的概率最终应为:
P(H0,2)=P(H0,2)n;
(3)H1,1是τ时间内用户的状态一直不发生变化且为“1”,其也包括两种情况。
一是整个T内,状态持续不变且为“1”;二是τ内用户是一直为“1”,在T-τ中由“1”转变成了“0”;其发生概率表示如下:
其发生的概率最终应为:
P(H1,1)=(1-P(H1,0)-P(H0,0))n-P(H0,1)n
因为τ时间内状态一直为“1”,用户的状态在T-τ内发生变化,故选择发送一个中间功率Pm来进行权衡;
其传输功率写成如下形式:
其中I+1≤d≤J表示的是用户随时变为“0”的情况,当d=J情况出现时就等同于传统的H1状态;
(4)H1,2是τ时间用户的状态由“0”变为“1”,且在余下的时间内,状态不会发生变化的概率;由于状态不会变化且为“1”,将选择发送一个较小的功率P1;
故发生概率与传输速率如下:
其发生的概率最终应为:
P(H1,2)=1-{1-P(H1,2)}n
通过对以上四种状态进行不同的功率分配,分别得到总的吞吐量的表达方式为:
其中:
其平均传输功率和干扰功率的限制满足:
通过构造拉格朗日函数,求解出此用户感知主用户存在和不存在时的最优发送功率P0,P1和Pm;
其中λ和μ为传输功率和干扰功率的对偶限制参数,且λ>0;μ>0;
关于P0,P1和Pm的,转化为三个独立的优化子问题;
上述均为凸函数优化,采用KKT条件,获得三个最优传输功率为:
通过次梯度算法,获得最优的传输功率。
根据本发明实施例的第二方面,一种实现用户活跃下的信号监测及智能化功率分配方法的设备,包括:
存储器,用于存储计算机程序及用户活跃下的信号监测及智能化功率分配方法;
处理器,用于执行所述计算机程序及用户活跃下的信号监测及智能化功率分配方法,以实现用户活跃下的信号监测及智能化功率分配方法的步骤。
根据本发明实施例的第三方面,一种具有用户活跃下的信号监测及智能化功率分配方法的计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行以实现用户活跃下的信号监测及智能化功率分配方法的步骤。
从以上技术方案可以看出,本发明具有以下优点:
在用户信号活跃的情况下,根据感知时间内用户状态的变化,提出四种可能出现的情况,并计算出相应的概率
提出在多个用户的情况下,多个用户在感知时间内状态都有可能发生变化,针对四种概率进行双重优化,提出更符合实际情况的概率出现
针对四种出现的概率进行智能化多功率分配的策略,优点:既保证正常通信不被干扰,又可以降低功率的整体使用,提高***的性能。
附图说明
为了更清楚地说明本发明的技术方案,下面将对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为用户活跃下的信号监测及智能化功率分配方法实施例示意图;
图2为用户活跃下的信号监测及智能化功率分配方法实施例示意图;
图3为用户活跃下的信号监测及智能化功率分配方法实施例示意图;
图4为用户活跃下的信号监测及智能化功率分配方法实施例示意图;
图5为用户活跃下的信号监测及智能化功率分配方法仿真示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将运用具体的实施例及附图,对本发明保护的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本领域普通技术人员可以意识到,结合用户活跃下的信号监测及智能化功率分配方法中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本发明在波段工作时与用户出多种不同的状态,在此基础上分配给不同状态以不同的功率,在不确定用户是否归来的情况的动态密切相关,而用户的状态又可能随便发生变化,加上一个波段上不止一个用户,基于此基础上,本发明提出了一种多个用户信号活跃性下的智能多功率分配策略。首先对授权的波带进行感知,得下分配一个中间功率进行等待,该方法可以大大提高通信速度与质量,提高***的性能。
传统的算法中,感知结果只有两种状态:H0和H1,用户存在和用户离开。通过能量检测对其进行感知,如果能量检测信号大于门限值,则做出用户此时正在占用授权波段的判定,此时应当尽量减少发送功率甚至撤离此波段;相反,若能量检测信号小于门限值,则做出用户此时离开了授权波段的判定,可以适当增加发送功率,最大化其传输信息。但是,由于感知并不是完美的,所以可以通过感知与实际的状态分为四种不同的情况,下面的一些公式中带有下标,第一个下标会有“1”和“0”两个不同的数字,它代表的是用户真实的状态;第二个下标同时也是有“1”和“0”两个数字,它则代表的是感知到的用户状态。
本发明提出的新的***模型中用户的状态是随机的,假设其持续的时间服从指数分布,忙碌状态的时候服从λ的指数分布,空闲状态的时候服从μ的指数分布。在任意时刻,授权用户使用此波段的概率为离开此波段的概率为pe=1-pb。经过一个抽样时间Ts后,可以得到其状态转移矩阵如所示:
本发明在基于用户的状态在一帧T的时间内允许且最多只能发生一次变化,这样便可以得到一下四种不同的状态,如下所示:
(1)H0,1是τ时间内用户的状态一直不发生变化且为“0”,其包括两种情况,如图1所示,
一是整个T内,状态持续不变且为“0”;而是τ内用户是一直为“0”,但是在T-τ中由“0”转变成了“1”。
由于本发明提出的是多个用户可能同时存在于同于波段,故其发生的概率最终应为:
P(H0,1)={1-P(H1.0)}n-{1-P(H1.0)-P(H0.0)n}
这两种状态最终可以归为一种情况,因为τ时间内状态一直为“0”,用户的状态很有可能在T-τ内发生变化,故选择发送一个中间功率Pm来进行权衡,所以其传输速率可以写成以下形式:
其中I+1≤a≤J表示的是用户可能随时返回的情况,当a=J这种情况出现时说明用户在整个一帧时间T内都是“0”状态,这就转化成传统的H0状态,Pu为用户的发射功率。
(2)H0,2是τ时间内用户的状态由“1”变为“0”,且在余下的时间内,状态不会发生变化的概率。由于状态不会变化且为“0”,将选择发送一个较大的功率P0, 这就等同于传统的模型,如图2所示。
故发生的概率和传输速率如下:
由于本发明提出的是多个用户可能同时存在于同于波段,故其发生的概率最终应为:
P(H0,2)=p(H0,2)n
(3)H1,1是τ时间内用户的状态一直不发生变化且为“1”,其也包括两种情况。如图3所示。
一是整个T内,状态持续不变且为“1”;二是τ内用户是一直为“1”,但是在T-τ中由“1”转变成了“0”。其发生概率表示如下:
由于本发明提出的是多个用户可能同时存在于同于波段,故其发生的概率最终应为:
P(H1,1)=(1-P(H1,0)-P(H0,0))n-P(H0,1)n
这两种状态最终可以归为一种情况,因为τ时间内状态一直为“1”,用户的状态很有可能在T-τ内发生变化,故选择发送一个中间功率Pm来进行权衡。所以其传输功率可以写成如下形式:
相似的,其中I+1≤d≤J表示的是用户可能随时变为“0”的情况,当d=J这种情况出现时就等同于传统的H1状态。
(4)H1,2是τ时间用户的状态由“0”变为“1”,且在余下的时间内,状态不会发生变化的概率。由于状态不会变化且为“1”,将选择发送一个较小的功率P1,以免对用户产生较大的干扰。如图4所示。
故发生概率与传输速率如下:
由于本发明提出的是多个用户可能同时存在于同于波段,故其发生的概率最终应为:
P(H1,2)=1-{1-P(H1,2)}n
通过对以上四种状态进行不同的功率分配,可以分别得到总的吞吐量的表达方式为:
其中:
其平均传输功率和干扰功率的限制满足:
通过构造拉格朗日函数,求解出此用户感知主用户存在和不存在时的最优发送功率P0,P1和Pm。
其中λ和μ为传输功率和干扰功率的对偶限制参数,且λ>0;μ>0。优化问题是关于P0,P1和Pm的,因此可以转化为三个独立的优化子问题。
上述问题均为凸函数优化,采用KKT条件,最终可以获得三个最优传输功率为:
从最优功率表达式中,不难发现决定传输功率由参数λ和μ决定,可以通过次梯度算法,获得最优的传输功率。
用户活跃下的信号监测及智能化功率分配方法的仿真比较方式为:
通过仿真程序将传统与新模型进行了对比,程序中设定T=0.1s,假设检测概率为0.9,同时设定抽样频率TS=20μs。
不同活跃指数下的新模型与传统模型的吞吐量仿真对比图,如图所示,其中γp=-10dB。从图5可以看出,随着λ或者μ的提高,新模型下的吞吐量在一定程度上是逐渐增大的。与传统模型相对比,相同是:新旧模型的最优τ相近,并无很大的差别;不同的是:随着λ或者μ的提高,新模型的C由最初的低于到最后超越传统模型。显然,提出的多状态下的不同功率分配的策略结果是有意义且可行的。
基于上述用户活跃下的信号监测及智能化功率分配方法本发明还提供一种用户活跃下的信号监测及智能化功率分配方法的设备,包括:存储器,用于存储计算机程序及用户活跃下的信号监测及智能化功率分配方法;处理器,用于执行所述计算机程序及用户活跃下的信号监测及智能化功率分配方法,以实现用户活跃下的信号监测及智能化功率分配方法的步骤。
基于上述用户活跃下的信号监测及智能化功率分配方法本发明还提供一种具有用户活跃下的信号监测及智能化功率分配方法的计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行以实现用户活跃下的信号监测及智能化功率分配方法的步骤。
这里涉及的计算机可读介质的计算机程序产品可以形成一部分,其可以包括包装材料。数据的计算机可读介质可以包括计算机存储介质,诸如随机存取存储器(RAM),只读存储器(ROM),非易失性随机存取存储器(NVRAM),电可擦可编程只读存储器(EEPROM),闪存,磁或光学数据存储介质,和类似物。在一些实施例中,一种制造产品可包括一个或多个计算机可读存储媒体。
用户活跃下的信号监测及智能化功率分配方法是结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的用户活跃下的信号监测及智能化功率分配方法可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据用户活跃下的信号监测及智能化功率分配方法公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的索引方法。
所属技术领域的技术人员能够理解,用户活跃下的信号监测及智能化功率分配方法的各个方面可以实现为***、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种用户活跃下的信号监测及智能化功率分配方法,其特征在于,方法包括:
预设用户持续的使用时间服从时间指数分布,高于预设通信量时,服从λ的指数分布,低于预设通信量时,服从μ的指数分布;
经过一个抽样时间Ts后,得到其状态转移矩阵如所示:
基于用户的状态在一帧T的时间内允许且发生一次变化,得到以下四种不同的状态,如下所示:
(1)H0,1是τ时间内用户的状态一直不发生变化且为“0”,其包括两种情况;
在整个时间T内,状态持续不变且为“0”;而是τ内用户是一直为“0”,在T-τ中由“0”转变成了“1”;
基于多个用户同时存在于同于波段,故其发生的概率最终应为:
P(H0,1)={1-P(H1.0)}n-{1-P(H1.0)-P(H0.0)n}
因为τ时间内状态一直为“0”,用户的状态在T-τ内发生变化,故选择发送一个中间功率Pm来进行权衡,传输速率写成以下形式:
其中I+1≤a≤J表示的是用户随时返回的情况,当a=J出现时说明用户在整个一帧时间T内都是“0”状态,转化成传统的H0状态,Pu为用户的发射功率;
(2)H0,2是τ时间内用户的状态由“1”变为“0”,且在余下的时间内,状态不会发生变化的概率;
由于状态不会变化且为“0”,将选择发送一个较大的功率P0,
故发生的概率和传输速率如下:
其发生的概率最终应为:
P(H0,2)=P(H0,2)n;
(3)H1,1是τ时间内用户的状态一直不发生变化且为“1”,其也包括两种情况;
一是整个T内,状态持续不变且为“1”;二是τ内用户是一直为“1”,在T-τ中由“1”转变成了“0”;其发生概率表示如下:
其发生的概率最终应为:
P(H1,1)=(1-P(H1,0)-P(H0,0))n-P(H0,1)n
因为τ时间内状态一直为“1”,用户的状态在T-τ内发生变化,故选择发送一个中间功率Pm来进行权衡;
其传输功率写成如下形式:
其中I+1≤d≤J表示的是用户随时变为“0”的情况,当d=J情况出现时就等同于传统的H1状态;
(4)H1,2是τ时间用户的状态由“0”变为“1”,且在余下的时间内,状态不会发生变化的概率;由于状态不会变化且为“1”,将选择发送一个较小的功率P1;
故发生概率与传输速率如下:
其发生的概率最终应为:
P(H1,2)=1-{1-P(H1,2)}n
通过对以上四种状态进行不同的功率分配,分别得到总的吞吐量的表达方式为:
其中:
其平均传输功率和干扰功率的限制满足:
通过构造拉格朗日函数,求解出此用户感知主用户存在和不存在时的最优发送功率P0,P1和Pm;
其中λ和μ为传输功率和干扰功率的对偶限制参数,且λ>0;μ>0;
关于P0,P1和Pm的,转化为三个独立的优化子问题;
上述均为凸函数优化,采用KKT条件,获得三个最优传输功率为:
通过次梯度算法,获得最优的传输功率。
2.一种实现用户活跃下的信号监测及智能化功率分配方法的设备,其特征在于,包括:
存储器,用于存储计算机程序及用户活跃下的信号监测及智能化功率分配方法;
处理器,用于执行所述计算机程序及用户活跃下的信号监测及智能化功率分配方法,以实现如权利要求1所述用户活跃下的信号监测及智能化功率分配方法的步骤。
3.一种具有用户活跃下的信号监测及智能化功率分配方法的计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1所述用户活跃下的信号监测及智能化功率分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910823072.9A CN110719637B (zh) | 2019-09-02 | 2019-09-02 | 一种用户活跃下的信号监测及智能化功率分配方法,设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910823072.9A CN110719637B (zh) | 2019-09-02 | 2019-09-02 | 一种用户活跃下的信号监测及智能化功率分配方法,设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110719637A CN110719637A (zh) | 2020-01-21 |
CN110719637B true CN110719637B (zh) | 2022-05-13 |
Family
ID=69209616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910823072.9A Active CN110719637B (zh) | 2019-09-02 | 2019-09-02 | 一种用户活跃下的信号监测及智能化功率分配方法,设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110719637B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105959939B (zh) * | 2016-06-13 | 2019-11-08 | 西安交通大学 | 认知无线网络中面向授权用户安全传输的功率分配方法 |
CN107947878B (zh) * | 2017-11-22 | 2021-01-19 | 江苏理工学院 | 一种基于能效和谱效联合优化的认知无线电功率分配方法 |
CN109600828B (zh) * | 2018-11-19 | 2021-03-23 | 赣南师范大学 | 无人机基站下行链路的自适应传输功率分配方法 |
CN109981199B (zh) * | 2019-04-12 | 2021-11-30 | 福州大学 | 一种智能电网基于认知无线电的多频谱感知和功率分配的方法 |
-
2019
- 2019-09-02 CN CN201910823072.9A patent/CN110719637B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110719637A (zh) | 2020-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109194763B (zh) | 一种超密集网络中基于小型基站自组织协作的缓存方法 | |
CN112752327B (zh) | 功率调节方法和接入网设备 | |
KR102206775B1 (ko) | 무선 네트워크에서 기계 학습을 이용하여 자원을 할당하는 방법 및 그 방법을 수행하기 위한 기록 매체 | |
JP6137657B2 (ja) | 帯域調整方法および帯域調整コントローラ | |
CN108769958B (zh) | 基于能耗优化的m2m通信联合成簇及资源分配方法 | |
CN103209419B (zh) | 一种面向用户需求和提升网络性能的动态频谱接入的方法 | |
CN101789836A (zh) | 一种节省网络通信开销的合作频谱感知方法 | |
CN101964980A (zh) | 一种小区间干扰协调方法和装置 | |
CN113630889A (zh) | 在模式2资源选择中动态地改变最小候选资源比率的方法 | |
CN104219190B (zh) | 一种认知ofdm***的子信道和功率分配方法 | |
CN116233897B (zh) | 一种基于irs的感知增强认知无线电网络资源分配的优化方法 | |
CN110601872A (zh) | 一种传输方法及装置、存储介质 | |
CN111083708B (zh) | 一种基于干扰感知多图的v2v通信异质频谱分配方法 | |
CN110062356B (zh) | 一种d2d网络中的缓存副本布设方法 | |
CN101754234A (zh) | 基于马尔科夫链和载波侦听多路访问的机会频谱接入方法 | |
WO2019052273A1 (zh) | 无人驾驶装置通信控制方法、终端和无人驾驶*** | |
CN110719637B (zh) | 一种用户活跃下的信号监测及智能化功率分配方法,设备及计算机可读存储介质 | |
Awasthi et al. | Optimal sensing and transmission of energy efficient cognitive radio networks | |
CN109041255A (zh) | 一种接入方法和ue | |
CN108282888B (zh) | 一种基于改进模糊聚类的d2d资源分配方法 | |
CN113434286A (zh) | 一种适用于移动应用处理器的能效优化方法 | |
CN115480713A (zh) | 一种冷热数据的确定方法、装置及介质 | |
CN113543145B (zh) | Noma***用户配对和功率分配联合优化方法及装置 | |
CN106385688B (zh) | 一种基带资源分配方法及***及控制器 | |
Tang et al. | Power allocation with min-max fairness for cognitive radio networks |
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 |