CN105392172A - 一种建立通信连接的方法及装置 - Google Patents

Abstract

本发明实施例公开了一种建立通信连接的方法和装置，该方法包括：接收目标移动终端发送的通信请求，根据目标移动终端的预设的发射功率，估算目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值，根据所估算的能效值确定最优通信链路和对应的中继域，构建优化能效模型，根据预设的非负参数对优化能效模型进行变形并对二值变量进行松弛化处理，结合拉格朗日对偶算法、梯度迭代法，生成针对目标移动终端的网络资源分配信息，并发送给目标移动终端应接入的RRH。应用本发明实施例，达到降低通信过程中能量的消耗的目的。

Description

一种建立通信连接的方法及装置

技术领域

本发明涉及通信技术领域，特别涉及一种建立通信连接的方法及装置。

背景技术

随着通信需求指数倍的增长，移动场景下通信效率低、灵活性差和花销高的问题逐渐成为5G蜂窝网络发展的瓶颈。目前，常采用异构云无线接入网络和中继协作通信来解决这一问题。

异构云无线接入网络继承了异构网络和云无线接入网络的优势，一般该无线接入网络包括多个子网络，且每个子网络中包括一个或多个RRH(RemoteRadioHead，射频拉远单元)，各个RRH之间相互协作可以获得更高的性能增益。异构云无线接入网络这一概念提出之后，众多学者致力于新通信场景的研究。异构云无线接入网络在网络资源分配方面，对于吞吐量与公平性的平衡、层间干扰消除、新架构的设计、相关技术的支持以及负载均衡都已得到很好的研究。为进一步提高异构云无线接入网络的实用性，MIMO(Multiple-InputMultiple-Output，多输入多输出系统)中继协作通信和D2D(DisktoDisk，磁盘到磁盘备份技术)通信等技术被引入到异构网络架构中。

现有技术中，尽管有大量的研究人员致力于异构云无线接入网络的网络资源分配方法的研究，但未对基于用户协作和QoS(QualityofService，服务质量)保障的异构云无线网络的资源管理方法进行研究，移动终端接入异构云无线接入网络时的中继选择和网络选择的联合优化问题的计算复杂度非常大，导致在网络资源分配中不能合理分配网络资源，进而导致通信过程中能量的额外消耗。

发明内容

本发明实施例的目的在于提供一种建立通信连接的方法及装置，以减小移动终端接入异构云无线接入网络时的中继选择和网络选择的联合优化问题的计算复杂度，实现合理分配网络资源，降低通信过程中能量的消耗。

为达到上述目的，本发明实施例公开了一种建立通信连接的方法，所述方法包括步骤：

接收目标移动终端发送的通信请求；

根据所述目标移动终端的预设的发射功率，估算所述目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值；

按照预设的最优通信链路选择规则，根据所估算的能效值，以可用子网络为单位，确定所述目标移动终端接入RRH要通过的最优通信链路，并根据所确定的最优通信链路更新中继域，其中，所述中继域中包含所有有通信需求的移动终端能够选择的所有中继节点；

根据通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型，其中，所述优化能效模型为关于所述目标移动终端的吞吐量和RRH接收信息需消耗的能量的模型，所述目标移动终端的吞吐量与所述目标移动终端的发射功率相关；

根据预设的非负参数对所述优化能效模型进行变形处理；

对变形处理后的所述优化能效模型中的二值变量进行松弛化处理，其中，所述二值变量为控制中继节点选择和可用子网络选择的变量；

根据预设的拉格朗日对偶算法、预设的梯度迭代法和松弛化处理后的所述优化能效模型，生成针对所述目标移动终端的网络资源分配信息，其中，所述网络资源分配信息包含：所述目标移动终端的最优发射功率、该最优发射功率对应的通信链路和该最优发射功率对应的可用子网络的RRH，所述最优发射功率对应的通信链路为直传通信链路或经过所述中继域中的中继节点的通信链路；

向所述网络资源分配信息中包含的RRH发送所述网络资源分配信息，以使得该RRH根据所述网络资源分配信息中包含的最优发射功率、该最优发射功率对应的通信链路与所述目标移动终端建立通信连接。

一种具体实现方式中，所述根据所确定的最优通信链路更新中继域，包括：

判断所确定的各条最优通信链路是否为中继通信链路；

若为是，则将是中继通信链路的最优通信链路中的中继节点归入该最优通信链路对应的可用子网络的中继集合中；

从各个可用子网络的中继集合中，确定存在于至少两个中继集合中的中继节点；

从所确定的中继节点对应中继集合中，删除所确定中继节点，并根据各个可用子网络的中继集合更新中继域；

所述根据通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型，包括：

根据所述中继域中中继节点的个数、具有通信需求的移动终端的个数、每一个可用子网络中射频拉远单元RRH的个数、通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型。

一种具体实现方式中，所述根据所述中继域中中继节点的个数、具有通信需求的移动终端的个数、每一个可用子网络中射频拉远单元RRH的个数、通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型，包括：

通过以下公式

$\begin{array}{c}\underset{X,Y,P}{\max }\frac{R}{P}\\ =\underset{X,Y,P}{\max }\frac{\underset{k}{\overset{K}{\mathrm{\Σ}}}\underset{i}{\overset{I}{\mathrm{\Σ}}}\underset{j}{\overset{J}{\mathrm{\Σ}}}(x_{i,0,k}^m{R}_{i,0,k}^m+y_{i,0,j,k}^m{R}_{i,0,j,k}^m)+\underset{k}{\overset{K}{\mathrm{\Σ}}}\underset{s}{\overset{S}{\mathrm{\Σ}}}\underset{j}{\overset{J}{\mathrm{\Σ}}}(x_{0,s,k}^n{R}_{0,s,k}^n+y_{0,s,j,k}^n{R}_{0,s,j,k}^n)+......}{\underset{k}{\overset{K}{\mathrm{\Σ}}}\underset{i}{\overset{I}{\mathrm{\Σ}}}\underset{j}{\overset{J}{\mathrm{\Σ}}}(x_{i,0,k}^m{R}_i^m+y_{i,0,j,k}^m{R}_{ij}^m)+\underset{k}{\overset{K}{\mathrm{\Σ}}}\underset{s}{\overset{S}{\mathrm{\Σ}}}\underset{j}{\overset{J}{\mathrm{\Σ}}}(x_{0,s,k}^n{R}_s^n+y_{0,s,j,k}^n{R}_{sj}^n)+......}\end{array}$

构建优化能效模型，其中，K表示具有通信需求的移动终端的个数，所述目标移动终端为K个移动终端中的一个，J表示所述中继域中中继节点的个数，I表示第一可用子网络中RRH的个数，S表示第二可用子网络中RRH的个数，表示移动终端k通过直传通信链路接入第一可用子网络中第i个RRH时的吞吐量，表示移动终端k通过中继通信链路接入第一可用子网络中第i个RRH时的吞吐量，表示移动终端k接入第二可用子网络中第s个RRH时的吞吐量，表示移动终端k通过中继通信链路接入第二可用子网络中第s个RRH时的吞吐量，表示第一可用子网络中第i个RRH接收移动终端k通过直传通信链路传送的信息需消耗的能量，表示第一可用子网络中第i个RRH接收移动终端k通过中继通信链路传送的信息需消耗的能量，表示第二可用子网络中第s个RRH接收所述目标移动终端k通过直传通信链路传送的信息需消耗的能量和，表示第二可用子网络中第s个RRH接收所述目标移动终端k通过中继通信链路传送的信息需消耗的能量，均为二值变量；

所述优化能效模型需满足的条件为：

$\begin{array}{cc}C1:x_{i,0,k}^m,x_{0,s,k}^n,y_{i,0,j,k}^m,y_{0,s,j,k}^n\∈\[0,1\]& \∀i,s,j,k,m,n\end{array}$

$\begin{array}{cc}C2:\underset{i}{\Σ}\underset{j}{\Σ}(x_{i,0,k}^m+y_{i,0,j,k}^m)+\underset{s}{\Σ}\underset{j}{\Σ}(x_{0,s,k}^n+y_{0,s,j,k}^n)+......=1& \∀k\end{array}$

$\begin{array}{cc}C3:\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{i,0,k}^m{R}_{i,0,k}^m+y_{i,0,j,k}^m{R}_{i,0,j,k}^m)+\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{0,s,k}^n{R}_{0,s,k}^n+y_{0,s,j,k}^n{R}_{0,s,j,k}^n)+......\≥R_k^{\min }& \∀k\end{array}$

$\begin{array}{cc}C4:\underset{k}{\Σ}\underset{i}{\Σ}\left(y_{i,0,j,k}^m{P}_{j,i}^m\right)+\underset{k}{\Σ}\underset{s}{\Σ}\left(y_{0,s,j,k}^n{P}_{j,s}^n\right)+......\≤P_0& \∀j\end{array}$

$C5:\underset{k}{\Σ}\underset{i}{\Σ}\underset{j}{\Σ}(x_{i,0,k}^m{P}_{i,0,k}^m+y_{i,0,j,k}^m{P}_{i,0,j,k}^m)+\underset{k}{\Σ}\underset{s}{\Σ}\underset{j}{\Σ}(x_{0,s,k}^n{P}_{0,s,k}^n+y_{0,s,j,k}^n{P}_{0,s,j,k}^n)+......\≤P_{max}$

$\begin{array}{cc}C6:P_{i,0,k}^m\≥0,P_{0,s,k}^n\≥0,P_{i,0,j,k}^m\≥0,P_{0,s,j,k}^n\≥0& \∀i,s,j,k\end{array};$

其中，为移动终端k的最小吞吐量，表示移动终端k通过中继通信链路接入接入第一可用子网络中第i个RRH时第j个中继节点的发射功率，表示移动终端k通过中继通信链路接入接入第二可用子网络中第s个RRH时第j个中继节点的发射功率，P₀表示第j个中继节点的最大发射功率，表示移动终端k通过直传通信链路接入第一可用子网络中第i个RRH时的发射功率，表示移动终端k通过中继通信链路接入第一可用子网络中第i个RRH时的发射功率，表示移动终端k通过直传通信链路接入第二可用子网络中第s个RRH时的发射功率，表示移动终端k通过中继通信链路接入第二可用子网络中第s个RRH时的发射功率，P_max为移动终端k的最大发射功率。

一种具体实现方式中，所述根据预设的非负参数对所述优化能效模型进行变形处理，包括：

根据预设的非负参数λ，按照表达式：

$\underset{X,Y,P}{\max }R-\mathrm{\λ}P,$

对所述优化能效模型进行变形处理。

一种具体实现方式中，所述对变形处理后的所述优化能效模型中的二值变量进行松弛化处理，包括：

通过以下公式

$\begin{array}{cccc}{\tilde{P}}_{i,0,k}^m=x_{i,0,k}^m{P}_{i,0,k}^m,& {\tilde{P}}_{0,s,k}^n=x_{0,s,k}^n{P}_{0,s,k}^n,& {\tilde{P}}_{i,0,j,k}^m=y_{i,0,j,k}^m{P}_{i,0,j,k}^m,& {\tilde{P}}_{0,s,j,k}^n=y_{0,s,j,k}^n{P}_{0,s,j,k}^n\end{array},$

$\begin{array}{ccc}{\tilde{P}}_{j,i}^m=y_{i,0,j,k}^m{P}_{j,i}^m,& {\tilde{P}}_{j,s}^n=y_{0,s,j,k}^n{P}_{j,s}^n,& {\tilde{R}}_{i,0,k}^m={\log }_2(1+\frac{{\tilde{P}}_{i,0,k}^m{h}_{i,0,k}^m}{x_{i,0,k}^m{\mathrm{\σ}}^2})\end{array},$

$\begin{array}{cc}{\tilde{R}}_{0,s,k}^n={\log }_2(1+\frac{{\tilde{P}}_{0,s,k}^n{h}_{0,s,k}^n}{x_{0,s,k}^n{\mathrm{\σ}}^2}),& {\tilde{R}}_{i,0,j,k}^m={\log }_2(1+\frac{{\tilde{P}}_{i,0,j,k}^m{h}_{i,0,j,k}^m}{y_{i,0,j,k}^m{\mathrm{\σ}}^2})\end{array},$

对变形处理后的所述优化能效模型中的二值变量进行松弛化处理；

其中，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量；

松弛化处理后的所述优化能效模型需满足的条件为：

$\begin{array}{cc}\tilde{C}1:x_{i,0,k}^m,x_{0,s,k}^n,y_{i,0,j,k}^m,y_{0,s,j,k}^n\∈\[0,1\]& \∀i,s,j,k,m,n\end{array}$

$\begin{array}{cc}\tilde{C}2:\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{i,0,k}^m+y_{i,0,j,k}^m)+\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{0,s,k}^n+y_{0,s,j,k}^n)+......=1& \∀k\end{array}$

$\begin{array}{cc}\tilde{C}3:\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{i,0,k}^m{\tilde{R}}_{i,0,k}^m+y_{i,0,j,k}^m{\tilde{R}}_{i,0,j,k}^m)+\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{0,s,k}^n{\tilde{R}}_{0,s,k}^n+y_{0,s,j,k}^n{\tilde{R}}_{0,s,j,k}^n)+......\≥R_k^{\min }& \∀k\end{array}$

$\begin{array}{cc}\tilde{C}4:\underset{k}{\Σ}\underset{i}{\Σ}\left({\tilde{P}}_{j,i}^m\right)+\underset{k}{\Σ}\underset{s}{\Σ}\left({\tilde{P}}_{j,s}^n\right)+......\≤P_0& \∀j\end{array}$

$\tilde{C}5:\underset{k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}({\tilde{R}}_{i,0,k}^m+{\tilde{R}}_{i,0,j,k}^m)+\underset{k}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}({\tilde{R}}_{0,s,k}^n+{\tilde{R}}_{0,s,j,k}^n)+......\≤P_{\max }$

$\begin{array}{cc}\tilde{C}6:{\tilde{P}}_{i,0,k}^m\≥\mathrm{0,}{\tilde{P}}_{0,s,k}^n\≥\mathrm{0,}{\tilde{P}}_{i,0,j,k}^m\≥0,{\tilde{P}}_{0,s,j,k}^n\≥0& \∀i,s,j,k\end{array}.$

一种具体实现方式中，所述根据预设的拉格朗日对偶算法、预设的梯度迭代法和松弛化处理后的所述优化能效模型，生成针对所述目标移动终端的网络资源分配信息，包括：

根据预设的拉格朗日因子和对偶分解法，将松弛化处理后的所述优化能效模型转化为对偶优化能效模型；

根据KKT条件、注水算法和所述对偶优化能效模型，获得所述目标移动终端的发射功率P₀；

根据所述发射功率P₀，对所述对偶优化能效模型中的所述目标移动终端的吞吐量和RRH接收信息需消耗的能量进行排序，确定所述发射功率P₀对应的通信链路和所述发射功率P₀对应的可用子网络的RRH；

根据预设的梯度迭代法更新所述预设的拉格朗日因子；

根据所述发射功率P₀和更新后的所述预设的拉格朗日因子，获得当前发射功率P₁；

判断所述发射功率P₀和所述当前发射功率P₁的差值的绝对值是否不高于第一预设值；

若为是，则根据所述当前发射功率P₁、所述当前发射功率P₁对应的通信链路和所述当前发射功率P₁对应的可用子网络的RRH更新预设的非负参数λ，其中，所述当前发射功率P₁对应的通信链路为所述发射功率P₀对应的通信链路，所述当前发射功率P₁对应的可用子网络的RRH为所述发射功率P₀对应的可用子网络的RRH；

将所述更新后的非负参数λ代入松弛化处理后的所述优化能效模型，获得优化值；

判断所述优化值是否低于第二预设值；

若为是，则确定所述当前发射功率P₁为最优发射功率；

根据所述当前发射功率P₁、所述当前发射功率P₁对应的通信链路和所述当前发射功率P₁对应的可用子网络的RRH，生成针对所述目标移动终端的网络资源分配信息。

一种具体实现方式中，所述方法还包括：

在所述发射功率P₀和所述当前发射功率P₁的差值的绝对值高于所述第一预设值的情况下，将更新后的所述预设的拉格朗日因子替换为所述预设的拉格朗日因子，返回所述根据KKT条件、注水算法和所述对偶优化能效模型，获得所述目标移动终端的发射功率P₀的步骤。

一种具体实现方式中，所述方法还包括：

在所述优化值不低于所述第二预设值的情况下，将更新后的所述预设的拉格朗日因子替换为所述预设的拉格朗日因子，返回所述根据KKT条件、注水算法和所述对偶优化能效模型，获得所述目标移动终端的发射功率P₀的步骤。

为达到上述目的，本发明实施例还公开了一种建立通信连接的装置，其特征在于，所述装置包括：通信请求接收单元、能效值估算单元、最优通信链路确定单元、优化能效模型构建单元、优化能效模型变形单元、优化能效模型松弛单元、网络资源分配信息生成单元和网络资源分配信息发送单元；

其中，所述通信请求接收单元，用于接收目标移动终端发送的通信请求；

所述能效值估算单元，用于根据所述目标移动终端的发射功率，估算所述目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值；

所述最优通信链路确定单元，用于按照预设的最优通信链路选择规则，根据所估算的能效值，以可用子网络为单位，确定所述目标移动终端接入RRH要通过的最优通信链路，并根据所确定的最优通信链路更新中继域，其中，所述中继域中包含所有有通信需求的移动终端能够选择的所有中继节点；

所述优化能效模型构建单元，用于根据通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型，其中，所述优化能效模型为关于所述目标移动终端的吞吐量和RRH接收信息需消耗的能量的模型，所述目标移动终端的吞吐量与所述目标移动终端的发射功率相关；

所述优化能效模型变形单元，用于根据预设的非负参数对所述优化能效模型进行变形处理；

所述优化能效模型松弛单元，用于对变形处理后的所述优化能效模型中的二值变量进行松弛化处理，其中，所述二值变量为控制中继节点选择和可用子网络选择的变量；

所述网络资源分配信息生成单元，用于根据预设的拉格朗日对偶算法、预设的梯度迭代法和松弛化处理后的所述优化能效模型，生成针对所述目标移动终端的网络资源分配信息，其中，所述网络资源分配信息包含：所述目标移动终端的最优发射功率、该最优发射功率对应的通信链路和该最优发射功率对应的可用子网络的RRH，所述最优发射功率对应的通信链路为直传通信链路或经过所述中继域中的中继节点的通信链路；

所述网络资源分配信息发送单元，用于向所述网络资源分配信息中包含的RRH发送所述网络资源分配信息，以使得该RRH根据所述网络资源分配信息中包含的最优发射功率、该最优发射功率对应的通信链路与所述目标移动终端建立通信连接。

一种具体实现方式中，所述最优通信链路确定单元，包括：最优通信链路确定子单元和通信链路判断子单元、中继节点归入子单元、中继节点确定子单元和中继域更新子单元；

其中，所述最优通信链路确定子单元，用于按照预设的最优通信链路选择规则，根据所估算的能效值，以可用子网络为单位，确定所述目标移动终端接入RRH要通过的最优通信链路；

所述通信链路判断子单元，用于判断所确定的各条最优通信链路是否为中继通信链路；若为是，则触发所述中继节点归入子单元；

所述中继节点归入子单元，用于将是中继通信链路的最优通信链路中的中继节点归入该最优通信链路对应的可用子网络的中继集合中；

所述中继节点确定子单元，用于从各个可用子网络的中继集合中，确定存在于至少两个中继集合中的中继节点；

所述中继域更新子单元，用于从所确定的中继节点对应中继集合中，删除所确定中继节点，并根据各个可用子网络的中继集合更新中继域；

所述优化能效模型构建单元，具体用于：

根据所述中继域中中继节点的个数、具有通信需求的移动终端的个数、每一个可用子网络中射频拉远单元RRH的个数、通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型。

由上可见，本发明实施例中，在接收到目标移动终端发送的通信请求后，获得该目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值，根据能效值，以可用子网络为单位，确定出最优通信链路，并根据所确定的最优通信链路更新中继域，构建优化能效模型，对该优化能效模型进行变形处理并对该优化能效模型中的二值变量进行松弛化处理，再结合拉格朗日对偶算法和梯度迭代法，获得目标移动终端的最优的网络资源分配信息，这样，有效减小了移动终端接入异构云无线接入网络时的中继选择和网络选择的联合优化问题的计算复杂度，实现了合理分配网络资源，达到了降低通信过程中能量的消耗的目的。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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建立通信连接的方法的流程示意图；

图2为本发明实施例提供的一种建立通信连接的装置的结构示意图。

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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种建立通信连接的方法和装置，该方法包括：接收目标移动终端发送的通信请求，根据目标移动终端的预设的发射功率，估算目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值，根据所估算的能效值确定通信链路，构建优化能效模型，根据预设的非负参数对优化能效模型进行变形并对二值变量进行松弛化处理，结合拉格朗日对偶算法、梯度迭代法，生成针对目标移动终端的网络资源分配信息，并发送给目标移动终端。

下面通过具体实施例，对本发明进行详细说明。

参考图1，为本发明实施例提供的一种建立通信连接的方法的流程示意图，该方法可以包括如下步骤：

S101：接收目标移动终端发送的通信请求；

该方法可以应用于服务器中，也可以直接用于与移动终端上，本发明对此不进行限定。假设，在本发明中该方法应用于服务器中。

S102：根据所述目标移动终端的预设的发射功率，估算所述目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值；

移动终端对通信链路选择和网络选择的情况主要有4种，下面分别给出这4种通信状况下的能效值：

(1)在子信道m上移动终端k接入第一可用子网络中的RRH的直传通信链路的能效值为：

${\mathrm{\η}}_{i,0,k}^m=\frac{R_{i,0,k}^m}{P_i^m}=\frac{{\log }_2(1+\frac{P_{i,0,k}^m{h}_{i,0,k}^m}{{\mathrm{\σ}}^2})}{P_R^m+P_E}.$

其中，表示移动终端k在子信道m上通过直传通信链路接入第一可用子网络的第i个RRH的吞吐量，

$R_{i,0,k}^m={\log }_2(1+\frac{P_{i,0,k}^m{h}_{i,0,k}^m}{{\mathrm{\σ}}^2}),$

表示移动终端k在子信道m上通过直传通信链路接入第一可用子网络的第i个RRH的发射功率，表示移动终端k在子信道m上通过直传通信链路接入第一可用子网络的第i个RRH的链路增益，为在子信道m上第i个RRH通过直传通信链路接收移动终端k所传信息需消耗的能量，表示第i个RRH射频端功率消耗，P_E表示第i个RRH基带端功率消耗，

$\begin{array}{cc}{P}_R^m=P_{DAC}+P_{RF,i}+\mathrm{\θ},& P_E=(C_E+C_R\frac{R_{s,max}}{R_{i,0,k}^m})R_{i,0,k}^m\end{array},$

P_DAC表示数模转换器的功耗，P_RF,i表示第i个RRH处其他RRH的功耗，θ表示功率放大端的能耗，C_E和C_R表示RRH系统的电压参数，R_s,max表示移动终端k的最大信号发射率。

(2)在子信道m上移动终端k接入第一可用子网络中的RRH的中继通信链路的能效值为：

${\mathrm{\η}}_{i,0,j,k}^m=\frac{R_{i,0,j,k}^m}{P_{ij}^m}=\frac{\frac{1}{2}{\log }_2(1+\frac{P_{i,0,j,k}^m{\hat{h}}_{i,0,j,k}^m}{{\mathrm{\σ}}^2})}{P_R^m+P_E^{\′}}.$

其中，表示移动终端k在子信道m上通过中继通信链路接入第一可用子网络的第i个RRH的吞吐量，

$R_{i,0,j,k}^m=\frac{1}{2}{\log }_2(1+\frac{P_{i,0,j,k}^m{\hat{h}}_{i,0,j,k}^m}{{\mathrm{\σ}}^2}),$

表示移动终端k在子信道m上通过中继通信链路接入第一可用子网络的第i个RRH的发射功率，表示移动终端k在子信道m上通过中继通信链路接入第一可用子网络的第i个RRH的链路增益，为在子信道m上第i个RRH通过中继通信链路接收移动终端k所传信息需消耗的能量，

${\hat{h}}_{i,0,j,k}^m=\frac{h_{kj}^m{h}_{ji}^m}{h_{kj}^m+h_{ji}^m-h_{ki}^m},$

在子信道m上移动终端k—中继节点j、中继节点j—第i个RRH、移动终端k—第i个RRH不同链路的链路增益，

$P_E^{\′}=(C_E+C_R\frac{R_{s,max}}{R_{i,0,j,k}^m})R_{i,0,j,k}^m.$

(3)在子信道n上移动终端k接入第二可用子网络中的RRH的直传通信链路上的能效值为：

${\mathrm{\η}}_{0,s,k}^n=\frac{R_{0,s,k}^n}{P_s^n}=\frac{{\log }_2(1+\frac{P_{0,s,k}^n{h}_{0,s,k}^n}{{\mathrm{\σ}}^2})}{P_R^n+P_B}.$

其中，表示移动终端k在子信道n上通过直传通信链路接入第二可用子网络中的第s个RRH的吞吐量，

$R_{0,s,k}^n={\log }_2(1+\frac{P_{0,s,k}^n{h}_{0,s,k}^n}{{\mathrm{\σ}}^2}),$

表示移动终端k在子信道n上通过直传通信链路接入第二可用子网络中的第s个RRH的发射功率，表示移动终端k在子信道n上通过直传通信链路接入第二可用子网络中的第s个RRH的链路增益，在子信道n上第s个RRH通过直传通信链路接收移动终端k所传信息需消耗的能量，表示第s个RRH射频端功率消耗，P_B表示第s个RRH基带端功率消耗，

$\begin{array}{cc}{P}_R^n=\frac{P_{0,s,k}^n}{\mathrm{\η}}+P_{RF,s},& P_B=N_c{P}_{Bm}+\frac{P_{BM}-P_{Bm}}{s_0^{\mathrm{\β}}}(c_0+{\mathrm{\κR}}_{0,s,k}^n)s_1^{\mathrm{\β}-1}\end{array},$

η表示功率放大的效率，P_RF,s表示第s个RRH射频电路消耗的能量，N_c表示服务器中活跃的CPU处理中心个数，P_BM表示CPU处理中心的最大功率，P_Bm表示服务器中CPU处理中心的最小功率，s₀表示CPU的参考速度，s₁表示CPU的速度，c₀表示指令速度的常数系数，κ表示指令速度的系数改变率，β表示CPU速度的指数系数。

(4)在子信道n上移动终端k接入第二可用子网络中的RRH的中继通信链路上的能效值为：

${\mathrm{\η}}_{0,s,j,k}^n=\frac{R_{0,s,j,k}^n}{P_{ij}^n}=\frac{\frac{1}{2}{\log }_2(1+\frac{P_{0,s,j,k}^n{\hat{h}}_{0,s,j,k}^n}{{\mathrm{\σ}}^2})}{P_R^{n^{\′}}+P_B^{\′}}.$

其中，表示移动终端k在子信道n上通过中继通信链路接入第二可用子网络中的第s个RRH的吞吐量，

$R_{0,s,j,k}^n=\frac{1}{2}{\log }_2(1+\frac{P_{0,s,j,k}^n{\hat{h}}_{0,s,j,k}^n}{{\mathrm{\σ}}^2}),$

表示移动终端k在子信道n上通过中继通信链路接入第二可用子网络中的第s个RRH的发射功率，表示移动终端k在子信道n上通过中继通信链路接入第二可用子网络中的第s个RRH的链路增益，在子信道n上第s个RRH通过中继通信链路接收移动终端k所传信息需消耗的能量，

${\hat{h}}_{0,s,j,k}^n=\frac{h_{kj}^n{h}_{js}^n}{h_{kj}^n+h_{js}^n-h_{ks}^n},$

分别表示在子信道n上移动终端k—中继节点j、中继节点j—第s个RRH、移动终端k—第s个RRH不同链路的链路增益，

$\begin{array}{cc}{P}_R^{n^{\′}}=\frac{P_{0,s,j,k}^n}{\mathrm{\η}}+P_{RF,s},& P_B^{\′}=N_c{P}_{Bm}+\frac{P_{BM}-P_{Bm}}{s_0^{\mathrm{\β}}}(c_0+{\mathrm{\κR}}_{0,s,j,k}^n)s_1^{\mathrm{\β}-1}\end{array}.$

在移动终端接入各个可用子网络的RRH时，判断其符合上述4中情况中的哪一种，根据其符合的情况，估算该移动终端接入各个可用子网络时通过的通信链路的能效值。

S103：按照预设的最优通信链路选择规则，根据所估算的能效值，以可用子网络为单位，确定所述目标移动终端接入RRH要通过的最优通信链路，并根据所确定的最优通信链路更新中继域；

其中，中继域中包含所有有通信需求的移动终端能够选择的所有中继节点。

一种具体实现方式中，上述中继域中包含所有有通信需求的移动终端能够选择的所有中继节点，可以包括：

判断所确定的各条最优通信链路是否为中继通信链路；

若为是，则将是中继通信链路的最优通信链路中的中继节点归入该最优通信链路对应的可用子网络的中继集合中；

从各个可用子网络的中继集合中，确定存在于至少两个中继集合中的中继节点；

从所确定的中继节点对应中继集合中，删除所确定中继节点，并根据各个可用子网络的中继集合更新中继域。

假设，当前可用子网络有2个，分别为可用子网络1和可用子网络2，在估算获得目标移动终端接入RRH要通过的各个通信链路的能效值后，以可用子网络为单位，确定能效值最大的通信链路为最优通信链路，若判断一确定的最优通信链路为中继通信链路，且该最优通信链路对应可用子网络1，则将该最优通信链路中的中继节点归入可用子网络1的中继集合J₁中；若判断一确定的最优通信链路为中继通信链路，且该最优通信链路对应可用子网络2，则将该最优通信链路中的中继节点归入可用子网络2的中继集合J₂中，去除同时存在于中继集合J₁和中继集合J₂中的中继节点后，根据剩余的2个中继集合中的中继节点更新中继域。

需要说明的是，当有新的移动终端发送了通信请求后，将确定的该新的移动终端的最优通信链路为中继通信链路的通信链路中的中继节点归入对应的可用子网络的中继集合中，去除同时存在于至少2个中继集合的中继节点后，根据剩余的各个中继集合中的中继节点更新中继域，中继域中的中继节点为所有有通信需求移动终端可选的中继节点。

另外，本发明的一种实现方式中，中继节点可以为没有通信需求的移动终端。采用移动终端作为中继节点，可以有效减少额外能量的消耗。

S104：根据通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型；

其中，优化能效模型为关于目标移动终端的吞吐量和RRH接收信息需消耗的能量的模型，目标移动终端的吞吐量与目标移动终端的发射功率相关。

一种具体实现方式中，上述根据通过经过中继域中的中继节点的通信链路接入各个可用子网络的RRH时目标移动终端的吞吐量和经过中继域中的中继节点的通信链路对应的RRH接收目标移动终端传送的信息需消耗的能量，构建优化能效模型，可以包括：

根据中继域中中继节点的个数、具有通信需求的移动终端的个数、每一个可用子网络中射频拉远单元RRH的个数、通过经过中继域中的中继节点的通信链路接入各个可用子网络的RRH时目标移动终端的吞吐量和经过中继域中的中继节点的通信链路对应的RRH接收目标移动终端传送的信息需消耗的能量，构建优化能效模型，具体地：

通过以下公式

$\begin{array}{c}\underset{X,Y,P}{\max }\frac{R}{P}\\ =\underset{X,Y,P}{\max }\frac{\underset{k}{\overset{K}{\mathrm{\Σ}}}\underset{i}{\overset{I}{\mathrm{\Σ}}}\underset{j}{\overset{J}{\mathrm{\Σ}}}(x_{i,0,k}^m{R}_{i,0,k}^m+y_{i,0,j,k}^m{R}_{i,0,j,k}^m)+\underset{k}{\overset{K}{\mathrm{\Σ}}}\underset{s}{\overset{S}{\mathrm{\Σ}}}\underset{j}{\overset{J}{\mathrm{\Σ}}}(x_{0,s,k}^n{R}_{0,s,k}^n+y_{0,s,j,k}^n{R}_{0,s,j,k}^n)+......}{\underset{k}{\overset{K}{\mathrm{\Σ}}}\underset{i}{\overset{I}{\mathrm{\Σ}}}\underset{j}{\overset{J}{\mathrm{\Σ}}}(x_{i,0,k}^m{P}_i^m+y_{i,0,j,k}^m{P}_{ij}^m)+\underset{k}{\overset{K}{\mathrm{\Σ}}}\underset{s}{\overset{S}{\mathrm{\Σ}}}\underset{j}{\overset{J}{\mathrm{\Σ}}}(x_{0,s,k}^n{P}_s^n+y_{0,s,j,k}^n{P}_{sj}^n)+......}\end{array}$

构建优化能效模型，其中，K表示具有通信需求的移动终端的个数，目标移动终端为K个移动终端中的一个，J表示上述中继域中中继节点的个数，I表示第一可用子网络中RRH的个数，S表示第二可用子网络中RRH的个数，表示移动终端k通过直传通信链路接入第一可用子网络中第i个RRH时的吞吐量，表示移动终端k通过中继通信链路接入第一可用子网络中第i个RRH时的吞吐量，表示移动终端k接入第二可用子网络中第s个RRH时的吞吐量，表示移动终端k通过中继通信链路接入第二可用子网络中第s个RRH时的吞吐量，表示第一可用子网络中第i个RRH接收移动终端k通过直传通信链路传送的信息需消耗的能量，表示第一可用子网络中第i个RRH接收移动终端k通过中继通信链路传送的信息需消耗的能量，表示第二可用子网络中第s个RRH接收所述目标移动终端k通过直传通信链路传送的信息需消耗的能量和，表示第二可用子网络中第s个RRH接收所述目标移动终端k通过中继通信链路传送的信息需消耗的能量，均为二值变量。

需要说明的是，或为分子的一个加法因子， $\underset{k}{\overset{K}{\Σ}}\underset{i}{\overset{I}{\Σ}}\underset{j}{\overset{J}{\Σ}}(x_{i,0,k}^m{P}_i^m+y_{i,0,j,k}^m{P}_j^m)$ 或 $\underset{k}{\overset{K}{\Σ}}\underset{s}{\overset{S}{\Σ}}\underset{j}{\overset{J}{\Σ}}(x_{0,s,k}^n{P}_s^n+y_{0,s,j,k}^n{P}_{sj}^n)$ 为分母的一个加法因子，假设，在异构云无线接入网络中有n个可用子网络，则有分子中就有n个上述的分子的加法因子，分母中也有n个上述的分母的加法因子。

另外，上述优化能效模型需满足的条件为：

$\begin{array}{cc}C1:x_{i,0,k}^m,x_{0,s,k}^n,y_{i,0,j,k}^m,y_{0,s,j,k}^n\∈\[0,1\]& \∀i,s,j,k,m,n\end{array}$

$\begin{array}{cc}C2:\underset{i}{\Σ}\underset{j}{\Σ}(x_{i,0,k}^m+y_{i,0,j,k}^m)+\underset{s}{\Σ}\underset{j}{\Σ}(x_{0,s,k}^n+y_{0,s,j,k}^n)+......=1& \∀k\end{array}$

$\begin{array}{cc}C3:\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{i,0,k}^m{R}_{i,0,k}^m+y_{i,0,j,k}^m{R}_{i,0,j,k}^m)+\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{0,s,k}^n{R}_{0,s,k}^n+y_{0,s,j,k}^n{R}_{0,s,j,k}^n)+......\≥R_k^{\min }& \∀k\end{array}$

$\begin{array}{cc}C4:\underset{k}{\Σ}\underset{i}{\Σ}\left(y_{i,0,j,k}^m{P}_{j,i}^m\right)+\underset{k}{\Σ}\underset{s}{\Σ}\left(y_{0,s,j,k}^n{P}_{j,s}^n\right)+......\≤P_0& \∀j\end{array}$

$C5:\underset{k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{i,0,k}^m{P}_{i,0,k}^m+y_{i,0,j,k}^m{P}_{i,0,j,k}^m)+\underset{k}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{0,s,k}^n{P}_{0,s,k}^n+y_{0,s,j,k}^n{P}_{0,s,j,k}^n)+......\≤P_{\max }$

$\begin{array}{cc}C6:P_{i,0,k}^m\≥\mathrm{0,}{P}_{0,s,k}^n\≥\mathrm{0,}{P}_{i,0,j,k}^m\≥0,P_{0,s,j,k}^n\≥0& \∀i,s,j,k\end{array}.$

其中，为移动终端k的最小吞吐量，表示移动终端k通过中继通信链路接入接入第一可用子网络中第i个RRH时第j个中继节点的发射功率，表示移动终端k通过中继通信链路接入接入第二可用子网络中第s个RRH时第j个中继节点的发射功率，P₀表示第j个中继节点的最大发射功率，

$P_{j,i}^m=\frac{h_{kj}^m-h_{ki}^m}{h_{kj}^m+h_{ji}^m-h_{ki}^m}{P}_{i,0,j,k}^m,P_{j,s}^n=\frac{h_{kj}^n-h_{ks}^n}{h_{kj}^n+h_{js}^n-h_{ks}^n}{P}_{0,s,j,k}^n,$

表示移动终端k通过直传通信链路接入第一可用子网络中第i个RRH时的发射功率，表示移动终端k通过中继通信链路接入第一可用子网络中第i个RRH时的发射功率，表示移动终端k通过直传通信链路接入第二可用子网络中第s个RRH时的发射功率，表示移动终端k通过中继通信链路接入第二可用子网络中第s个RRH时的发射功率，P_max为移动终端k的最大发射功率。

另外，需要说明的是，是指移动终端k通过中继通信链路接入接入各个可用子网络中RRH的等效的发射功率，移动终端k通过中继通信链路接入接入第一可用子网络中第i个RRH时移动终端k对第j个中继节点的发射功率

$P_{k,j}^m=\frac{h_{ji}^m}{h_{kj}^m+h_{ji}^m-h_{ki}^m}{P}_{i,0,j,k}^m,$

移动终端k通过中继通信链路接入接入第二可用子网络中第s个RRH时移动终端k对第j个中继节点的发射功率 $P_{k,j}^n,$

$P_{k,j}^n=\frac{h_{js}^n}{h_{kj}^n+h_{js}^n-h_{ks}^n}{P}_{0,s,j,k}^n.$

S105：根据预设的非负参数对所述优化能效模型进行变形处理；

具体地，根据预设的非负参数λ，按照表达式：

$\underset{X,Y,P}{\max }R-\mathrm{\λ}P,$

对所述优化能效模型进行变形处理。

S106：对变形处理后的所述优化能效模型中的二值变量进行松弛化处理；

这里，二值变量为控制中继节点选择和可用子网络选择的变量。

具体地，上述对变形处理后的优化能效模型中的二值变量进行松弛化处理，可以包括：

通过以下公式

$\begin{array}{cccc}{\tilde{P}}_{i,0,k}^m=x_{i,0,k}^m{P}_{i,0,k}^m,& {\tilde{P}}_{0,s,k}^n=x_{0,s,k}^n{P}_{0,s,k}^n,& {\tilde{P}}_{i,0,j,k}^m=y_{i,0,j,k}^m{P}_{i,0,j,k}^m,& {\tilde{P}}_{0,s,j,k}^n=y_{0,s,j,k}^n{P}_{0,s,j,k}^n\end{array},$

$\begin{array}{ccc}{\tilde{P}}_{j,i}^m=y_{i,0,j,k}^m{P}_{j,i}^m,& {\tilde{P}}_{j,s}^n=y_{0,s,j,k}^n{P}_{j,s}^n,& {\tilde{R}}_{i,0,k}^m={\log }_2(1+\frac{{\tilde{P}}_{i,0,k}^m{h}_{i,0,k}^m}{x_{i,0,k}^m{\mathrm{\σ}}^2})\end{array},$

$\begin{array}{cc}{\tilde{R}}_{0,s,k}^n={\log }_2(1+\frac{{\tilde{P}}_{0,s,k}^n{h}_{0,s,k}^n}{x_{0,s,k}^n{\mathrm{\σ}}^2}),& {\tilde{R}}_{i,0,j,k}^m={\log }_2(1+\frac{{\tilde{P}}_{i,0,j,k}^m{h}_{i,0,j,k}^m}{y_{i,0,j,k}^m{\mathrm{\σ}}^2})\end{array},$

对变形处理后的优化能效模型中的二值变量进行松弛化处理。

其中，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量。

松弛化处理后的优化能效模型需满足的条件变为：

$\begin{array}{cc}\tilde{C}1:x_{i,0,k}^m,x_{0,s,k}^n,y_{i,0,j,k}^m,y_{0,s,j,k}^n\∈\[0,1\]& \∀i,s,j,k,m,n\end{array}$

$\begin{array}{cc}\tilde{C}2:\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{i,0,k}^m+y_{i,0,j,k}^m)+\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{0,s,k}^n+y_{0,s,j,k}^n)+......=1& \∀k\end{array}$

$\begin{array}{cc}\tilde{C}3:\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{i,0,k}^m{\tilde{R}}_{i,0,k}^m+y_{i,0,j,k}^m{\tilde{R}}_{i,0,j,k}^m)+\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{0,s,k}^n{\tilde{R}}_{0,s,k}^n+y_{0,s,j,k}^n{\tilde{R}}_{0,s,j,k}^n)+......\≥R_k^{\min }& \∀k\end{array}$

$\begin{array}{cc}\tilde{C}4:\underset{k}{\Σ}\underset{i}{\Σ}\left({\tilde{P}}_{j,i}^m\right)+\underset{k}{\Σ}\underset{s}{\Σ}\left({\tilde{P}}_{j,s}^n\right)+......\≤P_0& \∀j\end{array}$

$\tilde{C}5:\underset{k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}({\tilde{P}}_{i,0,k}^m+{\tilde{P}}_{i,0,j,k}^m)+\underset{k}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}({\tilde{P}}_{0,s,k}^n+{\tilde{P}}_{0,s,j,k}^n)+......\≤P_{\max }$

$\begin{array}{cc}\tilde{C}6:{\tilde{P}}_{i,0,k}^m\≥\mathrm{0,}{\tilde{P}}_{0,s,k}^n\≥\mathrm{0,}{\tilde{P}}_{i,0,j,k}^m\≥0,{\tilde{P}}_{0,s,j,k}^n\≥0& \∀i,s,j,k\end{array}.$

S107：根据预设的拉格朗日对偶算法、预设的梯度迭代法和松弛化处理后的所述优化能效模型，生成针对所述目标移动终端的网络资源分配信息；

其中，网络资源分配信息包含：目标移动终端的最优发射功率、该最优发射功率对应的通信链路和该最优发射功率对应的可用子网络的RRH，最优发射功率对应的通信链路为直传通信链路或经过所述中继域中的中继节点的通信链路。

一种具体实现方式中，上述根据预设的拉格朗日对偶算法、预设的梯度迭代法和松弛化处理后的优化能效模型，生成针对目标移动终端的网络资源分配信息，可以包括：

A、根据预设的拉格朗日因子和对偶分解法，将松弛化处理后的优化能效模型转化为对偶优化能效模型；

假设，拉格朗日因子为μ和ν，根据预设的拉格朗日因子和对偶分解法，获得的对偶优化能效模型为：

$\begin{array}{c}\underset{\mathrm{\μ},v}{\min }\underset{X,Y,\tilde{P}}{\max }L(\mathrm{\μ},v,X,Y,\tilde{P})\\ =\underset{\mathrm{\μ},v}{\min }\underset{X,Y,\tilde{P}}{\max }\tilde{R}-\mathrm{\λ}\tilde{P}\\ +{\mathrm{\μ}}_k\[\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{i,0,k}^m{\tilde{R}}_{i,0,k}^m+y_{i,0,j,k}^m{\tilde{R}}_{i,0,j,k}^m)+\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{0,s,k}^n{\tilde{R}}_{0,s,k}^n+y_{0,s,j,k}^n{\tilde{R}}_{0,s,j,k}^n)+......-R_k^{\min }\]\\ -v\[\underset{k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}({\tilde{P}}_{i,0,k}^m+{\tilde{P}}_{i,0,j,k}^m)+\underset{k}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}({\tilde{P}}_{0,s,k}^n+{\tilde{P}}_{0,s,j,k}^n)+......-P_{\max }\]\end{array}$

$\underset{k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}({\tilde{P}}_{i,0,k}^m+{\tilde{P}}_{i,0,j,k}^m)+\underset{k}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}({\tilde{P}}_{0,s,k}^n+{\tilde{P}}_{0,s,j,k}^n)+......\≤P_{\max }.$

其中，子问题为：

$\underset{X,Y,\tilde{P}}{\max }L(\mathrm{\μ},v,X,Y,\tilde{P}),$

主问题为：

$\underset{\mathrm{\μ},v}{\min }L(\mathrm{\μ},v,X,Y,\tilde{P}).$

B、根据KKT(Karush-Kuhn-Tucker)条件、注水算法和对偶优化能效模型，获得目标移动终端的发射功率P₀；

具体地，假设异构云无线接入网络中包含2个子网络子信道m接入子网络1中的RRH，子信道n接入子网络2中的RRH，则根据KKT条件、注水算法和对偶优化能效模型，获得目标移动终端的发射功率P₀，为：

${\tilde{P}}_{i,0,k}^{m*}=x_{i,0,k}^m{\[\frac{1+{\mathrm{\μ}}_k-{\mathrm{\λC}}_E}{vln2}-\frac{{\mathrm{\σ}}^2}{h_{i,0,k}^m}\]}^{+},$

${\tilde{P}}_{i,0,j,k}^{m*}=y_{i,0,j,k}^m{\[\frac{1+{\mathrm{\μ}}_k-{\mathrm{\λC}}_E}{v2ln2}-\frac{{\mathrm{\σ}}^2}{h_{i,0,j,k}^m}\]}^{+},$

${\tilde{P}}_{0,s,k}^{n*}=x_{0,s,k}^n{\[\frac{1+{\mathrm{\μ}}_k-{\mathrm{\λ\ΔP}}_B{\mathrm{\κs}}^{\mathrm{\β}-1}}{(\frac{\mathrm{\λ}}{\mathrm{\η}}+v)\ln 2}-\frac{{\mathrm{\σ}}^2}{h_{0,s,k}^n}\]}^{+},$

${\tilde{P}}_{0,s,j,k}^{n*}=y_{0,s,j,k}^n{\[\frac{1+{\mathrm{\μ}}_k-{\mathrm{\λ\ΔP}}_B{\mathrm{\κs}}^{\mathrm{\β}-1}}{(\frac{\mathrm{\λ}}{\mathrm{\η}}+v)2ln2}-\frac{{\mathrm{\σ}}^2}{h_{0,s,j,k}^n}\]}^{+}.$

其中，[t]⁺＝max{0，t}。

C、根据发射功率P₀，对对偶优化能效模型中的目标移动终端的吞吐量和RRH接收信息需消耗的能量进行排序，确定发射功率P₀对应的通信链路和发射功率P₀对应的可用子网络的RRH；

根据上述步骤B的假设，将上述获得各个射功率P₀代入对偶优化能效模型中，对对偶优化能效模型中的目标移动终端的吞吐量和RRH接收信息需消耗的能量进行排序，获得

$\begin{array}{c}\underset{X,Y}{\max }L(\mathrm{\μ},v,X,Y,\tilde{P})\\ =\underset{X,Y}{\max }(\underset{k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}{x}_{i,0,k}^m{H}_{i,0,k}^m+\underset{k}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}{x}_{0,s,k}^n{H}_{0,s,k}^n+\underset{k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{y}_{i,0,j,k}^m{H}_{i,0,j,k}^m+\underset{k}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{y}_{0,s,j,k}^n{H}_{0,s,j,k}^n\\ +{\mathrm{vP}}_{\max }-\underset{k}{\mathrm{\Σ}}{\mathrm{\μ}}_k{R}_k^{\min }).\end{array}$

其需满足的条件为：

$\begin{array}{cc}\tilde{C}1:x_{i,0,k}^m,x_{0,s,k}^n,y_{i,0,j,k}^m,y_{0,s,j^{\′},k}^n\∈\[0,1\]& \∀i,s,j,k,m,n\end{array}$

$\begin{array}{cc}\tilde{C}2:\underset{i}{\Σ}\underset{j}{\Σ}\underset{m}{\Σ}{x}_{i,0,k}^m+y_{i,0,j,k}^m+x_{0,s,k}^n+y_{0,s,j,k}^n=1& \∀k\end{array}.$

其中， $H_{i,0,k}^m=(1+{\mathrm{\μ}}_k-{\mathrm{\λC}}_E){\tilde{R}}_{i,0,k}^m-{\mathrm{vP}}_{i,0,k}^m-\mathrm{\λ}(P_R^m+C_R{R}_{s,max}),$

$H_{0,s,k}^n=(1+{\mathrm{\μ}}_k-{\mathrm{\λ\ΔP}}_B{\mathrm{\κs}}^{\mathrm{\β}-1}){\tilde{R}}_{0,s,k}^n-(\frac{\mathrm{\λ}}{\mathrm{\η}}+v)P_{0,s,k}^m-\mathrm{\λ}(P_{RF2}+P_{Bm}+{\mathrm{\ΔP}}_B{C}_0{s}^{\mathrm{\β}-1}),$

$H_{i,0,j,k}^m=(1+{\mathrm{\μ}}_k-{\mathrm{\λC}}_E){\tilde{R}}_{i,0,j,k}^m-\mathrm{\λ}(P_R^m+C_R{R}_{s,max})-v_k{P}_{i,0,j,k}^m,$

$H_{0,s,j,k}^n=(1+{\mathrm{\μ}}_k-{\mathrm{\λ\ΔP}}_B{\mathrm{\κs}}^{\mathrm{\β}-1}){\tilde{R}}_{0,s,j,k}^n-(\frac{\mathrm{\λ}}{\mathrm{\η}}+v)P_{0,s,j,k}^n-\mathrm{\λ}(P_{RF2}+P_{Bm}+{\mathrm{\ΔP}}_B{C}_0{s}^{\mathrm{\β}-1}).$

和均为二值变量，在获知和中的最大值后，即可获得和的值，假设获知最大，则和均为0，确定发射功率P₀为：

${\tilde{P}}_{i,0,k}^{m*}=x_{i,0,k}^m{\[\frac{1+{\mathrm{\μ}}_k-{\mathrm{\λC}}_E}{vln2}-\frac{{\mathrm{\σ}}^2}{h_{i,0,k}^m}\]}^{+},$

该发射功率P₀对应的通信链路为直传通信链路，该发射功率P₀对应的可用子网络的RRH为可用子网络1的RRH。

D、根据预设的梯度迭代法更新预设的拉格朗日因子；

根据上述步骤B的假设，更新的预设的拉格朗日因子为：

${\mathrm{\μ}}_k(t+1)={\[{\mathrm{\μ}}_k\left(t\right)-{\mathrm{\ϵ}}_1\left(\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}\right(x_{i,0,k}^m{\tilde{R}}_{i,0,k}^m+y_{i,0,j,k}^m{\tilde{R}}_{i,0,j,k}^m)+\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}(x_{0,s,k}^n{\tilde{R}}_{0,s,k}^n+y_{0,s,j,k}^n{\tilde{R}}_{0,s,j,k}^n)-R_k^{\min })\]}^{+}$

$v(t+1)={\[v\left(t\right)-{\mathrm{\ϵ}}_2(P_k^{max}-\underset{k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}({\tilde{R}}_{i,0,k}^m+{\tilde{R}}_{i,0,j,k}^m)+\underset{k}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}({\tilde{R}}_{0,s,k}^n+{\tilde{R}}_{0,s,j,k}^n\left)\right)\]}^{+}.$

E、根据发射功率P₀和更新后的预设的拉格朗日因子，获得当前发射功率P₁；

根据的假设，将更新后的拉格朗日因子代入步骤C中确定的发射功率P₀对应的表达式中，可获得当前发射功率P₁。

F、判断发射功率P₀和当前发射功率P₁的差值的绝对值是否不高于第一预设值；

G、若为是，则根据当前发射功率P₁、当前发射功率P₁对应的通信链路和当前发射功率P₁对应的可用子网络的RRH更新预设的非负参数λ；

其中，当前发射功率P₁对应的通信链路为发射功率P₀对应的通信链路，当前发射功率P₁对应的可用子网络为发射功率P₀对应的可用子网络的RRH。

一种具体实现方式中，在发射功率P₀和当前发射功率P₁的差值的绝对值高于所述第一预设值的情况下，将更新后的所述预设的拉格朗日因子替换为所述预设的拉格朗日因子，返回上述根据KKT条件、注水算法和对偶优化能效模型，获得目标移动终端的发射功率P₀的步骤。

根据上述步骤B的假设，第一预设值为ε，判断|P₁-P₀|≤ε是否成立，若该不等式不成立，则返回根据KKT条件、注水算法和对偶优化能效模型，获得目标移动终端的发射功率P₀的步骤，再次获得发射功率P₀，直至该不等式成立，若该不等式成立，则根据确定当前发射功率P₁对应的通信链路和可用子网络的RRH的情况，更新非负参数λ：

${\mathrm{\λ}}^{\′}=\frac{\underset{k}{\overset{K}{\Σ}}\underset{i}{\overset{I}{\Σ}}\underset{j}{\overset{J}{\Σ}}(x_{i,0,k}^m{\tilde{R}}_{i,0,k}^m+y_{i,0,j,k}^m{\tilde{R}}_{i,0,j,k}^m)+\underset{k}{\overset{K}{\Σ}}\underset{s}{\overset{S}{\Σ}}\underset{j}{\overset{J}{\Σ}}(x_{0,s,k}^n{\tilde{R}}_{0,s,k}^n+y_{0,s,j,k}^n{\tilde{R}}_{0,s,j,k}^n)}{\underset{k}{\overset{K}{\Σ}}\underset{i}{\overset{I}{\Σ}}\underset{j}{\overset{J}{\Σ}}({\tilde{P}}_i^m+{\tilde{P}}_{ij}^m)+\underset{k}{\overset{K}{\Σ}}\underset{s}{\overset{S}{\Σ}}\underset{j}{\overset{J}{\Σ}}({\tilde{P}}_s^n+{\tilde{P}}_{sj}^n)}.$

H、将更新后的非负参数λ代入松弛化处理后的优化能效模型，获得优化值；

I、判断优化值是否低于第二预设值；

J、若为是，则确定当前发射功率P₁为最优发射功率；

一种具体实现方式中，在所述优化值不低于所述第二预设值的情况下，将更新后的所述预设的拉格朗日因子替换为所述预设的拉格朗日因子，返回所述根据KKT条件、注水算法和所述对偶优化能效模型，获得所述目标移动终端的发射功率P₀的步骤。

假设，优化值为a，第二预设值为δ，判断a<δ是否成立，若该不等式不成立，则返回根据KKT条件、注水算法和对偶优化能效模型，获得目标移动终端的发射功率P₀的步骤，再次获得发射功率P₀，直至该不等式成立，若该不等式成立，则根据确定当前发射功率P₁为最优发射功率。

K、根据当前发射功率P₁、当前发射功率P₁对应的通信链路和当前发射功率P₁对应的可用子网络的RRH，生成针对目标移动终端的网络资源分配信息。

S108：向所述网络资源分配信息中包含的RRH发送所述网络资源分配信息，以使得该RRH根据所述网络资源分配信息中包含的最优发射功率、该最优发射功率对应的通信链路与所述目标移动终端建立通信连接。

需要说明的是，上述的通信链路均为上行通信链路。

应用图1所示实施例，在接收到目标移动终端发送的通信请求后，获得该目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值，根据能效值，以可用子网络为单位，确定出最优通信链路，并根据所确定的最优通信链路更新中继域，构建优化能效模型，对该优化能效模型进行变形处理并对该优化能效模型中的二值变量进行松弛化处理，再结合拉格朗日对偶算法和梯度迭代法，获得目标移动终端的最优的网络资源分配信息，这样，有效减小了移动终端接入异构云无线接入网络时的中继选择和网络选择的联合优化问题的计算复杂度，实现了合理分配网络资源，达到了降低通信过程中能量的消耗的目的。

参考图2，为本发明实施例提供的一种建立通信连接的装置的结构示意图，与图1所示流程相对应，该装置可以包括：通信请求接收单元201、能效值估算单元202、最优通信链路确定单元203、优化能效模型构建单元204、优化能效模型变形单元205、优化能效模型松弛单元206、网络资源分配信息生成单元207和网络资源分配信息发送单元208。

其中，通信请求接收单元201，用于接收目标移动终端发送的通信请求。

能效值估算单元202，用于根据目标移动终端的预设的发射功率，估算目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值。

最优通信链路确定单元203，用于按照预设的最优通信链路选择规则，根据所估算的能效值，以可用子网络为单位，确定目标移动终端接入RRH要通过的最优通信链路，并根据所确定的最优通信链路更新中继域。这里，所述中继域中包含所有有通信需求的移动终端能够选择的所有中继节点。

优化能效模型构建单元204，用于根据通过经过中继域中的中继节点的通信链路接入各个可用子网络的RRH时目标移动终端的吞吐量和经过中继域中的中继节点的通信链路对应的RRH接收目标移动终端传送的信息需消耗的能量，构建优化能效模型。这里，优化能效模型为关于目标移动终端的吞吐量和RRH接收信息需消耗的能量的模型，目标移动终端的吞吐量与目标移动终端的发射功率相关。

优化能效模型变形单元205，用于根据预设的非负参数对优化能效模型进行变形处理。

优化能效模型松弛单元206，用于对变形处理后的优化能效模型中的二值变量进行松弛化处理。这里，二值变量为控制中继节点选择和可用子网络选择的变量。

网络资源分配信息生成单元207，用于根据预设的拉格朗日对偶算法、预设的梯度迭代法和松弛化处理后的优化能效模型，生成针对目标移动终端的网络资源分配信息。这里，网络资源分配信息包含：目标移动终端的最优发射功率、该最优发射功率对应的通信链路和该最优发射功率对应的可用子网络的RRH，最优发射功率对应的通信链路为直传通信链路或经过所述中继域中的中继节点的通信链路。

网络资源分配信息发送单元208，用于向网络资源分配信息中包含的RRH发送网络资源分配信息，以使目标移动终端根据网络资源分配信息中包含的最优发射功率、该最优发射功率对应的通信链路与目标移动终端建立通信连接。

一种具体实现方式中，最优通信链路确定单元，可以包括最优通信链路确定子单元和通信链路判断子单元、中继节点归入子单元、中继节点确定子单元和中继域更新子单元(图2中未示出)。

其中，最优通信链路确定子单元，用于按照预设的最优通信链路选择规则，根据所估算的能效值，以可用子网络为单位，确定目标移动终端接入RRH要通过的最优通信链路。

通信链路判断子单元，用于判断所确定的各条最优通信链路是否为中继通信链路，若为是，则触发中继节点归入子单元。

中继节点归入子单元，用于将是中继通信链路的最优通信链路中的中继节点归入该最优通信链路对应的可用子网络的中继集合中。

中继节点确定子单元，用于从各个可用子网络的中继集合中，确定存在于至少两个中继集合中的中继节点。

中继域更新子单元，用于从所确定的中继节点对应中继集合中，删除所确定中继节点，并根据各个可用子网络的中继集合更新中继域。

优化能效模型构建单元204，具体可以用于：

根据中继域中中继节点的个数、具有通信需求的移动终端的个数、每一个可用子网络中射频拉远单元RRH的个数、通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收目标移动终端传送的信息需消耗的能量，构建优化能效模型。

一种具体实现方式中，优化能效模型构建单元204，具体可以用于：

通过以下公式

$\begin{array}{c}\underset{X,Y,P}{\max }\frac{R}{P}\\ =\underset{X,Y,P}{\max }\frac{\underset{k}{\overset{K}{\&Sigma;}}\underset{i}{\overset{I}{\&Sigma;}}\underset{j}{\overset{J}{\&Sigma;}}(x_{i,0,k}^m{R}_{i,0,k}^m+y_{i,0,j,k}^m{R}_{i,0,j,k}^m)+\underset{k}{\overset{K}{\&Sigma;}}\underset{s}{\overset{S}{\&Sigma;}}\underset{j}{\overset{J}{\&Sigma;}}(x_{0,s,k}^n{R}_{0,s,k}^n+y_{0,s,j,k}^n{R}_{0,s,j,k}^n)+......}{\underset{k}{\overset{K}{\&Sigma;}}\underset{i}{\overset{I}{\&Sigma;}}\underset{j}{\overset{J}{\&Sigma;}}(x_{i,0,k}^m{P}_i^m+y_{i,0,j,k}^m{P}_{ij}^m)+\underset{k}{\overset{K}{\&Sigma;}}\underset{s}{\overset{S}{\&Sigma;}}\underset{j}{\overset{J}{\&Sigma;}}(x_{0,s,k}^n{P}_s^n+y_{0,s,j,k}^n{P}_{sj}^n)+......}\end{array}$

构建优化能效模型，其中，K表示具有通信需求的移动终端的个数，目标移动终端为K个移动终端中的一个，J表示中继域中中继节点的个数，I表示第一可用子网络中RRH的个数，S表示第二可用子网络中RRH的个数，表示移动终端k通过直传通信链路接入第一可用子网络中第i个RRH时的吞吐量，表示移动终端k通过中继通信链路接入第一可用子网络中第i个RRH时的吞吐量，表示移动终端k接入第二可用子网络中第s个RRH时的吞吐量，表示移动终端k通过中继通信链路接入第二可用子网络中第s个RRH时的吞吐量，表示第一可用子网络中第i个RRH接收移动终端k通过直传通信链路传送的信息需消耗的能量，表示第一可用子网络中第i个RRH接收移动终端k通过中继通信链路传送的信息需消耗的能量，表示第二可用子网络中第s个RRH接收目标移动终端k通过直传通信链路传送的信息需消耗的能量和，表示第二可用子网络中第s个RRH接收目标移动终端k通过中继通信链路传送的信息需消耗的能量，均为二值变量。

上述优化能效模型需满足的条件为：

$\begin{array}{cc}\tilde{C}1:x_{i,0,k}^m,x_{0,s,k}^n,y_{i,0,j,k}^m,y_{0,s,j,k}^n\&Element;\&lsqb;0,1\&rsqb;& \&ForAll;i,s,j,k,m,n\end{array}$

$\begin{array}{cc}C2:\underset{i}{\&Sigma;}\underset{j}{\&Sigma;}(x_{i,0,k}^m+y_{i,0,j,k}^m)+\underset{s}{\&Sigma;}\underset{j}{\&Sigma;}(x_{0,s,k}^n+y_{0,s,j,k}^n)+......=1& \&ForAll;k\end{array}$

$\begin{array}{cc}C3:\underset{i}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}(x_{i,0,k}^m{R}_{i,0,k}^m+y_{i,0,j,k}^m{R}_{i,0,j,k}^m)+\underset{s}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}(x_{0,s,k}^n{R}_{0,s,k}^n+y_{0,s,j,k}^n{R}_{0,s,j,k}^n)+......\&GreaterEqual;R_k^{\min }& \&ForAll;k\end{array}$

$\begin{array}{cc}C4:\underset{k}{\&Sigma;}\underset{i}{\&Sigma;}\left(y_{i,0,j,k}^m{P}_{j,i}^m\right)+\underset{k}{\&Sigma;}\underset{s}{\&Sigma;}\left(y_{0,s,j,k}^n{P}_{j,s}^n\right)+......\&le;P_0& \&ForAll;j\end{array}$

$C5:\underset{k}{\mathrm{\&Sigma;}}\underset{i}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}(x_{i,0,k}^m{P}_{i,0,k}^m+y_{i,0,j,k}^m{P}_{i,0,j,k}^m)+\underset{k}{\mathrm{\&Sigma;}}\underset{s}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}(x_{0,s,k}^n{P}_{0,s,k}^n+y_{0,s,j,k}^n{P}_{0,s,j,k}^n)+......\&le;P_{\max }$

$\begin{array}{cc}C6:P_{i,0,k}^m\&GreaterEqual;\mathrm{0,}{P}_{0,s,k}^n\&GreaterEqual;\mathrm{0,}{P}_{i,0,j,k}^m\&GreaterEqual;0,P_{0,s,j,k}^n\&GreaterEqual;0& \&ForAll;i,s,j,k\end{array}.$

其中，为移动终端k的最小吞吐量，表示移动终端k通过中继通信链路接入接入第一可用子网络中第i个RRH时第j个中继节点的发射功率，表示移动终端k通过中继通信链路接入接入第二可用子网络中第s个RRH时第j个中继节点的发射功率，P₀表示第j个中继节点的最大发射功率，表示移动终端k通过直传通信链路接入第一可用子网络中第i个RRH时的发射功率，表示移动终端k通过中继通信链路接入第一可用子网络中第i个RRH时的发射功率，表示移动终端k通过直传通信链路接入第二可用子网络中第s个RRH时的发射功率，表示移动终端k通过中继通信链路接入第二可用子网络中第s个RRH时的发射功率，P_max为移动终端k的最大发射功率。

一种具体实现方式中，优化能效模型变形单元205，具体可以用于：

根据预设的非负参数λ，按照表达式：

$\underset{X,Y,P}{\max }R-\mathrm{\&lambda;}P,$

对上述优化能效模型进行变形处理。

一种具体实现方式中，优化能效模型松弛单元206，具体可以用于：

通过以下公式

$\begin{array}{cccc}{\tilde{P}}_{i,0,k}^m=x_{i,0,k}^m{P}_{i,0,k}^m,& {\tilde{P}}_{0,s,k}^n=x_{0,s,k}^n{P}_{0,s,k}^n,& {\tilde{P}}_{i,0,j,k}^m=y_{i,0,j,k}^m{P}_{i,0,j,k}^m,& {\tilde{P}}_{0,s,j,k}^n=y_{0,s,j,k}^n{P}_{0,s,j,k}^n\end{array},$

$\begin{array}{ccc}{\tilde{P}}_{j,i}^m=y_{i,0,j,k}^m{P}_{j,i}^m,& {\tilde{P}}_{j,s}^n=y_{0,s,j,k}^n{P}_{j,s}^n,& {\tilde{R}}_{i,0,k}^m={\log }_2(1+\frac{{\tilde{P}}_{i,0,k}^m{h}_{i,0,k}^m}{x_{i,0,k}^m{\mathrm{\&sigma;}}^2})\end{array},$

$\begin{array}{cc}{\tilde{R}}_{0,s,k}^n={\log }_2(1+\frac{{\tilde{P}}_{0,s,k}^n{h}_{0,s,k}^n}{x_{0,s,k}^n{\mathrm{\&sigma;}}^2}),& {\tilde{R}}_{i,0,j,k}^m={\log }_2(1+\frac{{\tilde{P}}_{i,0,j,k}^m{h}_{i,0,j,k}^m}{y_{i,0,j,k}^m{\mathrm{\&sigma;}}^2})\end{array},$

对变形处理后的优化能效模型中的二值变量进行松弛化处理。

其中，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量。

上述松弛化处理后的优化能效模型需满足的条件为：

$\begin{array}{cc}\tilde{C}1:x_{i,0,k}^m,x_{0,s,k}^n,y_{i,0,j,k}^m,y_{0,s,j,k}^n\&Element;\&lsqb;0,1\&rsqb;& \&ForAll;i,s,j,k,m,n\end{array}$

$\begin{array}{cc}\tilde{C}2:\underset{i}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}(x_{i,0,k}^m+y_{i,0,j,k}^m)+\underset{s}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}(x_{0,s,k}^n+y_{0,s,j,k}^n)+......=1& \&ForAll;k\end{array}$

$\begin{array}{cc}\tilde{C}3:\underset{i}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}(x_{i,0,k}^m{\tilde{R}}_{i,0,k}^m+y_{i,0,j,k}^m{\tilde{R}}_{i,0,j,k}^m)+\underset{s}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}(x_{0,s,k}^n{\tilde{R}}_{0,s,k}^n+y_{0,s,j,k}^n{\tilde{R}}_{0,s,j,k}^n)+......\&GreaterEqual;R_k^{\min }& \&ForAll;k\end{array}$

$\begin{array}{cc}\tilde{C}4:\underset{k}{\&Sigma;}\underset{i}{\&Sigma;}\left({\tilde{P}}_{j,i}^m\right)+\underset{k}{\&Sigma;}\underset{s}{\&Sigma;}\left({\tilde{P}}_{j,s}^n\right)+......\&le;P_0& \&ForAll;j\end{array}$

$\tilde{C}5:\underset{k}{\mathrm{\&Sigma;}}\underset{i}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}({\tilde{R}}_{i,0,k}^m+{\tilde{R}}_{i,0,j,k}^m)+\underset{k}{\mathrm{\&Sigma;}}\underset{s}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}({\tilde{R}}_{0,s,k}^n+{\tilde{R}}_{0,s,j,k}^n)+......\&le;P_{\max }$

$\begin{array}{cc}\tilde{C}6:{\tilde{P}}_{i,0,k}^m\&GreaterEqual;\mathrm{0,}{\tilde{P}}_{0,s,k}^n\&GreaterEqual;\mathrm{0,}{\tilde{P}}_{i,0,j,k}^m\&GreaterEqual;0,{\tilde{P}}_{0,s,j,k}^n\&GreaterEqual;0& \&ForAll;i,s,j,k\end{array}.$

一种具体实现方式中，网络资源分配信息生成单元207，可以包括：能效模型对偶优化子单元、发射功率获得子单元、信息确定子单元、拉格朗日因子更新子单元、当前发射功率获得子单元、差值判断子单元、参数更新子单元、优化值获得子单元、优化值判断子单元、最优发射功率确定子单元和网络资源分配信息生成子单元(图2中未示出)。

其中，能效模型对偶优化子单元，用于根据预设的拉格朗日因子和对偶分解法，将松弛化处理后的优化能效模型转化为对偶优化能效模型。

发射功率获得子单元，用于根据KKT条件、注水算法和对偶优化能效模型，获得目标移动终端的发射功率P₀。

信息确定子单元，用于根据发射功率P₀，对对偶优化能效模型中的目标移动终端的吞吐量和RRH接收信息需消耗的能量进行排序，确定发射功率P₀对应的通信链路和发射功率P₀对应的可用子网络的RRH。

拉格朗日因子更新子单元，用于根据预设的梯度迭代法更新预设的拉格朗日因子。

当前发射功率获得子单元，用于根据发射功率P₀和更新后的预设的拉格朗日因子，获得当前发射功率P₁。

差值判断子单元，用于判断发射功率P₀和当前发射功率P₁的差值的绝对值是否不高于第一预设值，若为是，则触发参数更新子单元。

参数更新子单元，用于根据当前发射功率P₁、当前发射功率P₁对应的通信链路和当前发射功率P₁对应的可用子网络的RRH更新预设的非负参数λ。需要说明的是，当前发射功率P₁对应的通信链路为发射功率P₀对应的通信链路，当前发射功率P₁对应的可用子网络的RRH为发射功率P₀对应的可用子网络的RRH。

优化值获得子单元，用于将更新后的非负参数λ代入松弛化处理后的优化能效模型，获得优化值。

优化值判断子单元，用于判断优化值是否低于第二预设值，若为是，则触发最优发射功率确定子单元。

最优发射功率确定子单元，用于确定当前发射功率P₁为最优发射功率。

网络资源分配信息生成子单元，用于根据当前发射功率P₁、当前发射功率P₁对应的通信链路和当前发射功率P₁对应的可用子网络的RRH，生成针对目标移动终端的网络资源分配信息。

一种具体实现方式中，网络资源分配信息生成单元207，还可以包括：第一拉格朗日因子替换子单元(图2中未示出)。

第一拉格朗日因子替换子单元，用于在发射功率P₀和当前发射功率P₁的差值的绝对值高于第一预设值的情况下，将更新后的预设的拉格朗日因子替换为预设的拉格朗日因子，触发发射功率获得子单元。

一种具体实现方式中，网络资源分配信息生成单元207，还可以包括：第二拉格朗日因子替换子单元(图2中未示出)。

第二拉格朗日因子替换子单元，用于在优化值不低于第二预设值的情况下，将更新后的预设的拉格朗日因子替换为预设的拉格朗日因子，触发发射功率获得子单元。

应用图2所示实施例，在接收到目标移动终端发送的通信请求后，获得该目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值，根据能效值，以可用子网络为单位，确定出最优通信链路，并根据所确定的最优通信链路更新中继域，构建优化能效模型，对该优化能效模型进行变形处理并对该优化能效模型中的二值变量进行松弛化处理，再结合拉格朗日对偶算法和梯度迭代法，获得目标移动终端的最优的网络资源分配信息，这样，有效减小了移动终端接入异构云无线接入网络时的中继选择和网络选择的联合优化问题的计算复杂度，实现了合理分配网络资源，达到了降低通信过程中能量的消耗的目的。

对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种建立通信连接的方法，其特征在于，所述方法包括步骤：

接收目标移动终端发送的通信请求；

根据所述目标移动终端的预设的发射功率，估算所述目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值；

按照预设的最优通信链路选择规则，根据所估算的能效值，以可用子网络为单位，确定所述目标移动终端接入RRH要通过的最优通信链路，并根据所确定的最优通信链路更新中继域，其中，所述中继域中包含所有有通信需求的移动终端能够选择的所有中继节点；

根据通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型，其中，所述优化能效模型为关于所述目标移动终端的吞吐量和RRH接收信息需消耗的能量的模型，所述目标移动终端的吞吐量与所述目标移动终端的发射功率相关；

根据预设的非负参数对所述优化能效模型进行变形处理；

对变形处理后的所述优化能效模型中的二值变量进行松弛化处理，其中，所述二值变量为控制中继节点选择和可用子网络选择的变量；

根据预设的拉格朗日对偶算法、预设的梯度迭代法和松弛化处理后的所述优化能效模型，生成针对所述目标移动终端的网络资源分配信息，其中，所述网络资源分配信息包含：所述目标移动终端的最优发射功率、该最优发射功率对应的通信链路和该最优发射功率对应的可用子网络的RRH，所述最优发射功率对应的通信链路为直传通信链路或经过所述中继域中的中继节点的通信链路；

向所述网络资源分配信息中包含的RRH发送所述网络资源分配信息，以使得该RRH根据所述网络资源分配信息中包含的最优发射功率、该最优发射功率对应的通信链路与所述目标移动终端建立通信连接。

2.根据权利要求1所述的方法，其特征在于，所述根据所确定的最优通信链路更新中继域，包括：

判断所确定的各条最优通信链路是否为中继通信链路；

若为是，则将是中继通信链路的最优通信链路中的中继节点归入该最优通信链路对应的可用子网络的中继集合中；

从各个可用子网络的中继集合中，确定存在于至少两个中继集合中的中继节点；

从所确定的中继节点对应中继集合中，删除所确定中继节点，并根据各个可用子网络的中继集合更新中继域；

所述根据通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型，包括：

根据所述中继域中中继节点的个数、具有通信需求的移动终端的个数、每一个可用子网络中射频拉远单元RRH的个数、通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述中继域中中继节点的个数、具有通信需求的移动终端的个数、每一个可用子网络中射频拉远单元RRH的个数、通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型，包括：

通过以下公式

$\begin{array}{c}\underset{X,Y,P}{max}\frac{R}{P}\\ =\underset{X,Y,P}{max}\frac{\underset{k}{\overset{K}{\&Sigma;}}\underset{i}{\overset{I}{\&Sigma;}}\underset{j}{\overset{J}{\&Sigma;}}(x_{i,0,k}^m{R}_{i,0,k}^m+y_{i,0,j,k}^m{R}_{i,0,j,k}^m)+\underset{k}{\overset{K}{\&Sigma;}}\underset{s}{\overset{S}{\&Sigma;}}\underset{j}{\overset{J}{\&Sigma;}}(x_{0,s,k}^n{R}_{0,s,k}^n+y_{0,s,j,k}^n{R}_{0,s,j,k}^n)+......}{\underset{k}{\overset{K}{\&Sigma;}}\underset{i}{\overset{I}{\&Sigma;}}\underset{j}{\overset{J}{\&Sigma;}}(x_{i,0,k}^m{P}_i^m+y_{i,0,j,k}^m{P}_{ij}^m)+\underset{k}{\overset{K}{\&Sigma;}}\underset{s}{\overset{S}{\&Sigma;}}\underset{j}{\overset{J}{\&Sigma;}}(x_{0,s,k}^n{P}_s^n+y_{0,s,j,k}^n{P}_{sj}^n)+......}\end{array}$

构建优化能效模型，其中，K表示具有通信需求的移动终端的个数，所述目标移动终端为K个移动终端中的一个，J表示所述中继域中中继节点的个数，I表示第一可用子网络中RRH的个数，S表示第二可用子网络中RRH的个数，表示移动终端k通过直传通信链路接入第一可用子网络中第i个RRH时的吞吐量，表示移动终端k通过中继通信链路接入第一可用子网络中第i个RRH时的吞吐量，表示移动终端k接入第二可用子网络中第s个RRH时的吞吐量，表示移动终端k通过中继通信链路接入第二可用子网络中第s个RRH时的吞吐量，表示第一可用子网络中第i个RRH接收移动终端k通过直传通信链路传送的信息需消耗的能量，表示第一可用子网络中第i个RRH接收移动终端k通过中继通信链路传送的信息需消耗的能量，表示第二可用子网络中第s个RRH接收所述目标移动终端k通过直传通信链路传送的信息需消耗的能量和，表示第二可用子网络中第s个RRH接收所述目标移动终端k通过中继通信链路传送的信息需消耗的能量，均为二值变量；

所述优化能效模型需满足的条件为：

$C1:x_{i,0,k}^m,x_{0,s,k}^n,y_{i,0,j,k}^m,y_{0,s,j,k}^n\&Element;\left\{\mathrm{0,1}\right\},\&ForAll;i,s,j,k,m,n$

$C2:\underset{i}{\&Sigma;}\underset{j}{\&Sigma;}(x_{i,0,k}^m+y_{i,0,j,k}^m)+\underset{s}{\&Sigma;}\underset{j}{\&Sigma;}(x_{0,s,k}^n+y_{0,s,j,k}^n)+......=1,\&ForAll;k$

$C3:\underset{i}{\&Sigma;}\underset{j}{\&Sigma;}\left(x_{i,0,k}^m{R}_{i,0,k}^m+y_{i,0,j,k}^m{R}_{i,0,j,k}^m\right)+\underset{s}{\&Sigma;}\underset{j}{\&Sigma;}\left(x_{0,s,k}^n{R}_{0,s,k}^n+y_{0,s,j,k}^n{R}_{0,s,j,k}^n\right)+......\&GreaterEqual;R_k^{\min },\&ForAll;k$

$C4:\underset{k}{\&Sigma;}\underset{i}{\&Sigma;}\left(y_{i,0,j,k}^m{P}_{j,i}^m\right)+\underset{k}{\&Sigma;}\underset{s}{\&Sigma;}\left(y_{0,s,j,k}^n{P}_{j,s}^n\right)+......\&le;P_0,\&ForAll;j$

$C5:\underset{k}{\&Sigma;}\underset{i}{\&Sigma;}\underset{j}{\&Sigma;}\left(x_{i,0,k}^m{P}_{i,0,k}^m+y_{i,0,j,k}^m{P}_{i,0,j,k}^m\right)+\underset{k}{\&Sigma;}\underset{s}{\&Sigma;}\underset{j}{\&Sigma;}\left(x_{0,s,k}^n{P}_{0,s,k}^n+y_{0,s,j,k}^n{P}_{0,s,j,k}^n\right)+......\&le;P_{\max }$

$C6:P_{i,0,k}^m\&GreaterEqual;0,P_{0,s,k}^n\&GreaterEqual;0,P_{i,0,j,k}^m\&GreaterEqual;0,P_{0,s,j,k}^n\&GreaterEqual;0,\&ForAll;i,s,j,k;$

其中，为移动终端k的最小吞吐量，表示移动终端k通过中继通信链路接入接入第一可用子网络中第i个RRH时第j个中继节点的发射功率，表示移动终端k通过中继通信链路接入接入第二可用子网络中第s个RRH时第j个中继节点的发射功率，P₀表示第j个中继节点的最大发射功率，表示移动终端k通过直传通信链路接入第一可用子网络中第i个RRH时的发射功率，表示移动终端k通过中继通信链路接入第一可用子网络中第i个RRH时的发射功率，表示移动终端k通过直传通信链路接入第二可用子网络中第s个RRH时的发射功率，表示移动终端k通过中继通信链路接入第二可用子网络中第s个RRH时的发射功率，P_max为移动终端k的最大发射功率。

4.根据权利要求3所述的方法，其特征在于，所述根据预设的非负参数对所述优化能效模型进行变形处理，包括：

根据预设的非负参数λ，按照表达式：

$\underset{X,Y,P}{max}R-\mathrm{\&lambda;}P,$

对所述优化能效模型进行变形处理。

5.根据权利要求4所述的方法，其特征在于，所述对变形处理后的所述优化能效模型中的二值变量进行松弛化处理，包括：

通过以下公式

${\tilde{P}}_{i,0,k}^m=x_{i,0,k}^m{P}_{i,0,k}^m,{\tilde{P}}_{0,s,k}^n=x_{0,s,k}^n{P}_{0,s,k}^n,{\tilde{P}}_{i,0,j,k}^m=y_{i,0,j,k}^m{P}_{i,0,j,k}^m,{\tilde{P}}_{0,s,j,k}^n=y_{0,s,j,k}^n{P}_{0,s,j,k}^n,$ ${\tilde{P}}_{j,i}^m=y_{i,0,j,k}^m{P}_{j,i}^m,{\tilde{P}}_{j,s}^n=y_{0,s,j,k}^n{P}_{j,s}^n,{\tilde{R}}_{i,0,k}^m={\log }_2\left(1+\frac{{\tilde{P}}_{i,0,k}^m{h}_{i,0,k}^m}{x_{i,0,k}^m{\mathrm{\&sigma;}}^2}\right),$ ${\tilde{R}}_{0,s,k}^n={\log }_2\left(1+\frac{{\tilde{P}}_{0,s,k}^n{h}_{0,s,k}^n}{x_{0,s,k}^n{\mathrm{\&sigma;}}^2}\right),{\tilde{R}}_{i,0,j,k}^m={\log }_2\left(1+\frac{{\tilde{P}}_{i,0,j,k}^m{h}_{i,0,j,k}^m}{y_{i,0,j,k}^m{\mathrm{\&sigma;}}^2}\right),$ 对变形处理后的所述优化能效模型中的二值变量进行松弛化处理；

其中，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量，为松弛化后的变量；

松弛化处理后的所述优化能效模型需满足的条件为：

$\tilde{C}1:x_{i,0,k}^m,x_{0,s,k}^n,y_{i,0,j,k}^m,y_{0,s,j,k}^n\&Element;\&lsqb;0,1\&rsqb;,\&ForAll;i,s,j,k,m,n$

$\tilde{C}2:\underset{i}{\&Sigma;}\underset{j}{\&Sigma;}(x_{i,0,k}^m+y_{i,0,j,k}^m)+\underset{s}{\&Sigma;}\underset{j}{\&Sigma;}(x_{0,s,k}^n+y_{0,s,j,k}^n)+......=1,\&ForAll;k$

$\tilde{C}3:\underset{i}{\&Sigma;}\underset{j}{\&Sigma;}\left(x_{i,0,k}^m{\tilde{R}}_{i,0,k}^m+y_{i,0,j,k}^m{\tilde{R}}_{i,0,j,k}^m\right)+\underset{s}{\&Sigma;}\underset{j}{\&Sigma;}\left(x_{0,s,k}^n{\tilde{R}}_{0,s,k}^n+y_{0,s,j,k}^n{\tilde{R}}_{0,s,j,k}^n\right)+......\&GreaterEqual;R_k^{\min },\&ForAll;k$

$\tilde{C}4:\underset{k}{\&Sigma;}\underset{i}{\&Sigma;}\left({\tilde{P}}_{j,i}^m\right)+\underset{k}{\&Sigma;}\underset{s}{\&Sigma;}\left({\tilde{P}}_{j,s}^n\right)+......\&le;P_0,\&ForAll;j$

$\tilde{C}5:\underset{k}{\&Sigma;}\underset{i}{\&Sigma;}\underset{j}{\&Sigma;}({\tilde{P}}_{i,0,k}^m+{\tilde{P}}_{i,0,j,k}^m)+\underset{k}{\&Sigma;}\underset{s}{\&Sigma;}\underset{j}{\&Sigma;}({\tilde{P}}_{0,s,k}^n+{\tilde{P}}_{0,s,j,k}^n)+......\&le;P_{max}$

$\tilde{C}6:{\tilde{P}}_{i,0,k}^m\&GreaterEqual;0,{\tilde{P}}_{0,s,k}^n\&GreaterEqual;0,{\tilde{P}}_{i,0,j,k}^m\&GreaterEqual;0,{\tilde{P}}_{0,s,j,k}^n\&GreaterEqual;0,\&ForAll;i,s,j,k.$

6.根据权利要求5所述的方法，其特征在于，所述根据预设的拉格朗日对偶算法、预设的梯度迭代法和松弛化处理后的所述优化能效模型，生成针对所述目标移动终端的网络资源分配信息，包括：

根据预设的拉格朗日因子和对偶分解法，将松弛化处理后的所述优化能效模型转化为对偶优化能效模型；

根据KKT条件、注水算法和所述对偶优化能效模型，获得所述目标移动终端的发射功率P₀；

根据所述发射功率P₀，对所述对偶优化能效模型中的所述目标移动终端的吞吐量和RRH接收信息需消耗的能量进行排序，确定所述发射功率P₀对应的通信链路和所述发射功率P₀对应的可用子网络的RRH；

根据预设的梯度迭代法更新所述预设的拉格朗日因子；

根据所述发射功率P₀和更新后的所述预设的拉格朗日因子，获得当前发射功率P₁；

判断所述发射功率P₀和所述当前发射功率P₁的差值的绝对值是否不高于第一预设值；

若为是，则根据所述当前发射功率P₁、所述当前发射功率P₁对应的通信链路和所述当前发射功率P₁对应的可用子网络的RRH更新预设的非负参数λ，其中，所述当前发射功率P₁对应的通信链路为所述发射功率P₀对应的通信链路，所述当前发射功率P₁对应的可用子网络的RRH为所述发射功率P₀对应的可用子网络的RRH；

将所述更新后的非负参数λ代入松弛化处理后的所述优化能效模型，获得优化值；

判断所述优化值是否低于第二预设值；

若为是，则确定所述当前发射功率P₁为最优发射功率；

根据所述当前发射功率P₁、所述当前发射功率P₁对应的通信链路和所述当前发射功率P₁对应的可用子网络的RRH，生成针对所述目标移动终端的网络资源分配信息。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

在所述发射功率P₀和所述当前发射功率P₁的差值的绝对值高于所述第一预设值的情况下，将更新后的所述预设的拉格朗日因子替换为所述预设的拉格朗日因子，返回所述根据KKT条件、注水算法和所述对偶优化能效模型，获得所述目标移动终端的发射功率P₀的步骤。

8.根据权利要求6所述的方法，其特征在于，所述方法还包括：

在所述优化值不低于所述第二预设值的情况下，将更新后的所述预设的拉格朗日因子替换为所述预设的拉格朗日因子，返回所述根据KKT条件、注水算法和所述对偶优化能效模型，获得所述目标移动终端的发射功率P₀的步骤。

9.一种建立通信连接的装置，其特征在于，所述装置包括：通信请求接收单元、能效值估算单元、最优通信链路确定单元、优化能效模型构建单元、优化能效模型变形单元、优化能效模型松弛单元、网络资源分配信息生成单元和网络资源分配信息发送单元；

其中，所述通信请求接收单元，用于接收目标移动终端发送的通信请求；

所述能效值估算单元，用于根据所述目标移动终端的发射功率，估算所述目标移动终端接入各个可用子网络的射频拉远单元RRH要通过的每一通信链路的能效值；

所述最优通信链路确定单元，用于按照预设的最优通信链路选择规则，根据所估算的能效值，以可用子网络为单位，确定所述目标移动终端接入RRH要通过的最优通信链路，并根据所确定的最优通信链路更新中继域，其中，所述中继域中包含所有有通信需求的移动终端能够选择的所有中继节点；

所述优化能效模型构建单元，用于根据通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型，其中，所述优化能效模型为关于所述目标移动终端的吞吐量和RRH接收信息需消耗的能量的模型，所述目标移动终端的吞吐量与所述目标移动终端的发射功率相关；

所述优化能效模型变形单元，用于根据预设的非负参数对所述优化能效模型进行变形处理；

所述优化能效模型松弛单元，用于对变形处理后的所述优化能效模型中的二值变量进行松弛化处理，其中，所述二值变量为控制中继节点选择和可用子网络选择的变量；

所述网络资源分配信息生成单元，用于根据预设的拉格朗日对偶算法、预设的梯度迭代法和松弛化处理后的所述优化能效模型，生成针对所述目标移动终端的网络资源分配信息，其中，所述网络资源分配信息包含：所述目标移动终端的最优发射功率、该最优发射功率对应的通信链路和该最优发射功率对应的可用子网络的RRH，所述最优发射功率对应的通信链路为直传通信链路或经过所述中继域中的中继节点的通信链路；

所述网络资源分配信息发送单元，用于向所述网络资源分配信息中包含的RRH发送所述网络资源分配信息，以使得该RRH根据所述网络资源分配信息中包含的最优发射功率、该最优发射功率对应的通信链路与所述目标移动终端建立通信连接。

10.根据权利要求9所述的装置，其特征在于，所述最优通信链路确定单元，包括：最优通信链路确定子单元和通信链路判断子单元、中继节点归入子单元、中继节点确定子单元和中继域更新子单元；

其中，所述最优通信链路确定子单元，用于按照预设的最优通信链路选择规则，根据所估算的能效值，以可用子网络为单位，确定所述目标移动终端接入RRH要通过的最优通信链路；

所述通信链路判断子单元，用于判断所确定的各条最优通信链路是否为中继通信链路；若为是，则触发所述中继节点归入子单元；

所述中继节点归入子单元，用于将是中继通信链路的最优通信链路中的中继节点归入该最优通信链路对应的可用子网络的中继集合中；

所述中继节点确定子单元，用于从各个可用子网络的中继集合中，确定存在于至少两个中继集合中的中继节点；

所述中继域更新子单元，用于从所确定的中继节点对应中继集合中，删除所确定中继节点，并根据各个可用子网络的中继集合更新中继域；

所述优化能效模型构建单元，具体用于：

根据所述中继域中中继节点的个数、具有通信需求的移动终端的个数、每一个可用子网络中射频拉远单元RRH的个数、通过经过所述中继域中的中继节点的通信链路接入各个可用子网络的RRH时所述目标移动终端的吞吐量和经过所述中继域中的中继节点的通信链路对应的RRH接收所述目标移动终端传送的信息需消耗的能量，构建优化能效模型。