CN104796993B - 异构网络中基于Stackelberg博弈的跨层资源分配方法 - Google Patents
异构网络中基于Stackelberg博弈的跨层资源分配方法 Download PDFInfo
- Publication number
- CN104796993B CN104796993B CN201510190866.8A CN201510190866A CN104796993B CN 104796993 B CN104796993 B CN 104796993B CN 201510190866 A CN201510190866 A CN 201510190866A CN 104796993 B CN104796993 B CN 104796993B
- Authority
- CN
- China
- Prior art keywords
- model
- layer
- established
- heterogeneous network
- cross
- 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 39
- 238000013468 resource allocation Methods 0.000 title claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 3
- 238000005457 optimization Methods 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 14
- 238000007726 management method Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- 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
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0866—Non-scheduled access, e.g. ALOHA using a dedicated channel for access
-
- 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)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
异构网络中基于Stackelberg博弈的跨层资源分配方法，先建立异构网络，再建立MAC层传输控制的模型和物理层模型；根据MAC层和物理层模型，建立JPMO优化模型；采用Stackelberg博弈将JPMO优化模型分为两个子模型；通过回溯法先对SC端建立物理层的节能资源分配模型采用拉格朗日对偶分解法进行求解，再对Macro端建立MAC层的最优接入控制模型采用基于梯度的迭代算法进行求解。本发明通过跨层设计以及多用户多信道分集增益，在节能的同时降低了异构网络的跨层干扰，有效提高了系统效率，能够实现异构网络中联合干扰管理和资源分配，仿真结果表明该方法相比于未采用跨层设计的方法有效的提高了系统效用。
Description
技术领域
本发明属于无线通信领域，涉及无线通信系统的系统级网络仿真，具体涉及一种异构网络中基于Stackelberg博弈的跨层资源分配方法。
背景技术
当前电池技术的发展无法满足人们日益增长的多媒体应用需求，能量效率也是无线通信系统设计中的一个重要环节，节能通信成为当前的热点话题。在异构网络中，Macrocell(Macro)和Small cell共享全部的频谱，带来了严重的跨层干扰和同层干扰，这些干扰极大的降低了网络效率。
目前，将跨层设计思想运用于异构网络的EERA模型建立的研究还很少，但由于跨层设计独有的优势，异构网络中基于跨层设计的EERA是一个待研究的趋势。同构网中基于跨层设计的EERA已经有部分学者开始研究，并且通过MAC层和PHY层的联合设计，建立了分布式随机接入模型，仿真验证该模型明显优于信道感知的随机接入模型和传统的Aloha模型。但是仅有的在异构网络中讨论跨层设计的研究为：通过有效容量(effectivecapacity)建立了延时QoS需求和信道容量之间的关系，在延时需求下，进行了MAC层和PHY层的联合优化。然而MAC层的碰撞避免也是影响能效的重要因素。
博弈论作为经济学领域的一个重要分支在解决资源调度问题方面具有独特的优势，近年来在无线通信领域得到了日益广泛应用，在处理两个相互矛盾的目标上有着其独特的优势。
发明内容
本发明的目的在于提供一种异构网络中基于Stackelberg博弈的跨层资源分配方法，能够实现异构网络中干扰抑制和能耗之间的有效折中，有效提高了异构网络的效率。
为达到上述目的，本发明采用了以下技术方案：
1)建立有1个Macrocell和N个SC的异构网络，每个SC中的用户为M且共享K个子载波；Macrocell已知从SC n到调度的宏小区用户之间的信道增益其中，k＝1,…K；n＝1,…N；m＝1，…M，并且Macrocell能够收集从SC n到SCU m的信道增益的概率密度分布f(h)；对于任意的SC n，已知从SC n到SCU m的信道增益并且SC n能够收集从SC n到调度的宏小区用户之间的信道增益的概率密度分布f(x)；
2)根据建立的异构网络，从随机接入的角度，建立MAC层传输控制的模型；
3)根据MAC层传输控制的模型，建立物理层模型；
4)根据MAC层和物理层模型，建立JPMO优化模型；
5)采用Stackelberg博弈将JPMO优化模型分为两个子模型：在Macro端建立MAC层的最优接入控制模型和在SC端建立物理层的节能资源分配模型；
6)通过回溯法先对SC端建立物理层的节能资源分配模型采用拉格朗日对偶分解法进行求解，再对Macro端建立MAC层的最优接入控制模型采用基于梯度的迭代算法进行求解，完成异构网络中基于Stackelberg博弈的跨层资源分配。
所述步骤2)中从随机接入的角度，建立的MAC层传输控制的模型如下：
在子载波k上，当且仅当信道增益是M个SCU中最小的，且低于阈值时，SC n选择给SCU m传输，SC n给SCU m传输的概率为：
其中是的分布函数在处的取值；
Macrocell跨层干扰的限制条件为：
所述步骤3)建立的物理层模型如下：
SC n给SCU m传输所消耗的平均功率为：
在子载波k上，SCU m获得的平均数据速率为：
在平均功率消耗和瞬时功率消耗约束的前提下，平均功率限制为：
其中Pa是最大的发射功率；
瞬时功率限制为：
其中Pm是最大的瞬时功率。
所述步骤4)建立的JPMO优化模型如下：
其中和分别是和的对应的N×M×K维向量；EP和IP分别是电力价格和干扰价格；μ是数据速率与能耗之间的权衡因子；ρ是数据速率与干扰功率之间的权衡因子。
步骤5)中在Macro端建立的MAC层的最优接入控制模型和在SC端建立的物理层的节能资源分配模型如下：
SC端建立的物理层的节能资源分配模型为：
Macro端建立的MAC层的最优接入控制模型为：
所述SC端建立的物理层的节能资源分配模型对应的拉格朗日函数为：
根据拉格朗日函数，采用拉格朗日乘子法进行求解，得到最优功率分配：
从式(5)得到：
所述Macro端建立的MAC层的最优接入控制模型对应的拉格朗日函数为：
其中δk,分别是与Macro层优化问题限制条件C5和C4相对应的拉格朗日乘子。
相对于现有技术，本发明的有益效果为：
本发明从跨层设计的角度寻求异构网络中的节能资源分配和干扰抑制，通过对MAC层接入控制机制的设计和物理层模型的建立，提出了异构网络中基于Stackelberg博弈的跨层资源分配方法(joint Physical and medium access control(MAC)layeroptimization，JPMO)。该方法首先采用基于跨层设计的思想建立MAC层和PHY层模型，然后基于Stackelberg博弈理论，将跨层模型分解为两个子问题，Macro层进行MAC层参数的控制，即进行接入控制；SC层进行PHY层的控制，即进行节能的资源分配。考虑每个子问题之间相互影响，本发明采用回溯法进行求解，即先求解第二个子问题，再求解第一个子问题。另外，采用基于梯度的迭代算法设计了低复杂度的分布式求解算法。本发明通过跨层设计以及多用户多信道分集增益，在节能的同时降低了异构网络的跨层干扰，有效提高了系统效率，能够实现异构网络中联合干扰管理和资源分配，并且仿真结果表明该方法相比于未采用跨层设计的方法有效的提高了系统效用，并且仅需要交换定价信息，这在实际系统中易于分布式实施，因此本发明具有良好的应用前景。本发明从MAC层的碰撞避免和物理层的功率控制两个方面建立异构网络中的EERA和干扰管理模型，避免了分布式网络中，用户只知道自己的信道状态信息，并且依此做出传输控制决定，进而使MAC层的数据传输发生碰撞或者造成网络资源浪费的问题。
附图说明
图1为SC的效用与干扰价格之间的关系。
图2为干扰价格Ip＝10时算法的收敛性。
图3为次优解与最优解的差距。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明提供的LTE系统中基于非合作博弈的资源分配和干扰抑制方法，包括以下步骤：
(1)建立有1个Macrocell和N个Small cell(SC)的异构网络，每个SC中的用户为M且它们共享K个子载波。Macrocell可以估计从SC n到调度的宏小区用户(MU)之间的信道增益(k＝1,…K；n＝1,…N；m＝1,…M)，然而Macrocell不能估计从SC n到SCU m的信道增益它仅仅可以收集从SC n到SCU m的信道增益固定的概率密度分布f(h)；对于任意的SC n，可以估计从SC n到SCU m的信道增益而不能估计从SC n到调度的宏小区用户(MU)之间的信道增益它仅仅可以收集从SC n到调度的宏小区用户(MU)之间的信道增益固定的概率密度分布f(x)。
2)根据上一步建立的异构网络，从随机接入的角度解决碰撞的问题，建立MAC层传输控制的模型如下，
在任意一子载波k上，SC n选择给SCU m传输的条件是：信道增益是M个SCU中最小的，且低于阈值也就是，进而SC n给SCU m传输的概率为：
其中是的分布函数在处的取值。
Macrocell跨层干扰的限制条件为：
3)根据MAC层传输控制的模型，建立的物理层模型如下：
SC n给SCU m传输所消耗的平均功率为：
在子载波k上，SCU m可获得的平均数据速率为：
对于节能的资源分配，需要完整的考虑平均功率消耗和瞬时功率消耗的限制。在平均功率消耗和瞬时功率消耗约束的前提下，平均功率限制可表示为：
其中Pa是最大的发射功率。
瞬时功率限制可表示为：
其中Pm是最大的瞬时功率。
4)根据物理层模型，建立的JPMO优化模型为：
其中和分别是和的对应的N×M×K维向量；EP和IP分别是电力价格和干扰价格；μ是数据速率与能耗之间的权衡因子；ρ是数据速率与干扰功率之间的权衡因子；
5)采用Stackelberg博弈将JPMO优化模型分为两个子模型：在Macro端建立MAC层的最优接入控制模型和在SC端建立物理层的节能资源分配模型；
SC端建立的物理层的节能资源分配模型可以表示如下：
Macro端建立的MAC层的最优接入控制模型为：
6)通过回溯法先对SC端建立物理层的节能资源分配模型采用拉格朗日对偶分解法进行求解，再对Macro端建立MAC层的最优接入控制模型采用基于梯度的迭代算法进行求解，完成异构网络中基于Stackelberg博弈的跨层资源分配。
具体过程如下：
所述SC端建立的物理层的节能资源分配模型对应的拉格朗日函数为：
根据拉格朗日函数，采用拉格朗日乘子法进行求解，得到最优功率分配：
从式(5)可以得到：
该模型的闭式解可以通过数值计算求得，这里仅讨论其存在性与唯一性。
Macro端建立的MAC层的最优接入控制模型对应的拉格朗日函数为：
其中δk,分别是与Macro层优化问题限制条件C5和C4相对应的拉格朗日乘子。
的一阶导数为：
的二阶导数为：
因为式(6)，即的二阶导数小于0，从而保证最优的传输策略的存在性与唯一性，进而可以采用一些凸优化方法，如梯度迭代法，搜索最优的接入控制策略。
采用基于梯度的迭代算法对进行求解，完成异构网络中基于Stackelberg博弈的跨层资源分配：
其中分别是相对应的迭代步长，t为迭代次数的索引。 分别为第(t+1)次迭代的νn、δk的值。
下面结合附图对本发明作详细说明。图1～图3中的本方案，即为本发明。
仿真实验参数设置：
该仿真在1个Macro小区，2个SC小区的异构网中进行。子载波个数为5，系统带宽为100Hz。噪声功率为0dBm/Hz，功率限制Pm和Pa分别为50dBm和43dBm。
参见图1，比较了信道感知的Aloha协议和本发明方法对于干扰价格的效用变化情况。可见当干扰价格超过某一个门限时，系统的效用不会再增加。这是因为干扰价格过高时，SC将其发射功率设置为0。另外，可以发现，由于利用了每个SCU的局部信息，本发明方法的性能远高于信道感知Aloha方法。因为本发明方法选择具有最低干扰信道增益的用户进行传输，实现了多用户和多信道分集增益。
参见图2，本发明所提算法的性能得到了验证。由于本发明采用了回溯法，拉格朗日乘子法，基于梯度的迭代算法，所以收敛性能良好，能够满足实际网络的需求。
参见图3，比较了本发明方法与最优解之间的差距。可见本发明方法的性能接近于最优解。最优解是通过详尽搜索(exhaustively search)得到的，其复杂度为O(N×M×K·log 2(ε-1))，而本发明方法的复杂度为O(N×M×K×(K+2MN)2·log2(ε-1))，其中ε为求解所用到的精度。
本发明提供一种异构网络中基于Stackelberg博弈的跨层资源分配方法。由于分布式网络中，用户只知道自己的信道状态信息，并且依此做出传输控制决定，这将会使MAC层的数据传输发生碰撞或者造成网络资源的浪费。为了最大化网络能效，从博弈论的角度设计了联合MAC层和物理层的跨层资源分配方案，进而将该方案转化为一个Stackelberg博弈进行求解。Macrocell(Macro)在上层进行传输策略的控制，Small cell(SC)在下层进行节能的资源分配。采用回溯法进行该博弈模型的分析，并通过高效的算法实现Stackelberg均衡，并且仿真结果验证了该方案的有效性和收敛性。
Claims (1)
1.异构网络中基于Stackelberg博弈的跨层资源分配方法，其特征在于，包括以下步骤：
1)建立有1个Macrocell和N个SC的异构网络，每个SC中的用户为M且共享K个子载波；Macrocell已知从SC n到调度的宏小区用户之间的信道增益其中，k＝1,…K；n＝1,…N；m＝1,…M，并且Macrocell能够收集从SC n到SCU m的信道增益的概率密度分布f(h)；对于任意的SC n，已知从SC n到SCU m的信道增益并且SC n能够收集从SC n到调度的宏小区用户之间的信道增益的概率密度分布f(x)；
2)根据建立的异构网络，从随机接入的角度，建立MAC层传输控制的模型；
3)根据MAC层传输控制的模型，建立物理层模型；
4)根据MAC层和物理层模型，建立JPMO优化模型；
5)采用Stackelberg博弈将JPMO优化模型分为两个子模型：在Macro端建立MAC层的最优接入控制模型和在SC端建立物理层的节能资源分配模型；
6)通过回溯法先对SC端建立物理层的节能资源分配模型采用拉格朗日对偶分解法进行求解，再对Macro端建立MAC层的最优接入控制模型采用基于梯度的迭代算法进行求解，完成异构网络中基于Stackelberg博弈的跨层资源分配；
所述步骤2)中从随机接入的角度，建立的MAC层传输控制的模型如下：
在子载波k上，当且仅当信道增益是M个SCU中最小的，且低于阈值时，SC n选择给SCU m传输，SC n给SCU m传输的概率为：
其中是的分布函数在处的取值；
Macrocell跨层干扰的限制条件为：
其中表示跨层干扰对于信道增益期望；是在子载波k上Macrocell进行数据传输的干扰门限；
所述步骤3)建立的物理层模型如下：
SC n给SCU m传输所消耗的平均功率为：
其中
在子载波k上，SCU m获得的平均数据速率为：
其中为信道增益为x时的数据速率；W为每个子信道的带宽；是SC n的噪声功率；
在平均功率消耗和瞬时功率消耗约束的前提下，平均功率限制为：
其中Pa是最大的发射功率；
瞬时功率限制为：
其中Pm是最大的瞬时功率；
所述步骤4)建立的JPMO优化模型如下：
其中和分别是和的对应的N×M×K维向量；EP和IP分别是电力价格和干扰价格；μ是数据速率与能耗之间的权衡因子；ρ是数据速率与干扰功率之间的权衡因子；
步骤5)中在Macro端建立的MAC层的最优接入控制模型和在SC端建立的物理层的节能资源分配模型如下：
SC端建立的物理层的节能资源分配模型为：
Macro端建立的MAC层的最优接入控制模型为：
所述SC端建立的物理层的节能资源分配模型对应的拉格朗日函数为：
其中 vn分别是与SC层优化问题约束条件C3、C2和C1相对应的拉格朗日乘子；
根据拉格朗日函数，采用拉格朗日乘子法进行求解，得到最优功率分配：
其中
从式(5)得到：
所述Macro端建立的MAC层的最优接入控制模型对应的拉格朗日函数为：
其中δk,分别是与Macro层优化问题限制条件C5和C4相对应的拉格朗日乘子。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510190866.8A CN104796993B (zh) | 2015-04-21 | 2015-04-21 | 异构网络中基于Stackelberg博弈的跨层资源分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510190866.8A CN104796993B (zh) | 2015-04-21 | 2015-04-21 | 异构网络中基于Stackelberg博弈的跨层资源分配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104796993A CN104796993A (zh) | 2015-07-22 |
| CN104796993B true CN104796993B (zh) | 2018-06-26 |
Family
ID=53561396
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510190866.8A Active CN104796993B (zh) | 2015-04-21 | 2015-04-21 | 异构网络中基于Stackelberg博弈的跨层资源分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104796993B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105392161B (zh) * | 2015-10-15 | 2017-05-03 | 北京航空航天大学 | 协作异构网络中的用户接入与功率控制联合优化方法 |
| CN107148029A (zh) * | 2016-03-01 | 2017-09-08 | 中国科学院微电子研究所 | 一种无线体域网传输方法及装置 |
| CN106209336B (zh) * | 2016-07-14 | 2019-03-12 | 东南大学 | 一种软件定义移动网络中的资源分配方法 |
| CN106170131A (zh) * | 2016-08-22 | 2016-11-30 | 中央军委装备发展部第六十三研究所 | 一种信道状态不确定条件下分层异构网络的稳健分层博弈学习资源分配方法 |
| 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 |
| CN107517464B (zh) * | 2017-08-16 | 2020-12-22 | 重庆邮电大学 | 一种异构网络中的干扰管理和资源分配方法 |
| CN111969614B (zh) * | 2020-08-26 | 2023-08-11 | 华北电力大学（保定） | 基于主从博弈的多园区综合能源系统优化调度方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103067984A (zh) * | 2012-12-20 | 2013-04-24 | 福建师范大学 | 基于跨层议价博弈的认知无线电网络资源优化分配方法 |
| CN104105193A (zh) * | 2014-07-01 | 2014-10-15 | 西安交通大学 | 一种异构网络中基于Starckelberg 博弈的功率分配方法 |
-
2015
- 2015-04-21 CN CN201510190866.8A patent/CN104796993B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103067984A (zh) * | 2012-12-20 | 2013-04-24 | 福建师范大学 | 基于跨层议价博弈的认知无线电网络资源优化分配方法 |
| CN104105193A (zh) * | 2014-07-01 | 2014-10-15 | 西安交通大学 | 一种异构网络中基于Starckelberg 博弈的功率分配方法 |
Non-Patent Citations (2)
| Title |
|---|
| A Stackelberg Game Approach for Energy-Efficient Resource Allocation and Interference Coordination in Heterogeneous Networks;Yuanshuang Wang et al.;《 2014 IEEE International Conference on Computer and Information Technology (CIT)》;20140913;全文 * |
| Low-Complexity Stackelberg Game Approach for Energy-Efficient Resource Allocation in Heterogeneous Networks;Yuanshuang Wang et al.;《 IEEE Communications Letters》;20140924;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104796993A (zh) | 2015-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104796993B (zh) | 异构网络中基于Stackelberg博弈的跨层资源分配方法 | |
| Chang et al. | Energy saving technology of 5G base station based on internet of things collaborative control | |
| CN109474980A (zh) | 一种基于深度增强学习的无线网络资源分配方法 | |
| Kwon et al. | Energy-efficient transmit power control for multi-tier MIMO HetNets | |
| CN104105193B (zh) | 一种异构网络中基于Starckelberg博弈的功率分配方法 | |
| CN107094060A (zh) | 基于非合作博弈的分布式超密集异构网络干扰协调方法 | |
| CN107979846A (zh) | 一种情景知觉下的重叠联盟博弈模型及空间自适应算法 | |
| CN102883424B (zh) | 家庭基站系统中基于博弈论的功率分配方法 | |
| CN103796216B (zh) | 异构网中基于部分频率复用及联合传输的干扰抑制方法 | |
| CN107426773A (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 | |
| CN104540139A (zh) | 异构融合网络资源分配方法和系统 | |
| CN106879029A (zh) | 一种基于协作通信的高安全能量效率的信息传输方法 | |
| Dai et al. | Energy‐efficient resource allocation for device‐to‐device communication with WPT | |
| CN106358300B (zh) | 一种微蜂窝网络中的分布式资源分配方法 | |
| Dong et al. | Energy efficiency optimization and resource allocation of cross-layer broadband wireless communication system | |
| Zhao et al. | D2D communication channel allocation and resource optimization in 5G network based on game theory | |
| CN103582105B (zh) | 一种大规模异构蜂窝网络中最大化系统效益的优化方法 | |
| CN105848274A (zh) | 一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法 | |
| CN104796900A (zh) | 基于拍卖理论的蜂窝网络中d2d通信资源分配方法 | |
| CN104038995A (zh) | 异构网络中的分布式动态成簇节能方法 | |
| CN108712746A (zh) | 一种部分重叠信道聚合博弈模型及学习算法 | |
| CN107086885A (zh) | 一种针对混合能量供电分布式天线系统能量有效的功率分配方法 | |
| CN103533623B (zh) | 一种家庭基站双层网络中基于节能的功率控制方法 | |
| CN110191489A (zh) | 一种超密集网络中基于强化学习的资源分配方法及装置 | |
| Wang et al. | Optimizing the energy-spectrum efficiency of cellular systems by evolutionary multi-objective algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |