CN105636057B - 超密集网络中一种基于非协作博弈的资源分配方法 - Google Patents
超密集网络中一种基于非协作博弈的资源分配方法 Download PDFInfo
- Publication number
- CN105636057B CN105636057B CN201610005454.7A CN201610005454A CN105636057B CN 105636057 B CN105636057 B CN 105636057B CN 201610005454 A CN201610005454 A CN 201610005454A CN 105636057 B CN105636057 B CN 105636057B
- Authority
- CN
- China
- Prior art keywords
- base station
- user
- power
- resource allocation
- channel
- 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
- 238000013468 resource allocation Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001228 spectrum Methods 0.000 claims abstract description 36
- 230000008447 perception Effects 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000002401 inhibitory effect Effects 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012886 linear function Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002040 relaxant effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000838698 Togo Species 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- 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
- H04W72/54—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
-
- 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
本发明提出了超密集网络中一种基于非协作博弈的资源分配方法。分析了超密集异构网络中双层网络,提出了基于感知的共享和正交混合的频谱分配方法;通过描述基站连接,信道模型和系统容量得出了基站连接、用户信道和功率分配的多维资源配置模型;提出了一种基于非协作博弈的资源分配方法来解决多维资源配置问题,该算法阐述了非协作博弈模型,引入允许域求解最优功率分配,把基站连接的0‑1离散变量松弛化为(0,1)区间的变量,用规范惩罚来判断分配信道,形成一个基站接入、用户信道以及功率分配相互迭代的算法。解决了宏蜂窝和微蜂窝之间的跨层及同层干扰和多维无线资源配置问题,在抑制干扰和提高整个系统吞吐量方面具有一定的优越性。
Description
技术领域
本发明设计了一种基于非协作博弈的分布式资源分配算法,应用于超密集异构无线网络中,属于信息通信技术领域。
背景技术
随着互联网应用的快速发展以及数据业务需求的爆发式增加,无线网络面临着巨大的挑战。超密集异构网络是应对此挑战的一个重要解决方案。其主要思想是在传统蜂窝网的宏蜂窝之外增加大量的廉价小蜂窝,形成一个高密度的网络。其好处是基站与用户的距离非常近,因而能支持更多用户,减少覆盖盲点,并提供更稳定和更高效的数据传输,提高网络吞吐量。近年来,超密集异构网络已成为5G通信关键技术之一,是国内外移动通信领域研究的热点问题之一。
在传统高发射功率的接入节点(宏小区)覆盖范围内部部署低功率、低成本的接入节点(微小区、家庭基站)来为用户提供服务,不仅能减少宏小区的负荷,同时也能提高系统容量,这种多层小区组成的的异构网络(Heterogeneous NetWork, HetNet)是应对移动流量快速增长的重要手段,在4G系统得到广泛的应用。不过由于宏小区和微小区的发射功率差异很大,造成跨层干扰管理困难,需要先进的信号处理和频谱分配技术,来实现实际系统的容量提升。同时,超密集异构无线网络中无线资源需要合理的管理和配置,才可以让整个系统达到良好的性能。无线资源主要包括功率控制、移动性管理、负载控制、信道分配、基站连接和信道分配等。同时,无线频谱资源因为多种无线通信系统并存而日益短缺。由于跨层无线资源分配和家庭基站的接入方式使得异构无线网络下资源分配出现了新的挑战,要求对多种无线资源进行联合优化配置。
因此,本发明提出一种基于非协作博弈的分布式资源分配算法,解决干扰和多维无线资源分配问题。
发明内容
技术问题:本发明的目的是在超密集异构无线网络中提供一种基于非协作博弈的分布式资源分配算法,有效地解决了超密集异构无线网络中跨层和同层干扰,多维无线资源优化配置的问题。
技术方案:本发明在超密集异构无线网络中提出一种基于非协作博弈的分布式资源分配算法,包括以下步骤:
1.宏基站和家庭基站组成的超密集异构无线网络模型(即根据非协作资源分配博弈模型)
A.宏基站和家庭基站
超密集异构无线接入网络,该网络为宏基站(Macro Base Station,MBS)和家庭基站(Femto Base Station,FBS)重叠放置在一个区域。第一层即底层网络为一个宏蜂窝小区,其中心位置布置一个宏基站为该小区用户提供服务,宏基站用MBS0表示,个数为m0,覆盖半径为RM;第二层网络为家庭基站,假设一个宏小区基站下有M个FBS,分别表示为{FBS1,FBS2,...,FBSM}每个家庭基站的覆盖半径为RF。
B.宏用户和家庭基站用户
在超密集异构无线接入网中,基站采用闭合传输模式,即FBS只支持Femtocell 下的用户终端(FUE,Femto User Equipment)而MBS也仅支持宏基站的宏用户 (MUE,MacroUser Equipment)终端。MBS和FBS之间不能直接的进行信息交流,所以MB无法直接获得FBS相关信息。但是FBS可通过网络监听功能,获得MUE所占用的信道资源即在相应信道上的干扰容限。
2.基于感知的共享和正交混合的频谱分配方法
本发明采取基于感知的共享和正交混合的频谱分配的方式目标是消除跨层以及同层网络的之间的干扰,并获得更好的频谱利用率。将整个共享频带划分为相等的3 互相正交的部分,分别用F1,F2和F3表示。Macrocell核心地区的用户可以使用频谱 F1,F2,而宏蜂窝边缘用户只能频谱F3。Femtocell用户可用频谱则正相反。
中心地区的femtocell可以通过感知Macrocell的不使用的空闲频谱来动态地进行频谱接入。中心地区的femtocell可以进一步动态接入Fi(mod3)+1,F(i+1)(mod3)+1中的空闲信道。为了提高接入信道的成功率,对接入做出如下顺序:Macrocell中心地区用户接入时按照Fi(mod3)+1,F(i+1)(mod3)+1和Fi的顺序,而femtocell用户接入时按相反的顺序。
3.多维资源配置优化模型
A.基站接入模型
用户在连接基站时候,基站需要判断是否连接,本发明定义基站连接指数如下:
公式(1)中基站连接指数为,preq表示接入基站的最低发射功率。值取1 时候则表示用户u在时刻t选择连接发射功率满足preq且取pmMax的基站小区A,为0 时候则表示未与小区A连接。
B.物理信道模型
在信道n上的接收信号的信干噪比,可以表示为:
其中,和表示小区FBSm在信道n上的信道增益以及小区M基站在信道 n上的发射功率。σ2是高斯白噪声功率,表示宏基站对家庭基站的干扰,表示家庭基站互相之间的干扰。
C.Macrocell和Femtocell系统容量
考虑到宏基站对家庭基站的跨层干扰以及密集的家庭基站的同层干扰,频谱复用采取基于感知的共享和正交混合的频谱分配。得到femtocell信道容量表示为:
而所有femtocell系统容量和为:
其中,N是信道数,M表示宏蜂窝中femtocell的集合,表示用户对家庭基站的接入指数,uf表示在信道n上的femtocell用户的集合。
对于Macrocell系统容量,宏蜂窝信道容量为:
而宏蜂窝系统的容量和为:
其中uc表示信道n上的集合,宏用户接入基站用表示。
D.多维资源分配优化模型
根据以上分析可以以超密集异构无线网络容量和资源利用率为优化目标,以基站接入用户信道n和功率为约束变量,求解出网络容量最大化情况下的最优基站接入、信道分配和功率分配。因此,多维资源分配优化模型可表为:
公式(7)中,Pf,max是FBS最大功率限制,为每一个用户定义最小的速率作为QoS需求,保证用户要么连接宏基站要么连接家庭基站,不可同时连接两个基站。
4.基于非协作博弈的分布式资源分配算法
该算法首先阐述了异构无线网络中的宏蜂窝和微蜂窝网络系统的多维资源非协作博弈模型;其次,在给定基站连接、用户信道分配矩阵的情况下,对所有满足优化问题约束条件的功率解进行分析,引入允许域求解出此情况下的最优功率分配解;再次,固定基站功率分配,对基站连接和用户信道分配的0-1离散变量问题,把这个0或1离散变量松弛为(0,1)区间的连续变量,并定义规范惩罚用来判断基站是否连接,然后分配信道;最后,为了解决这一博弈问题,形成一个基站接入、用户信道分配以及基站功率分配相互迭代的算法。
A.非协作资源分配博弈模型
无线资源分配问题模型可以采用非协作动态资源博弈,对于所有的小区m∈M, 此博弈可以表达如下:
其中,um是功效函数,Um代表小区m的用户集合。每一个小区尝试找到一个发送功率pm和基站连接矩阵分配信道
B.非协作资源分配算法描述
首先在给定基站连接分配子信道分配矩阵的情况下,求解基站功率分配的问题。在给定发送功率的P的情况下,定义则小区m中的用户 u在子信道n中的SINR可以表示为因此,最大化小区用户容量的NDPAG博弈问题等价于下面目标SINR分配问题:
既然基站接入矩阵T*m给定,则分配给用户u的子信道集合能够得到并且标记为Su。
为了保证功率动态分配博弈的收敛性,且可以收敛到最优,根据公式利用弱 P-F理论可以引用一个ρ(ΓnHn)的上限,分析结论,NDPAG可以重新写成:
以上问题是一个凸优化问题,且可由KKT(Karush-Kuhn-Tucker)条件解决。
此凸优化问题解为:
其中λ为一个常数,它使得数据速率限制得到满足。一旦得到目标速率功率分配向量pm可以通过求解下面的线性函数来得到,
值得注意的是,但是如果用户数目太多,最后的功率分配将不能满足要求。采用以SINR的比例的。用户子信道n上可以获得更高的SINR,应该减少较少的功率。可以利用有限的功率得到更大的系统改善性能。
根据以上对NDPAG的分析,可以在给定基站接入矩阵的前提下得到功率分配的解。
D.离散变量松弛化
固定基站的功率分配,对基站连接和用户信道分配的0-1离散变量问题,把这个0或1离散变量松弛为(0,1)区间的连续变量,并定义规范惩罚用来判断基站是否连接,然后分配用户信道。基站连接满足两个约束条件:
(a)
(b)对于任意的u,是松弛化的约束。
第一个约束反应了基站连接用户的指数,第二个约束增加了负载控制。所以,分配给用户u的子信道集合能够得到并且标记为Su。
这两个约束条件很难去解决,因此,修改它们是的问题变得简单化。第一个约束松弛化为:
通过连续的变量来替代离散的变量,对于松弛变量,采用通用的技术来利用松弛约束:增加l1规范惩罚项
下面,在给定功率向量P情况下,从利用弱P-F理论可以引用一个ρ(ΓnHn)的上限来分析基站接入用户信道分配的问题,
既然功率分配向量p已经给定,可以得到在子载波n上收到的干扰。上面的问题可以写成
信道分配这部分过程如下:
对于每个基站m,
1.初始化
对于任意一用户u∈U,初始化作为可能达到的评估速率,
mn={1,2,...,N}表示小区m中可用子信道集合。
2.找合适的用户子信道对(u,n)满足
更新mn=mn-{n};
如果则Um=Um-{u},否则继续更新mn;
如果Um或者mn为空,结束。否则回到步骤2。
以上过程就是基站接入用户信道分配过程,最终会求得最优解。
根据以上NDPAG和基站接入用户子信道分配过程,可以得超密集异构无线网络中非协作博弈的分布式无线资源动态分配(Dynamic Redeployment Algorithm,DRA) 算法。基站连接子信道和功率相互之间进行迭代,整个迭代过程表述如下,
1)初始化为每个小区在所有子信道分配平均功率。
2)在给定发送功率的情况下,每个用户测量上一个调度周期所有信道的SINR。
3)每个用户向自己的服务小区反馈这些信息。
4)每个小区执行基站连接信道分配过程。
5)每个小区根据(11)(12)执行功率分配。
6)如果第5步的功率分配不能够满足最大功率限制,根据(13)重新分配功率。
7)对步骤2-6进行迭代,知道资源收敛到一个均衡态。
在以上的非协作博弈动态资源分配过程中,在更新基站连接子信道分配和注水功率之间进行迭代。每一次迭代过程中,每个小区都是利用本地的信息来进行最小化效用函数。
有益效果:本发明具有以下优点:
①提出了宏基站和家庭基站组成的超密集异构无线网络模型,根据模型解决了宏基站与家庭基站、宏用户与家庭基站用户以及跨层与同层干扰。
②提出了基于感知的共享和正交混合的频谱分配方法,即将整个共享频带划分为相等的3互相正交的部分,分别用F1,F2和F3表示,宏蜂窝的核心地区用户可以使用2段频谱,而宏蜂窝边缘用户可以使用1段频谱。Femtocell用户可用频谱则正相反,宏蜂窝边缘的Femtocell用户可用与宏蜂窝中心用户相同的频段,而宏蜂窝中心的Femtocell用户使用与各自宏蜂窝边缘相同的频段,这样femtocell用户与宏蜂窝用户的频段相互正交,从而避免了宏蜂窝与femtocell之间的干扰。
③多维资源配置优化模型,根据基站接入、物理信道状况、系统容量,提出了基站接入、用户信道分配和功率分配多为资源优化配置模型。
④提出了超密集异构无线网中一种基于非协作博弈的分布式资源分配算法。算法首先阐述了异构无线网络中的宏蜂窝和微蜂窝网络系统的多维资源非协作博弈模型;其次,在给定基站连接、用户信道分配矩阵的情况下,对所有满足优化问题约束条件的功率解进行分析,引入允许域求解出此情况下的最优功率分配解;再次,固定基站功率分配,对基站连接和用户信道分配的0-1离散变量问题,把这个0或 1离散变量松弛为(0,1)区间的连续变量,并定义规范惩罚用来判断基站是否连接,然后分配信道;最后,为了解决这一博弈问题,形成一个基站接入、用户信道分配以及基站功率分配相互迭代的算法。
附图说明
图1是宏蜂窝和家庭基站组成的超密集异构无线网络场景图。
图2是基于感知的共享和正交混合的Macrocell频谱分配图。
图3是基于感知的共享和正交混合的Femtocel频谱分配图。
图4是超密集异构无线网络中一种基于非协作博弈的分布式无线资源动态分配算法图。
具体实施方式
本发明设计出超密集异构无线网络中一种基于非协作博弈的分布式无线资源动态分配算法,该结构对宏基站与家庭基站组成的超密异构无线网络进行分析,提出了基于感知的共享和正交混合的频谱分配,根据基站接入、物理信道状况、系统容量,提出了基站接入、用户信道分配和功率分配多为资源优化配置模型,最后提出了超密集异构无线网中一种基于非协作博弈的分布式资源分配算法。
1.宏基站和家庭基站组成的超密集异构无线网络模型
本发明提出一个由宏基站和家庭基站组成的超密集异构无线网络,主要考虑无线接入网,如图1所示。
A.宏基站和家庭基站
超密集异构无线接入网络,该网络为宏基站(Macro Base Station,MBS)和家庭基站(Femto Base Station,FBS)重叠放置在一个区域。第一层即底层网络为一个宏蜂窝小区,其中心位置布置一个宏基站为该小区用户提供服务,宏基站用MBS0表示,个数为m0,覆盖半径为RM;第二层网络为家庭基站,假设一个宏小区基站下有M个FBS,表示为{FBS1,FBS2,...,FBSM},每个家庭基站的覆盖半径为RF。
B.宏用户和家庭基站用户
在超密集异构无线接入网中,基站采用闭合传输模式,即FBS只支持Femtocell 下的用户终端(FUE,Femto User Equipment)而MBS也仅支持宏基站的宏用户 (MUE,MacroUser Equipment)终端。MBS和FBS之间不能直接的进行信息交流,所以MB无法直接获得FBS相关信息。但是FBS可通过网络监听功能,获得MUE所占用的信道资源即在相应信道上的干扰容限。
2.基于感知的共享和正交混合的频谱分配方法
本发明采取基于感知的共享和正交混合的频谱分配的方式目标是消除跨层以及同层网络之间的干扰,并获得更好的频谱利用率。如图2描述,将整个共享频带划分为相等的3互相正交的部分,分别用F1,F2和F3表示,宏蜂窝的核心地区用户可以使用2段频谱,而宏蜂窝边缘用户可以使用1段频谱。Femtocell用户可用频谱则正相反。
为了是可用频谱资源与用户分配密度相匹配,中心的femtocell可通过感知宏蜂窝的空闲频谱来动态地进行频谱接入,从而获得更多的频谱资源。中心地区的 femtocell可以进一步动态接入Fi(mod3)+1,F(i+1)(mod3)+1中的空闲信道。进一步,考虑到了femtocell数量较多,为了提高接入信道的成功概率,将宏蜂窝与femtocell的接入顺序做了如下排列:宏蜂窝中心地区用户接入时按照Fi(mod3)+1,F(i+1)(mod3)+1和Fi的顺序,而femtocell用户接入时按照相反的Fi和Fi(mod3)+1,F(i+1)(mod3)+1的顺序。
3.多维资源配置优化模型
A.基站接入模型
用户在连接基站时候,基站需要判断是否连接,本发明定义基站连接指数如下:
因此,基站接入矩阵为公式(1)中基站连接指数为,preq表示接入基站的最低发射功率。值取1时候则表示用户u在时刻t选择连接发射功率满足preq且取pmMax的基站小区A,为0时候则表示未与小区A连接。
B.物理信道模型
在信道n用户的接收信号的信干噪比,可以表示为:
其中,和表示小区FBSm在信道n上的信道增益以及区M基站在信道n 上的发射功率。σ2是高斯白噪声功率。宏基站对家庭基站的干扰描述为家庭基站互相之间的干扰为
C.Macrocell和Femtocell系统容量
考虑到宏基站对家庭基站的跨层干扰以及密集的家庭基站的同层干扰,频谱复用采取基于感知的共享和正交混合的频谱分配。得到femtocell信道容量表示为:
而所有femtocell系统容量和为:
其中,N是信道数,M表示宏蜂窝中femtocell的集合,表示用户对家庭基站的接入分配信道指数,而uf表示在信道n上的femtocell用户的集合。
对于Macrocell系统容量,宏蜂窝信道容量为:
而宏蜂窝系统的容量和为:
其中uc表示信道n上的集合,宏用户接入基站用表示。
D.多维资源分配优化模型
根据以上分析可以以超密集异构无线网络容量和资源利用率为优化目标,以基站接入用户信道n和功率为约束变量,求解出网络容量最大化情况下的最优基站接入、信道分配和功率分配。因此,多维资源分配优化模型可表为:
在超密集异构无线网络容量和优化公式(7)中,Pf,max是FBS最大功率限制,为每一个用户定义最小的速率,保证用户要么连接宏基站要么连接家庭基站,不可同时连接两个基站。
4.基于非协作博弈的分布式资源分配算法
该算法首先阐述了异构无线网络中的宏蜂窝和微蜂窝网络系统的多维资源非协作博弈模型;其次,在给定基站连接、用户信道分配矩阵的情况下,对所有满足优化问题约束条件的功率解进行分析,引入允许域求解出此情况下的最优功率分配解;再次,固定基站功率分配,对基站连接和用户信道分配的0-1离散变量问题,把这个0或1离散变量松弛为(0,1)区间的连续变量,并定义规范惩罚用来判断基站是否连接,然后分配信道;最后,为了解决这一博弈问题,形成一个基站接入、用户信道分配以及基站功率分配相互迭代的算法。
A.非协作资源分配博弈模型
超密集异构无线网络中的无线资源分配问题模型可以采用非协作动态资源博弈,对于所有的小区m∈M,此博弈可以表达如下:
其中,um是功效函数,Um代表小区m的用户集合。每一个小区尝试找到一个发送功率pm和基站连接矩阵分配信道达到在目标速率限制的前提条件下,最大化本小区用户容量。
B.非协作资源分配算法描述
首先在给定基站连接分配子信道分配矩阵的情况下,求解基站功率分配的问题。在给定发送功率的P的情况下,定义则小区m中的用户 u在子信道n中的SINR可以表示为:因此,最大化小区用户容量的NDPAG博弈问题等价于下面目标SINR分配问题:
既然基站接入矩阵T*m给定,则分配给用户u的子信道集合能够得到并且标记为Su。
因此,为了保证功率动态分配博弈的收敛性,且可以收敛到最优,根据利用弱 P-F理论的B-S准则的分析结论,NDPAG可以重新写成:
此凸优化问题解为:
其中λ为一个常数,一旦得到目标速率功率分配向量pm可以通过求解下面的线性函数来得到,
值得注意的是,如果用户数目太多,或目标速率太高的话,最后的功率分配将不能满足要求。可以利用有限的功率得到更大的系统改善性能。
根据以上对NDPAG的分析,可以在给定基站接入矩阵的前提下得到功率分配的解。
D.离散变量松弛化
固定基站的功率分配,对基站连接和用户信道分配的0-1离散变量问题,把这个0或1离散变量松弛为(0,1)区间的连续变量,并定义规范惩罚用来判断基站是否连接,然后分配用户信道。基站连接满足两个约束条件:
(a)
(b)对于任意的u,是松弛化的约束。
第一个约束反应了基站连接用户的指数,第二个约束增加了负载控制。所以,分配给用户u的子信道集合能够得到并且标记为Su。
这两个约束条件很难去解决,因此,修改它们是的问题变得简单化。第一个约束松弛化为:
通过连续的变量来替代离散的变量,对于松弛变量,采用通用的技术来利用松弛约束:增加l1规范惩罚项
下面,在给定功率向量P情况下,从利用弱P-F理论的B-S准则的分析基站接入用户信道分配的问题,既然功率分配向量p已经给定,可以得到在子载波n上收到的干扰,可以写成
信道分配算法这部分过程如下:
对于每个基站m,
1.初始化
对于任意一用户u∈U,初始化作为可能达到的评估速率,
mn={1,2,...,N}表示小区m中可用子信道集合。
2.找合适的用户子信道对(u,n)满足
更新mn=mn-{n};
如果则Um=Um-{u},否则继续更新mn;
如果Um或者mn为空,结束。否则回到步骤2。
以上过程就是基站接入用户信道分配过程,最终会求得最优解。基站连接子信道和功率相互之间进行迭代,整个迭代过程如图3所示,具体表述如下,
8)初始化为每个小区在所有子信道分配平均功率。
9)在给定发送功率的情况下,每个用户测量上一个调度周期所有信道的SINR。
10)每个用户向自己的服务小区反馈这些信息。
11)每个小区执行基站连接信道分配过程。
12)每个小区根据(11)(12)执行功率分配。
13)如果第5步的功率分配不能够满足最大功率限制,根据(13)重新分配功率。
14)对步骤2-6进行迭代,知道资源收敛到一个均衡态。
在以上的非协作博弈动态资源分配过程中,在更新基站连接子信道分配和注水功率之间进行迭代。每一次迭代过程中,每个小区都是利用本地的信息来进行最小化效用函。
Claims (1)
1.超密集异构无线网络中一种基于非协作博弈的资源分配方法,其特征在于,根据非协作资源分配博弈模型、离散变量松弛化,提出基于非协作博弈的分布式资源分配算法,涉及有基于感知的共享和正交混合的频谱分配方法、基站接入技术、多维资源配置优化模型,具体如下:
(1)所述的根据非协作资源分配博弈模型,采用非协作动态资源博弈,对于所有的小区m∈M,此博弈表达如下:
其中,是信道n分配到的功率,为N个信道分配到的功率集合,为基站连接指数,表示用户u连接基站m,PM表示基站M的分配功率,kc,kf和pf分别表示基站c下的用户,基站f下的用户以及基站f下分配功率,和分别表示最低速率和当前用户速率,Uc(*)和Uf(*)分别为宏蜂窝系统的容量和以及femtocell系统的容量和,um是功效函数,pm表示基站发射功率,Um为用户集合;
(2)所述的离散变量松弛化,即对基站连接和用户信道分配的0-1离散变量问题,把这个0或1离散变量松弛为(0,1)区间的连续变量,并定义规范惩罚用来判断基站是否连接,然后分配用户信道;
(3)所述的基于非协作博弈的分布式资源分配算法,分别在下列操作步骤说明:
(3-1)基站连接信道分配:
步骤11:初始化,对于每个基站m,对于任意一用户u∈U,初始化作为可能达到的评估速率,mn={1,2,...,N}表示小区m中可用子信道集合;
步骤12:找合适的用户子信道对(u,n)满足 表示用户要求的速率,表示用户达到的评估速率,表示用户服务质量要求的最小传输速率,是给定的常数;
步骤13:如果则Um=Um-{u},否则继续更新mn;
步骤14:如果Um或者mn为空,结束;否则回到步骤12;
(3-2)基于非协作博弈的分布式资源分配算法
步骤21:初始化为每个小区在所有子信道分配平均功率;
步骤22:在给定发送功率的情况下,每个用户测量上一个调度周期所有信道的SINR;
步骤23:每个用户向自己的服务小区反馈每个用户向自己的服务小区反馈上一个调度周期所有信道的SINR;
步骤24:每个小区执行基站连接信道分配过程;
步骤25:每个小区根据 执行功率分配,其中和分别表示用户受到的信干噪比和分配到的基站发射功率;
步骤26:如果步骤5的功率分配不能够满足最大功率限制,根据重新分配功率,表示用户分配到的最佳发射功率;
步骤27:对步骤22-步骤26进行迭代,直到资源收敛到一个均衡态;
(4)所述的基于感知的共享和正交混合的频谱分配方法,即将整个共享频带划分为相等的3互相正交的部分,宏蜂窝在中心与边缘地区采用不同的频段,微蜂窝在中心和边缘地区使用的频谱与宏蜂窝正好相反;微蜂窝边缘地区感知的接入宏蜂窝中心地区空闲的频谱资源,中心地区则感知的接入宏蜂窝边缘地区的频谱;
(5)所述的基站接入技术,即当用户发出连接请求时,如何选择基站接入为其服务,定义基站连接指数模型如下:
且取pmMax
其中,preq表示接入基站的最低发射功率,值取1时候则表示用户u在时刻t选择连接发射功率满足preq且取pmMax的基站小区A,为0时候则表示未与小区A连接;
(6)所述的多维资源配置优化模型,即基站接入、用户信道分配和功率分配多维资源优化配置模型,得到最优的系统容量,模型如下:
pf≥0,
且取pmMax
其中Pf,max是家庭基站最大功率限制,为每一个用户定义最小的速率,保证用户要么连接宏基站要么连接家庭基站采用不可同时连接两个基站。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610005454.7A CN105636057B (zh) | 2016-01-04 | 2016-01-04 | 超密集网络中一种基于非协作博弈的资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610005454.7A CN105636057B (zh) | 2016-01-04 | 2016-01-04 | 超密集网络中一种基于非协作博弈的资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105636057A CN105636057A (zh) | 2016-06-01 |
CN105636057B true CN105636057B (zh) | 2019-11-05 |
Family
ID=56050443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610005454.7A Active CN105636057B (zh) | 2016-01-04 | 2016-01-04 | 超密集网络中一种基于非协作博弈的资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105636057B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105898807B (zh) * | 2016-06-08 | 2019-04-23 | 北京邮电大学 | 一种在超密集网络下的联合接入点选择和资源分配的自治愈方法 |
CN106455032B (zh) * | 2016-09-14 | 2020-07-10 | 西安电子科技大学 | 一种超密集网络中面向主干扰源的分布式功率控制方法 |
CN106413100B (zh) * | 2016-10-10 | 2019-11-01 | 华东交通大学 | 多跳认知无线网络频谱分配方法 |
CN107046690A (zh) * | 2016-11-29 | 2017-08-15 | 西南交通大学 | 一种认知Femtocell网络混合频谱接入方法 |
CN106961293A (zh) * | 2017-04-10 | 2017-07-18 | 广东南方电信规划咨询设计院有限公司 | 无线网络分布式密集网络资源分配算法 |
CN107071784B (zh) * | 2017-05-22 | 2020-08-21 | 西安邮电大学 | 一种超密集组网的频谱资源分配方法 |
CN107070627B (zh) * | 2017-06-02 | 2020-02-14 | 河海大学 | 一种基于多跳混合回程网络的比例公平频谱资源分配方法 |
CN107333267B (zh) * | 2017-06-23 | 2019-11-01 | 电子科技大学 | 一种用于5g超密集组网场景的边缘计算方法 |
CN107333333B (zh) * | 2017-08-10 | 2019-10-08 | 北京邮电大学 | 一种基于用户业务流的资源分配方法 |
CN107734700B (zh) * | 2017-08-23 | 2021-09-14 | 南京邮电大学 | 超密集网络中保障用户QoS需求的网络资源分配方法 |
CN107819840B (zh) * | 2017-10-31 | 2020-05-26 | 北京邮电大学 | 超密集网络架构中分布式移动边缘计算卸载方法 |
CN107911856B (zh) * | 2017-12-12 | 2020-12-01 | 南京航空航天大学 | 一种超密集异构网络中基于匹配博弈的分离多接入方法 |
CN108259078B (zh) * | 2017-12-20 | 2020-09-18 | 中国空间技术研究院 | 一种用于星上综合电子系统的资源分配方法及系统 |
CN108307412B (zh) * | 2018-02-08 | 2020-08-07 | 北京邮电大学 | 用户为中心的基于分组博弈的超密集网络干扰管理方法 |
CN110475295B (zh) * | 2018-05-10 | 2023-12-01 | 中国信息通信研究院 | 一种超密集组网的信息传输速率控制方法及装置 |
CN109104735B (zh) * | 2018-09-13 | 2021-09-24 | 南京邮电大学 | 超密集组网下多点协作传输的功率分配策略 |
CN110035539B (zh) * | 2019-03-14 | 2021-07-13 | 北京邮电大学 | 一种基于相关均衡后悔值匹配的资源优化分配方法及装置 |
CN111314861B (zh) * | 2020-02-17 | 2021-11-09 | 南京邮电大学 | 拥挤网络中基于拍卖博弈的中继网络带宽分配方法 |
CN113382412B (zh) * | 2021-05-12 | 2022-12-27 | 重庆邮电大学 | 超密集异构网络中考虑终端安全的网络选择方法 |
CN113612557B (zh) * | 2021-07-30 | 2023-08-04 | 天津(滨海)人工智能军民融合创新中心 | 无人机蜂群多微蜂窝频谱资源管理方法 |
CN116506047B (zh) * | 2023-06-26 | 2023-09-15 | 中国电信股份有限公司 | 网络资源分配方法、装置和非易失性计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104159310A (zh) * | 2014-08-14 | 2014-11-19 | 西安交通大学 | Lte系统中基于非合作博弈的资源分配和干扰抑制方法 |
CN104618999A (zh) * | 2015-01-27 | 2015-05-13 | 东南大学 | 小蜂窝系统高能效功率控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101425762B1 (ko) * | 2010-12-02 | 2014-08-01 | 엘지전자 주식회사 | 무선 접속 시스템에서 인접 셀 간 간섭을 회피하기 방법 |
-
2016
- 2016-01-04 CN CN201610005454.7A patent/CN105636057B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104159310A (zh) * | 2014-08-14 | 2014-11-19 | 西安交通大学 | Lte系统中基于非合作博弈的资源分配和干扰抑制方法 |
CN104618999A (zh) * | 2015-01-27 | 2015-05-13 | 东南大学 | 小蜂窝系统高能效功率控制方法 |
Non-Patent Citations (2)
Title |
---|
Robust power allocation and price-based interference management in two-tier femtocell networks;Huanhuan Yuan,et al.;《IEEE Xplore Digital Library》;20150730;全文 * |
Self-organized spectrum access in small cell networks: A noncooperation interference minimization game solution;Ducheng Wu,et al.;《IEEE Xplore Digital Library》;20151017;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105636057A (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105636057B (zh) | 超密集网络中一种基于非协作博弈的资源分配方法 | |
JP5496428B2 (ja) | マクロセルとフェムトセルの混合ネットワークにおける干渉抑制方法 | |
Wu et al. | Secrecy-based energy-efficient data offloading via dual connectivity over unlicensed spectrums | |
Giupponi et al. | Distributed interference control in OFDMA-based femtocells | |
CN106231610B (zh) | Femtocell双层网络中基于分簇的资源分配方法 | |
Zhu et al. | An optimization design of ultra dense networks balancing mobility and densification | |
Sadr et al. | Hierarchical resource allocation in femtocell networks using graph algorithms | |
CN107708157A (zh) | 基于能效的密集小蜂窝网络资源分配方法 | |
CN106792738B (zh) | 基于随机几何的双层超密异构网络谱效-能效平衡方法 | |
Lu et al. | Power control based time-domain inter-cell interference coordination scheme in DSCNs | |
Abdullahi et al. | Efficient resource allocation with improved interference mitigation in FFR-aided OFDMA heterogeneous networks | |
Tabrizi et al. | CaSRA: An algorithm for cognitive tethering in dense wireless areas | |
Li et al. | Resource allocation based on multi-grouping and frame expansion for NOMA backscatter communication network | |
Tamoor-ul-Hassan et al. | Mobile cloud based architecture for device-to-device (D2D) communication underlying cellular network | |
Wang et al. | Fairness guaranteed cooperative resource allocation in femtocell networks | |
Huang et al. | HICIC: Hybrid inter-cell interference coordination for two-tier heterogeneous networks with non-uniform topologies | |
Alquhali et al. | Enhanced fractional frequency reuse approach for interference mitigation in femtocell networks | |
Saied et al. | An efficient resource allocation for d2d communications underlaying in hetnets | |
Liu et al. | Distributed Resource Allocation in Two‐Hierarchy Networks | |
Alizadeh et al. | An enhanced distributed power control algorithm for mobile femtocells under limited dynamic range and its convergence | |
Akkarajitsakul et al. | Joint cell selection and subchannel allocation for energy efficiency in small cell networks: A coalitional game | |
CN105764063B (zh) | 基于广义纳什均衡的小蜂窝网络功率分配方法 | |
Yang et al. | Capacity efficient resource allocation strategy in heterogeneous networks with hybrid access model | |
Adedoyin | Efficient radio resource management for future generation heterogeneous wireless networks | |
CN110049506A (zh) | 一种基于簇和几何注水资源分配的网络能效提升方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |