CN105007583A - 一种异构蜂窝网络中基于博弈的能效提升方法 - Google Patents

Abstract

本发明公开了一种异构蜂窝网络中基于博弈的能效提升方法，属于无线通信技术领域。本发明包括：首先，将能量效率定义为信道容量与功率消耗的比率，并以此度量提出的能效改善方法。由于宏蜂窝与微微蜂窝之间竞争频谱资源而用户之间竞争信道和功率资源，因而将频谱、信道和功率的分配建模为两阶段Stackelberg博弈过程。第一阶段，宏蜂窝与微微蜂窝之间竞争频谱资源，而第二阶段则是用户之间信道与功率的联合控制。最后，针对博弈的两个阶段，分别提出基于拟牛顿法求解宏蜂窝与微微基站之间的最优频谱分配策略，以及基于拉格朗日乘子法求解用户之间信道与功率的最优联合控制策略。

Description

一种异构蜂窝网络中基于博弈的能效提升方法

技术领域

本发明属于无线通信技术领域，更具体地，涉及一种异构蜂窝网络中基于博弈的能效提升方法。

背景技术

近年来，各种无线通信技术不断演进，尤其是蜂窝数据通信技术迅速发展，给人们的生产生活带来重大影响。通过不断的技术革新，蜂窝数据通信系统已经演进到了第四代(即4G)，通信速率与质量等各方面都能有了前所未有的改善。由于采用正交频分复用技术和多入多出天线技术，并在空中接口技术上做了不同于第三代(即3G)的重要改进，第四代蜂窝通信技术可以达到以20MHz的带宽为用户提供100Mbps的下行峰值速率与50Mbps的上行峰值速率，并能支持100km的最大覆盖范围以及350km/h的高速移动通信。

随着4G技术的发展，用户对多媒体业务的需求空前高涨。正是由于蜂窝通信行业的迅猛发展，其消耗的巨大能量已经引起了各界的高度重视。一个接入电网的基站平均每年要花费大约3000美元在购买电量上，而在偏远地区的多数基站是使用柴油机工作的，可能会花费前者的10倍以上。更为严重的是，如此巨大的能量消耗直接导致了大量温室气体的排放，这已经成为了对环境保护和可持续发展的最大威胁。温室气体不仅造成全球气温上升以及各地气候异常等环境危害，还在严重危害着人类的身体健康。因此，提高网络中的数据速率与传输能量效率成为蜂窝网发展的必然趋势。

微微蜂窝技术具有易管理、低成本、基于IP协议传输、保证室内无线覆盖等特点，一直受到各国研究人员的重视。在蜂窝网络中布置微微蜂窝，可以扩大信号覆盖范围、提高服务质量。同时布置一定数量的微微蜂窝基站可以分流数据负载，大大改善网络性能。然而，在异构蜂窝网络中提高能量效率涉及许多问题。

有研究人员提出利用休眠或作业上传云端处理的方式来降低终端能耗。然而这些都只是考虑了终端的能耗而没有考虑到基站的能耗，实际上基站才是整个网络中最重要的能耗来源，降低蜂窝网络中基站的能耗对网络能量效率的提升有更重要的作用。利用协同多点传输协议，可以在每一时间段选择性关闭一个区域中的某些小区的基站，扩大其余活动基站的覆盖范围为所有用户提供服务，然后下一时间段关闭另一些基站，从而降低基站平均耗能。同时，微微蜂窝网络的覆盖范围小，传输距离短，可以有效地减少通信能量消耗。有研究表明，通过在宏蜂窝网络中布置微微蜂窝网络可以极大程度地降低网络能量消耗，但是更加合理的功率控制方案仍然需要进一步研究。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供一种异构蜂窝网络中基于博弈的能效提升方法，采用感知无线电技术动态管理网络中有限的频谱资源，以最少的功率消耗传输最多的数据。本发明通过对频谱、信道和功率资源进行动态分配以提升能量效率，将其模拟为两个阶段的Stackelberg博弈过程，互相竞争资源达到动态均衡。

本发明提供一种异构蜂窝网络中基于博弈的能效提升方法，包括以下步骤：

步骤1以信道容量与传输功率的比率作为能量效率，分别定义微微蜂窝基站与宏蜂窝基站的通信能量效率，其中，所述微微蜂窝基站的能量效率θ_i为：

${\mathrm{\θ}}_i=\frac{{\mathrm{\Σ}}_{j=1}^L{b}_{ij}\·{\log }_2(1+\frac{G^2{p}_{ij}}{{\mathrm{\δ}}^2})}{{\mathrm{\Σ}}_{j=1}^L{p}_{ij}}$

其中，G²表示通信信道的增益；δ²表示信道的零均值加性高斯白噪声；b_ij表示微微蜂窝基站FBS_i为微用户FUE_j分配的频谱带宽；p_ij表示微微蜂窝基站FBS_i为微用户FUE_j设置的发射功率；

所述宏蜂窝基站的能量效率θ₀为：

${\mathrm{\θ}}_0=\frac{{\mathrm{\Σ}}_{k=1}^M{b}_{0k}\·{\log }_2(1+\frac{G^2{p}_{0k}}{{\mathrm{\δ}}^2})}{{\mathrm{\Σ}}_{j=1}^L{p}_{0k}}$

其中，b_0k表示宏蜂窝基站MBS为宏用户MUE_k分配的频谱带宽；p_ij表示MBS为宏用户MUE_k设置的发射功率；

步骤2基于能量效率分别为所述微微蜂窝基站与所述宏蜂窝基站的建立博弈的数学模型，以及整个异构蜂窝网络的数学模型，其中，所述微微蜂窝基站的数学模型为：

$U_{F_i}={\mathrm{\α}}_i\·{\log }_2(1+{\mathrm{\β}}_i\·({\mathrm{\θ}}_i-\frac{1}{2}\left({\mathrm{\Σ}}_{j=1}^L{b}_{ij}^2\right)-c\·{\mathrm{\Σ}}_{j=1}^L{p}_{ij}\left)\right)$

其中，α_i表示与微微蜂窝网络优先权有关的非负系数；β_i表示与一个微微蜂窝中的用户数量和拓扑结构相关的非负系数；c表示生产一个单位功率需要的成本系数；

所述宏蜂窝基站的数学模型为：

$U_M={\mathrm{\α}}_0\·{\log }_2\left(1+{\mathrm{\β}}_0\·\left({\mathrm{\θ}}_0-\frac{1}{2}\left({\mathrm{\Σ}}_{j=1}^L{b}_{0k}^2\right)-c\·{\mathrm{\Σ}}_{j=1}^L{p}_{0k}\right)\right)$

其中，α₀表示与宏蜂窝网络优先权有关的非负系数；β₀表示与宏蜂窝中的用户数量和拓扑结构相关的非负系数；

所述整个异构蜂窝网络的数学模型为：

$U={\mathrm{\Σ}}_{i=1}^N{U}_{F_i}(b_{ij},p_{ij})+U_M(b_{0k},p_{0k})$

其中，N表示微微蜂窝基站总数；

步骤3基于所述步骤2的各数学模型运行能效提升算法，将异构蜂窝网络中的频谱分配与功率控制构建为一个两阶段Stackelberg博弈模型：在第一阶段，所述宏蜂窝基站作为领导者为所述微微蜂窝基站分配频谱资源；在第二阶段，所述宏蜂窝基站和所述微微蜂窝基站作为领导者，根据自己得到的带宽为各自的用户分配合理的资源，用户则作为第二阶段的跟随者，根据通信带宽选择自己的传输功率以最大化能量效率。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

1、本发明可以根据用户的分布位置(是否在微微蜂窝基站的覆盖范围内)动态调整优化宏基站对微基站的频谱分配策略以及基站(包括宏基站与微基站)对用户的频谱分配策略，从而能够最大程度提高紧缺的频谱资源的利用率；

2、本发明还能够根据用户的分布位置动态调整基站对其用户的发射功率，从而最大程度降低基站的功耗；

3、本发明在动态调整基站的频谱策略与功率的同时，始终能够保证满足不同用户的不同数据率需求。

附图说明

图1为本发明异构蜂窝网络示意图；

图2为本发明异构蜂窝网络中基于博弈的能效提升方法的流程图；

图3为本发明两阶段Stackelberg博弈模型示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

图1所示为本发明异构蜂窝网络示意图。在本发明实施例中，考虑一个区域中有一个宏蜂窝(LTE)小区以及多个微微蜂窝基站(Femtocell BaseStation，以下简称FBS)的场景。每一个FBS都通过有线宽带连接到宏蜂窝基站(Macrocell Base Station，以下简称MBS)，从而用户就可以通过FBS获得蜂窝网的数据，而不占用无线频谱资源。用户随机分布在整个宏蜂窝网络中，其中，在宏蜂窝覆盖范围内的用户称为宏用户(MUE)，部分在微微蜂窝覆盖范围内的用户称为微用户(FUE)。网络中所有用户都处于MBS的覆盖范围内，都可以选择接入MBS获取数据和语音服务。对于处于FBS信号覆盖范围内的微用户，则可以根据服务质量和能量消耗自主选择接入二者中任何一个网络。

宏蜂窝网络会分配到一段固定的频谱资源，而FBS则利用感知无线电技术对宏蜂窝网络分配的频谱资源进行空闲频谱检测，从而接入该空闲频谱。当某个FBS需要接入频谱时，MBS会主动探测周围无线环境，感知有哪些频段已经分配给其他FBS或正在被用户使用，感知有哪些频段是空闲的，然后对空闲频段进行智能的选择，把最优的频段分配给提出申请的FBS。每次分配的资源都有固定的期限，分配期限结束后MBS会回收分配出去的资源。因此，实现了频谱资源动态分配，从而极大地提高了资源利用率。必须要说明的两点是，在本发明实施例中，传输机制都是基于正交频分多址(Orthogonal Frequency-Division Multiplexing，OFDM)技术，所考虑的系统为时分通信系统。

假设宏蜂窝网络中布置了N个微微蜂窝基站(FBS)，在一个时隙内，每个FBS可以为L个微用户(FUE)提供服务，而每个MBS可以为M个宏用户(MUE)提供服务(L、M、N都是假设的常量)。当MBS有W MHz的频谱可用，其会将B_i MHz(B_i<W)的带宽出租给FBS_i(i＝{1,2…N})。而一个微用户FUE_j(j＝{1,2…L})则可以使用b_ij MHz的带宽和p_ij Watt(表示FBS_i与微用户FUE_j之间通信的功率)的功率与FBS_i通信，一个宏用户MUE_k与MBS通信时有b_0k MHz的带宽并使用p_0k Watt(表示MBS与MUE_k之间通信的功率)的功率。

图2所示为本发明异构蜂窝网络中基于博弈的能效提升方法的流程图，具体包括以下步骤：

步骤1定义能量效率。在本发明实施例中，定义能量效率为单位时间内1焦耳能量可以传输的比特数，分别定义微微蜂窝基站与宏蜂窝基站的通信能量效率。

在本发明实施例中，定义基站FBS_i的能量效率θ_i为单位时间内1焦耳能量可以传输的比特数，形式如下：

${\mathrm{\&theta;}}_i=\frac{{\mathrm{\&Sigma;}}_{j=1}^L{b}_{ij}\&CenterDot;{\log }_2(1+\frac{G^2{p}_{ij}}{{\mathrm{\&delta;}}^2})}{{\mathrm{\&Sigma;}}_{j=1}^L{p}_{ij}}---\left(1\right)$

其中，G²表示通信信道的增益；δ²表示信道的零均值加性高斯白噪声；b_ij表示FBS_i为微用户FUE_j分配的频谱带宽；p_ij表示FBS_i为微用户FUE_j设置的发射功率。

与微基站同理，定义宏基站能量效率θ₀形式如下：

${\mathrm{\&theta;}}_0=\frac{{\mathrm{\&Sigma;}}_{k=1}^M{b}_{0k}\&CenterDot;{\log }_2(1+\frac{G^2{p}_{0k}}{{\mathrm{\&delta;}}^2})}{{\mathrm{\&Sigma;}}_{j=1}^L{p}_{0k}}---\left(2\right)$

其中，b_0k表示MBS为宏用户MUE_k分配的频谱带宽；p_ij表示MBS为宏用户MUE_k设置的发射功率。

步骤2建立博弈模型。基于步骤1定义的能量效率，分别为微微蜂窝基站与宏蜂窝基站的通信建立博弈的数学模型以及整个异构蜂窝网络的数学模型。具体包括以下子步骤：

(2-1)构建微微蜂窝基站的数学模型

对于FBS_i而言，其目标就是在考虑成本的前提下使能量效率最大化，因此本发明实施例将FBS_i的效用函数设计为关于能量效率的函数

$U_{F_i}={\mathrm{\&alpha;}}_i\&CenterDot;{\log }_2\left(1+{\mathrm{\&beta;}}_i\&CenterDot;\left({\mathrm{\&theta;}}_i-\frac{1}{2}\left({\mathrm{\&Sigma;}}_{j=1}^L{b}_{ij}^2\right)-c\&CenterDot;{\mathrm{\&Sigma;}}_{j=1}^L{p}_{ij}\right)\right)---\left(3\right)$

其中，α_i表示一个与微微蜂窝网络优先权有关的非负系数(一个微微蜂窝的通信优先权越高则α值越大)；β_i表示一个非负系数，与一个微微蜂窝中的用户数量和拓扑结构相关(用户数量越多越密集则β越大，具体数学关系有待进一步确定)；c表示生产一个单位功率需要的成本系数(常数，由产生功率的方式确定)。

(2-2)构建宏基站的数学模型

本发明实施例构建MBS的效用函数U_M形式为：

$U_M={\mathrm{\&alpha;}}_0\&CenterDot;{\log }_2\left(1+{\mathrm{\&beta;}}_0\&CenterDot;\left({\mathrm{\&theta;}}_0-\frac{1}{2}\left({\mathrm{\&Sigma;}}_{j=1}^L{b}_{0k}^2\right)-c\&CenterDot;{\mathrm{\&Sigma;}}_{j=1}^L{p}_{0k}\right)\right)---\left(4\right)$

其中，α₀表示与宏蜂窝网络优先权有关的非负系数(通信优先权越高则α值越大)；β₀表示一个非负系数，与宏蜂窝中的用户数量和拓扑结构相关(用户数量越多越密集则β越大，具体数学关系有待进一步确定)。

(2-3)整个网络的数学模型

整个网络的收益应该是整个网络的能量效率，也可以看作是将FBS的收益作为MBS收益的一部分，与MBS自身收益的和：

$U={\mathrm{\&Sigma;}}_{i=1}^N{U}_{F_i}(b_{ij},p_{ij})+U_M(b_{0k},p_{0k})---\left(5\right)$

其中，N表示微微蜂窝基站总数。

(2-4)构建约束条件

要用上述效用函数表示FBS和MBS的收益还需要满足相应的约束条件。首先，网络中每个用户的服务质量(Quality of Service，QoS)有不同的要求，因此每个信道的吞吐率都有下限，而不是无限制的。并且不同用户的服务质量要求不相同，则吞吐率限制也不相同，可以表示成如下不等式：

$b_{ij}\&CenterDot;{\log }_2(1+\frac{G^2{p}_{ij}}{{\mathrm{\&delta;}}^2})\&GreaterEqual;R_{ij}---\left(6\right)$

其中，i＝0表示MBS，其他表示FBS；R_ij是微微蜂窝基站i中的用户j所需要的吞吐率下限，基站应尽可能满足这个要求，否则用户忠诚度可能降低。其次，无论是FBS还是MBS，其自身拥有的可以使用的带宽资源是有限的，因此同一时隙内同时的所有用户所占用的带宽资源是有限制的：

${\mathrm{\&Sigma;}}_{j=1}^L{b}_{ij}\&le;B_i---\left(7\right)$

${\mathrm{\&Sigma;}}_{k=1}^M{b}_{0k}\&le;B_0---\left(8\right)$

其中，B_i表示MBS分配给FBS_i的频谱资源总和，而B₀表示MBS剩余的可用使用的资源之和，因此：

$B_0+{\mathrm{\&Sigma;}}_{i=1}^N{B}_i=W---\left(9\right)$

由于对于f(x)＝log(1+g(x)),如果g(x)是上凸函数，并且g(x)＞0，那么f(x)也是大于零的上凸函数。因此对于前述FBS的效用函数(公式3)，只需证明是大于零的上凸函数即可得到效用函数是上凸正函数的结论。由于二阶偏导小于零，因此可以确定是关于b_ij大于零的上凸函数，所以一定存在一个均衡策略{b_ij ^*}，即对于每个微微蜂窝基站，一定存在最优的频谱资源分配和功率控制策略使得第二阶段博弈均衡，并且可以由拉格朗日方法确定，见公式(10)、(11)：

$L_i={\mathrm{\&alpha;}}_i\&CenterDot;{\log }_2\left(1+{\mathrm{\&beta;}}_i\&CenterDot;\left({\mathrm{\&theta;}}_i-\frac{1}{2}\left({\mathrm{\&Sigma;}}_{j=1}^L{b}_{ij}^2\right)-c\&CenterDot;{\mathrm{\&Sigma;}}_{j=1}^L{p}_{ij}\right)\right)+{\mathrm{\&Sigma;}}_{j=1}^L{\mathrm{\&lambda;}}_j\&CenterDot;g_j+\mathrm{\&eta;}\left(B_i-{\mathrm{\&Sigma;}}_{j=1}^L{b}_{ij}\right)---\left(10\right)$

$\left\{\begin{array}{c}\frac{\&part;L_i}{\&part;{\mathrm{\&lambda;}}_j}=g_j=b_{ij}\&CenterDot;{\log }_2\left(1+\frac{G^2{p}_{ij}}{{\mathrm{\&delta;}}^2}\right)-R=0\\ \frac{\&part;L_i}{\&part;\mathrm{\&eta;}}=B_i-{\mathrm{\&Sigma;}}_{j=1}^L{b}_{ij}=0\\ \frac{\&part;L_i}{\&part;p_{ij}}=\frac{{\mathrm{\&alpha;}}_i\&CenterDot;{\mathrm{\&beta;}}_i\&CenterDot;\left({{\mathrm{\&theta;}}_i}^{\&prime;}\left(p_{ij}\right)-c\right)}{\left(1+{\mathrm{\&beta;}}_i\&CenterDot;{\mathrm{\&theta;}}_i\right)\ln 2}+{\mathrm{\&lambda;}}_j\&CenterDot;{g_j}^{\&prime;}\left(p_{ij}\right)=0\\ \frac{\&part;L_i}{\&part;b_{ij}}=\frac{{\mathrm{\&alpha;}}_i\&CenterDot;{\mathrm{\&beta;}}_i\&CenterDot;\left({{\mathrm{\&theta;}}_i}^{\&prime;}\left(b_{ij}\right)-b_{ij}\right)}{\left(1+{\mathrm{\&beta;}}_i\&CenterDot;\left({\mathrm{\&theta;}}_i-\frac{1}{2}\left({\mathrm{\&Sigma;}}_{j=1}^L{b}_{ij}^2\right)\right)\right)\ln 2}+{\mathrm{\&lambda;}}_j\&CenterDot;{g_j}^{\&prime;}\left(b_{ij}\right)-\mathrm{\&eta;}=0\end{array}\right.---\left(11\right)$

其中，λ_j、η表示拉格朗日系数。

而对于宏蜂窝基站，当微微蜂窝基站不是其一部分时，同样地可以证明一定存在均衡。

类似的，由于对于如果任何一个g(x_i)都是大于零的上凸函数，并且当i≠j时g(x_i)与x_j无关，那么f(x₁，x₂...x_n)也是大于零的上凸函数。上文已经证明了函数U_M(b_0k，p_0k)和都是大于零的上凸函数，所以总体效用函数U(b_ij)也是大于零的上凸函数，所以使得整个系统稳定的资源分配策略一定存在。即存在一组均衡策略{B₀ ^*，B₁ ^*，B₂ ^*...B_N ^*}使得系统效用最优。综合上述两个证明的结论，可以知道本发明提出的博弈机制存在均衡。

上文已经证明了在微微蜂窝中对任意确定的基站总带宽B_i，总有一个最优的效用值与之对应，因此一定存在一个函数可以表示效用函数(公式3)的极大值与基站频谱资源总和B_i的关系：

$F_i\left(B_i\right)=MAX\left\{U_{F_i}(b_{ij},p_{ij})\right\}---\left(12\right)$

对同一个基站，选择一系列不同的B_i值，通过求解微分方程组得到相对应的一系列效用极大值，然后对这些离散的数据采用最小二乘法进行曲线拟合，即可得到F_i(B_i)的表达式。在本发明实施例中，采用曲线拟合的方式将F_i(B_i)拟合为一个多项式的对数函数。

同理，也存在一个函数可以表示MBS的效用函数的极大值与带宽B₀的对应关系：

F₀(B₀)＝MAX{U_M(b_0k，p_0k)}    (13)

故将系统效用函数写成如下形式：

$U=F_0\left(B_0\right)+{\mathrm{\&Sigma;}}_{i=1}^N{F}_i\left(B_i\right)---\left(14\right)$

步骤3运行能效提升算法。基于步骤2的数学模型，运行能效提升的算法得到提高异构蜂窝网络的通信能量效率的最佳通信机制。

图3所示为本发明两阶段Stackelberg博弈模型示意图。本发明将异构蜂窝网络中的频谱分配与功率控制构建为一个两阶段Stackelberg博弈模型：在第一阶段，MBS作为领导者为FBS分配频谱资源；在第二阶段，MBS和FBS作为领导者，根据自己得到的带宽为各自的用户分配合理的资源，用户则作为第二阶段的跟随者，根据通信带宽选择自己的传输功率以最大化能量效率。

采用拟牛顿法求出最优解{B₀ ^*，B₁ ^*，B₂ ^*...B_N ^*}，得到博弈第一阶段的平衡，然后分别对每个基站求出在B_i ^*的约束下的最优解。具体包括以下子步骤：

第一部分曲线拟合：

(3-1)初始化i＝0，B_i＝0，s＝0，s为一个用来计数的变量；

(3-2)求解公式11的方程组得到{p_ij ^*，b_ij ^*}以及U_i(p_ij ^*，b_ij ^*)，val[s]＝U_i(p_ij ^*，b_ij ^*)，band[s]＝B_i；

(3-3)B_i＝B_i+h,s＝s+1，h表示拟牛顿法的步长；

(3-4)如果B_i≤B_max则执行步骤(3-2)；

(3-5)F_i(B_i)＝curvefitting(band[s]，val[s])(最小二乘法曲线拟合)；

(3-6)i＝i+1，如果i≤N则执行步骤(3-1)；

第二部分基站带宽优化：

(3-7) $U={\mathrm{\&Sigma;}}_{i=0}^N{F}_i\left(B_i\right);$

(3-8)初始化向量以及矩阵H_k为Hessian矩阵的相似矩阵，0＜ε＜＜1，k＝0，

(3-9)如果则执行步骤(3-14)；

(3-10)由计算出d_k，其中d_k表示一个中间变量，用于3-12的求解；

(3-11)计算并且

(3-12)计算 $H_{k+1}=H_k-\frac{H_k{s}_k{s}_k^T{H}_k}{s_k^T{H}_k{s}_k}+\frac{y_k{y}_k^T}{y_k^T{s}_k},$ 其中 $y_k=\&dtri;U^{k+1}-\&dtri;U^k;$

(3-13)k＝k+1，并执行步骤(3-9))；

第三部分微微蜂窝及宏蜂窝内功率优化与带宽优化：

(3-14)初始化i＝0；

(3-15)B_i＝B_i ^*，其中B_i ^*表示在步骤(3-9)到(3-13)中已经求解出的最优带宽值，即

(3-16)求解公式(11)得到{p_ij ^*，b_ij ^*}以及U_i(p_ij ^*，b_ij ^*)；

(3-17)i＝i+1；

(3-18)如果i≤N，则执行步骤(3-15)，否则算法结束。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种异构蜂窝网络中基于博弈的能效提升方法，其特征在于，包括：

步骤1以信道容量与传输功率的比率作为能量效率，分别定义微微蜂窝基站与宏蜂窝基站的通信能量效率，其中，所述微微蜂窝基站的能量效率θ_i为：

其中，G²表示通信信道的增益；δ²表示信道的零均值加性高斯白噪声；b_ij表示微微蜂窝基站FBS_i为微用户FUE_j分配的频谱带宽；p_ij表示微微蜂窝基站FBS_i为微用户FUE_j设置的发射功率；

所述宏蜂窝基站的能量效率θ₀为：

其中，b_0k表示宏蜂窝基站MBS为宏用户MUE_k分配的频谱带宽；p_ij表示MBS为宏用户MUE_k设置的发射功率；

步骤2基于能量效率分别为所述微微蜂窝基站与所述宏蜂窝基站的建立博弈的数学模型，以及整个异构蜂窝网络的数学模型，其中，所述微微蜂窝基站的数学模型为：

其中，α_i表示与微微蜂窝网络优先权有关的非负系数；β_i表示与一个微微蜂窝中的用户数量和拓扑结构相关的非负系数；c表示生产一个单位功率需要的成本系数；

所述宏蜂窝基站的数学模型为：

其中，α₀表示与宏蜂窝网络优先权有关的非负系数；β₀表示与宏蜂窝 中的用户数量和拓扑结构相关的非负系数；

所述整个异构蜂窝网络的数学模型为：

其中，N表示微微蜂窝基站总数；

步骤3基于所述步骤2的各数学模型运行能效提升算法，将异构蜂窝网络中的频谱分配与功率控制构建为一个两阶段Stackelberg博弈模型：在第一阶段，所述宏蜂窝基站作为领导者为所述微微蜂窝基站分配频谱资源；在第二阶段，所述宏蜂窝基站和所述微微蜂窝基站作为领导者，根据自己得到的带宽为各自的用户分配合理的资源，用户则作为第二阶段的跟随者，根据通信带宽选择自己的传输功率以最大化能量效率。

2.如权利要求1所述的方法，其特征在于，所述步骤2中构建的数学模型需满足以下约束条件：

其中，R_ij是微微蜂窝基站i中的用户j所需要的吞吐率下限；

其中，B_i表示所述宏蜂窝基站分配给微微蜂窝基站FBS_i的频谱资源总和；B₀表示所述宏蜂窝基站剩余的可用使用的资源之和。

3.如权利要求1或2所述的方法，其特征在于，所述步骤3中每个微微蜂窝基站存在一个均衡策略{b_ij ^*}使得第二阶段博弈均衡，由拉格朗日方法确定，如下公式所示：

其中，λ_j、η表示拉格朗日系数；

对于宏蜂窝基站存在一组均衡策略{B₀ ^*，B₁ ^*，B₂ ^*...B_N ^*}使得系统效用最优。

4.如权利要求3所述的方法，其特征在于，所述步骤3包括以下子步骤：

(3-1)初始化i＝0，B_i＝0，s＝0；

(3-2)求解所述权利要求3中的方程组得到{p_ij ^*，b_ij ^*}以及U_i(p_ij ^*，b_ij ^*)，val[s]＝U_i(p_ij ^*，b_ij ^*)，band[s]＝B_i；

(3-3)令B_i＝B_i+h，s＝s+1，h表示拟牛顿法的步长；

(3-4)如果B_i≤B_max则执行步骤(3-2)；

(3-5)用最小二乘法曲线拟合F_i(B_i)＝curvefitting(band[s]，val[s])；

(3-6)令i＝i+1，如果i≤N则执行步骤(3-1)；

(3-7)计算

(3-8)初始化向量以及矩阵H_k为Hessian矩阵的相似矩阵，0＜ε＜＜1，k＝0，

(3-9)如果则执行步骤(3-14)；

(3-10)由计算出d_k，其中d_k表示一个中间变量；

(3-11)计算并且

(3-12)计算其中

(3-13)令k＝k+1，并执行步骤(3-9)；

(3-14)令i＝0；

(3-15)B_i＝B_i ^*，其中B_i ^*表示在所述步骤(3-9)-(3-13)中已经求解出的最优带宽值，即

(3-16)求解所述权利要求3中的方程组得到{p_ij ^*，b_ij ^*}以及U_i(p_ij ^*，b_ij ^*)；

(3-17)令i＝i+1；

(3-18)如果i≤N，则执行步骤(3-15)，否则算法结束。