CN105916197B - D2d网络中社会信用驱动的功率自适应方法 - Google Patents
D2d网络中社会信用驱动的功率自适应方法 Download PDFInfo
- Publication number
- CN105916197B CN105916197B CN201610394938.5A CN201610394938A CN105916197B CN 105916197 B CN105916197 B CN 105916197B CN 201610394938 A CN201610394938 A CN 201610394938A CN 105916197 B CN105916197 B CN 105916197B
- Authority
- CN
- China
- Prior art keywords
- credit
- user
- power
- queue
- meet
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/38—TPC being performed in particular situations
- H04W52/383—TPC being performed in particular situations power control in peer-to-peer links
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种D2D网络中社会信用驱动的功率自适应方法,包括以下步骤:1)D2D网络传输中,D2D用户和蜂窝用户互相干扰,D2D用户的发送功率需满足干扰要求及自身设备的限制要求;2)D2D服务请求方需要向D2D服务接受方支付一定的信用,每次D2D传输时,确定信用的消耗值与获得值;3)采用队列模型对信用的动态变化进行建模,基于渐进排队理论和反向队列技术分析用户的信用需求;4)在满足用户的物理通信需求和信用需求的同时,以最大化吞吐量为目标进行功率自适应。本发明可以有效促进用户参与D2D通信,提升系统统能。
Description
技术领域:
本发明属于D2D通信技术领域,具体涉及一种D2D网络中社会信用驱动的功率自适应方法。
背景技术:
随着无线智能设备的普及和相应的应用程序,无线流量呈爆炸式增长,这给未来的蜂窝系统带来了极大的挑战。D2D通信允许用户直接进行端到端通信,可以带来跳增益,提升系统容量,提高频谱利用率,减轻基站的负荷,是未来通信的关键技术之一。然而,参与D2D通信会引起能量的消耗,空间的占用,也可能会带来安全隐患等诸多问题,考虑到这些因素,自私的用户可能不愿意参与D2D通信。若大多数用户不愿意参与D2D传输,资源不能得到有效利用,性能的提升得不到保障。
影响用户参与D2D通信意愿的一个关键因素是用户间的社会特性,用户总是愿意与自己有亲密关系的人进行D2D通信,利用用户间的社会关系来辅助D2D通信能够在一定程度上保障D2D通信的顺利进行,提升系统性能,这也是近来研究的一个热点。D2D通信要求用户必须在近距离范围内进行通信,然而,由于时间和空间的限制,社会关系上密切的用户在位置上未必相近,这就削弱了社会关系在D2D通信中的作用。而且,在一个用户间相对陌生的场景下,用户间的社会关系是相对微弱的,这就进一步削弱了社会关系在D2D通信中的作用,因此确立一个具有广域化、全局化的社会特性衡量标准促进用户参D2D通信具有迫切需求。
发明内容:
本发明的目的是为了促进用户参与D2D通信,引入了社会信用这一全局化的社会特性衡量标准,提供了一种D2D网络中社会信用驱动的功率自适应方法,用于促进用户参与D2D通信,提升系统整体性能。
为达到上述目的,本发明采用如下的技术方案来实现:
D2D网络中社会信用驱动的功率自适应方法,该D2D网络包括一个基站b、D2D用户发送端d1和D2D用户接收端d2以及一个蜂窝用户c,包括以下步骤:
1)D2D网络传输中,D2D用户和蜂窝用户互相干扰,D2D用户的发送功率需满足干扰要求及自身设备的限制要求;
2)D2D服务请求方需要向D2D服务接受方支付一定的信用,每次D2D传输时,确定信用的消耗值与获得值;
3)采用队列模型对信用的动态变化进行建模,基于渐进排队理论和反向队列技术分析用户的信用需求;
4)在满足用户的物理通信需求和信用需求的同时,以最大化吞吐量为目标进行功率自适应。
本发明进一步的改进在于,步骤1)的具体要求为:
1-1)D2D链路的信号传输模型为:
其中,Pc是蜂窝用户的发送功率,P(γ)是D2D用户的可调发送功率,n为加性高斯白噪声,其功率谱密度为n0,hi,j为节点i与节点j间信道增益,且满足di,j为节点i与节点j间的距离,α为路径损耗指数,h0为小尺度衰落且服从瑞利分布,h0~CN(0,1);
D2D发送功率受限于平均功率为描述方便,令且满足:
E{μ(γ)}≤1 (20)
其中定义为参考SINR,反映信道衰落和干扰,μ(γ)为归一化发送功率,N0为噪声功率,且N0=n0W,W为系统带宽;
1-2)为保障蜂窝链路的正常通信,D2D链路对蜂窝链路的干扰受限,即则归一化发送功率μ(γ)满足:
其中,ρth表示基站端信干噪比的最低门限值;
1-3)受到自身设备的限制,D2D用户的发送功率不能超过最大值Pmax,即满足:
本发明进一步的改进在于,步骤2)中信用的消耗与获得函数定义为:
2-1)信用的消耗值依赖于传输的数据量,定义信用消耗值f(d)为数据量d的函数依据香农定义,D2D链路的最大传输速率为:
则时隙T内传输的数据量为d=WTloge(1+μ(γ)γ),信用消耗函数为:
2-2)不失一般性,假设信用的获得过程与信用的消耗过程是独立的,平稳且服从二项分布,即
其中,η表示用户获得信用的强度,1-ρ表示获得信用的概率。
本发明进一步的改进在于,步骤3)中,具体包括以下步骤:
3-1)采用队列模型描述信用的动态变化,用户的信用C[t]在连续两个周期内的变化如下:
C[t+1]=min{max{C[t]+Cin[t]-Cout[t],0},Cmax} (26)
其中,Cin[t]代表第t个时刻的信用获得,是队列的到达过程;Cout[t]代表第t个时刻的信用输出,是队列的离开过程,同时规定C[t]不能超过某一个门限Cmax;
3-2)用户为了防止自己需要请求D2D协助时没有足够的信用,往往要保障自身的信用值高于某一个设定的门限Cth,以避免突发事件,其中用户的信用控制需满足以下条件:
Pr{C[t]<Cth}<δ (27)
即信用中断发生的概率必须被控制在某一门限δ之下;
3-3)引入反向队列转换技术,倒置Cin[t]和Cout[t]的角色:用信用消耗过程Cout[t]表示到达过程,代表信用支出预算;信用获得函数Cin[t]表达队列离开过程,代表预算的实施,同时定义队列长度得到一个稳定队列系统,其中信用约束转变为:
Pr{Q[t]>Cmax-Cth}<δ (28)
3-4)基于大偏差理论的统计理论渐进分析,一个到达过程和离开过程不相关的稳定排队系统,队列长度分布近似为指数分布,即
其中是满足方程Ψ(θ)=Φ(θ)的解,其中,Ψ(θ)被称为到达过程的有效带宽,这里是到反向队列到达过程Cout[t]的函数;Φ(θ)被称为有效容量,这里是到反向队列离开程Cin[t]的函数;Ψ(θ)和Φ(θ)的数学定义式为:
依据公式(10)和公式(11),得到根据大偏差理论,在给定的情况下,为了实现信用中断概率的限制,有效带宽需要高于有效容量,因此,需要满足下面的条件:
本发明进一步的改进在于,步骤4)构造优化问题为:
应用Cin[t]和Cout[t]的性质,上述优化问题转换为以下凸优化问题:
利用拉格朗日乘子法求解该优化问题,构造拉格朗日函数如下:
其中,λ,β为相应限制条件的拉格朗日乘子,p(γ)为γ的概率密度函数;根据ΚΚΤ条件,最优解满足下面的公式:
化简该方程得到
在给定拉格朗日乘子λ,β的条件下,最优功率策略可以由二分法或牛顿迭代法得到,其中拉格朗日乘子λ,β通过随机次梯度发迭代搜索获得。
与现有技术相比,本发明具有以下有益效果:
1、本发明引入了社会信用这一全局化的社会特性衡量标准,使得用户间协作的激励不受限于地理位置,不管用户移动到什么位置,不管周围的网络环境是否陌生,均可以通过社会信用这一虚拟货币交易请求D2D协助服务,极大的促进了用户参与D2D通信,享受D2D通信技术所带来的益处。
2、现有利用社会关系辅助D2D通信的方案往往需要基于大量社交数据统计出用户间关系的亲密度或用户间的社区从属关系,计算复杂且局限于地理位置与亲密关系的限制,而本发明所提出的方案不局限于场景的限制,具有更广泛的应用空间,且计算复杂度低,实用便捷。
3、本发明采用队列模型对信用的动态变化进行建模,提出了概率化的信用保障方案,并应用强有力的队列分析工具具体化信用需求,同时考虑了用户间干扰的限制与自身设备的限制,能够保障整个D2D网络顺利运转,实现了在促进用户参与D2D通信的同时最大化的提升系统整体性能。
附图说明:
图1是本发明系统模型图;
图2是不同信干比下系统平均吞吐量对比图;
图3是不同信用中断概率下的系统平均吞吐量对比图;
图4是信用队列长度分布图
具体实施方式:
下面结合附图对本发明做进一步详细描述:
参考图1,本发明所述的D2D网络中社会信用驱动的功率自适应方法描述如下:
该D2D网络包括一个基站b、D2D用户发送端d1和D2D用户接收端d2以及一个蜂窝用户c。D2D用户d2向用户d1请求服务,考虑到资源的消耗,用户d2需向协助方d1支付一定的信用,同时用户d2可以通过协助他人或其他活动获取一定的信用。这样,系统自然映射成了两部分:物理域和社会域,用户在进行D2D通信时要同时满足物理域和社会域的需求。
所述的社会信用驱动的功率自适应方案包括以下步骤:
1)D2D网络传输中,D2D用户和蜂窝用户互相干扰,D2D用户的发送功率需满足干扰要求及自身设备的限制要求;
2)D2D服务请求方需要向D2D服务接受方支付一定的信用,每次D2D传输时,确定信用的消耗值与获得值;
3)采用队列模型对信用的动态变化进行建模,基于渐进排队理论和反向队列技术分析用户的信用需求;
4)在满足用户的物理通信需求和信用需求的同时,以最大化吞吐量为目标进行功率自适应。
步骤1)中D2D用户发送功率需要满足物理通信的一些需求,具体如下:
D2D链路的信号传输模型为:
其中,Pc是蜂窝用户的发送功率,P(γ)是D2D用户的可调发送功率,n为加性高斯白噪声,其功率谱密度为n0,hi,j为节点i与节点j间信道增益,且满足di,j为节点i与节点j间的距离,α为路径损耗指数,h0为小尺度衰落且服从瑞利分布,h0~CN(0,1);。
D2D发送功率受限于平均功率为描述方便,令且满足:
E{μ(γ)}≤1 (38)
其中定义为参考SINR,反映信道衰落和干扰,N0为噪声功率,且N0=n0W,W为系统带宽。
为保障蜂窝链路的正常通信,D2D链路对蜂窝链路的干扰受限,即则归一化发送功率μ(γ)满足:
其中,ρth表示基站端信干噪比的最低门限值;
受到自身设备的限制,D2D用户的发送功率不能超过最大值Pmax,即满足:
步骤2)中,D2D用户每次请求服务时需要消耗一定的信用,也可以通过协助获得信用,信用的消耗与获得函数定义为:
信用的消耗值依赖于传输的数据量,定义信用消耗值f(d)为数据量d的函数依据香农定义,D2D链路的最大传输速率为:
则时隙T内传输的数据量为d=WTloge(1+μ(γ)γ),信用消耗函数为:
我们主要关注信用的支付过程,不失一般性,假设信用的获得过程与信用的消耗过程是独立的,平稳且服从二项分布,即
其中,η表示用户获得信用的强度,1-ρ表示获得信用的概率。
步骤3)中,信用的建模分析如下:
请求服务时消耗一定的信用,协助他人获得信用,信用是动态变化的,随时间而改变。我们采用队列模型描述信用的动态变化,用户的信用C[t]在连续两个周期内的变化如下:
C[t+1]=min{max{C[t]+Cin[t]-Cout[t],0},Cmax} (44)
其中,Cin[t]代表第t个时刻的信用获得,是队列的到达过程;Cout[t]代表第t个时刻的信用输出,是队列的离开过程,同时规定C[t]不能超过某一个门限Cmax,这样的设置是为了防止某些用户在短期时间内囤积信用,而在后期拒绝服务,造成了网络连通性较大的波动。
用户为了防止自己需要请求D2D协助时没有足够的信用,往往要保障自身的信用值高于某一个设定的门限Cth,以避免突发事件。用户的信用控制需满足以下条件:
Pr{C[t]<Cth}<δ (45)
即信用中断发生的概率必须被控制在某一门限δ之下。
为了维持信用中断概率在很低的水平,用户的信用长期处于Cth之上,这样,信用收获Cin[t]的均值往往需要高于Cout[t],造成了队列的不稳定。为了解决这个问题,引入反向队列转换技术,倒置Cin[t]和Cout[t]的角色:用信用消耗过程Cout[t]表示到达过程,代表信用支出预算;信用获得函数Cin[t]表达队列离开过程,代表预算的实施。同时定义队列长度这样得到一个稳定队列系统。信用约束转变为:
Pr{Q[t]>Cmax-Cth}<δ (46)
基于大偏差理论的统计理论渐进分析,一个到达过程和离开过程不相关的稳定排队系统,队列长度分布近似为指数分布,即
是满足方程Ψ(θ)=Φ(θ)的解。其中,Ψ(θ)被称为到达过程的有效带宽,这里是到反向队列到达过程Cout[t]的函数;Φ(θ)被称为有效容量,这里是到反向队列离开程Cin[t]的函数。Ψ(θ)和Φ(θ)的数学定义式为:
依据公式(10)和公式(11),我们可以得到根据大偏差理论,在给定的情况下,为了实现信用中断概率的限制,有效带宽需要高于有效容量。即满足下述条件:
步骤4)中,考虑到D2D在物理通信上的需求和社会域上的信用需求,以最大化吞吐量目标构造优化问题为:
应用Cin[t]和Cout[t]的性质,上述优化问题可转换为以下凸优化问题:
利用拉格朗日乘子法求解该优化问题,构造拉格朗日函数如下:
其中,λ,β为相应限制条件的拉格朗日乘子,p(γ)为γ的概率密度函数。根据KKT条件,最优解需要满足下面的公式:
化简该方程我们得到
在给定拉格朗日乘子λ,β的条件下,最优功率策略可以由二分法或牛顿迭代法得到。具体,拉格朗日乘子λ,β可以通过随机次梯度发迭代搜索获得。
为了验证本发明的性能,我们进行了如下仿真:
在一个5MHz半径为100m的小区内进行仿真,基站位于中心,蜂窝用户和D2D用户随机均匀分布,且D2D用户对间的最大距离不超过10m,详细仿真参数如下表所示,
表1仿真参数
同时我们给出两种基本对比方案:
1)绝对信用控制方案:用户的信用值永远控制在信用门限之上,构造如下优化问题:
2)注水法方案:发送功率我们调整水位的值使其满足式(9)所述的信用约束。
图2是不同信干比下系统平均吞吐量对比曲线图。信用控制方案中吞吐量随着信干比的增大而增大,最终趋于稳定。在低信干比时,仅有平均功率约束是有效的,故我们所提方案和绝对信用方案性能是一致的;在较高信干比时,平均功率约束和信用约束均起作用,且我们所提方案要优于绝对信用方案;在高信干比时,仅有信用约束是有效的,吞吐量最终趋于稳定。可以看出,我们所提方案要优于绝对信用方案,信用控制方案要优于注水法方案,原因在于本方案基于排队理论选择了概率化的信用控制,而注水法方案没有直接的信用控制。
图3是不同信用中断概率下的系统平均吞吐量对比图。可以看出,随着信用中断概率的递增,我们所提方案和注水法方案系统吞吐量不断升高,绝对信用方案的吞吐量始终保持不变。原因在于越小的信用中断概率δ代表着越严格的信用约束,而绝对信用方案的信用控制与δ无关。
图4是信用队列长度累计概率函数分布(CDF)图。可以看出,我们所提方案的信用中断概率接近接近理论值10-3,误差在可容忍范围之内,且我们所提方案的分布曲线更加的均匀,能够实现资源的更佳利用。
Claims (1)
1.D2D网络中社会信用驱动的功率自适应方法,其特征在于,该D2D网络包括一个基站b、D2D用户发送端d1和D2D用户接收端d2以及一个蜂窝用户c,包括以下步骤:
1)D2D网络传输中,D2D用户和蜂窝用户互相干扰,D2D用户的发送功率需满足干扰要求及自身设备的限制要求;其具体要求为:
1-1)D2D链路的信号传输模型为:
其中,Pc是蜂窝用户的发送功率,P(γ)是D2D用户的可调发送功率,n为加性高斯白噪声,其功率谱密度为n0,hi,j为节点i与节点j间信道增益,且满足di,j为节点i与节点j间的距离,α为路径损耗指数,h0为小尺度衰落且服从瑞利分布,h0~CN(0,1);
D2D发送功率受限于平均功率为描述方便,令且满足:
E{μ(γ)}≤1 (2)
其中定义为参考SINR,反映信道衰落和干扰,μ(γ)为归一化发送功率,N0为噪声功率,且N0=n0W,W为系统带宽;
1-2)为保障蜂窝链路的正常通信,D2D链路对蜂窝链路的干扰受限,即则归一化发送功率μ(γ)满足:
其中,ρth表示基站端信干噪比的最低门限值;
1-3)受到自身设备的限制,D2D用户的发送功率不能超过最大值Pmax,即满足:
2)D2D服务请求方需要向D2D服务接受方支付一定的信用,每次D2D传输时,确定信用的消耗值与获得值;信用的消耗与获得函数定义为:
2-1)信用的消耗值依赖于传输的数据量,定义信用消耗值f(d)为数据量d的函数依据香农定义,D2D链路的最大传输速率为:
则时隙T内传输的数据量为d=WTloge(1+μ(γ)γ),信用消耗函数为:
2-2)不失一般性,假设信用的获得过程与信用的消耗过程是独立的,平稳且服从二项分布,即
其中,η表示用户获得信用的强度,1-ρ表示获得信用的概率;
3)采用队列模型对信用的动态变化进行建模,基于渐进排队理论和反向队列技术分析用户的信用需求;具体包括以下步骤:
3-1)采用队列模型描述信用的动态变化,用户的信用C[t]在连续两个周期内的变化如下:
C[t+1]=min{max{C[t]+Cin[t]-Cout[t],0},Cmax} (8)
其中,Cin[t]代表第t个时刻的信用获得,是队列的到达过程;Cout[t]代表第t个时刻的信用输出,是队列的离开过程,同时规定C[t]不能超过某一个门限Cmax;
3-2)用户为了防止自己需要请求D2D协助时没有足够的信用,往往要保障自身的信用值高于某一个设定的门限Cth,以避免突发事件,其中用户的信用控制需满足以下条件:
Pr{C[t]<Cth}<δ (9)
即信用中断发生的概率必须被控制在某一门限δ之下;
3-3)引入反向队列转换技术,倒置Cin[t]和Cout[t]的角色:用信用消耗过程Cout[t]表示到达过程,代表信用支出预算;信用获得函数Cin[t]表达队列离开过程,代表预算的实施,同时定义队列长度得到一个稳定队列系统,其中信用约束转变为:
Pr{Q[t]>Cmax-Cth}<δ (10)
3-4)基于大偏差理论的统计理论渐进分析,一个到达过程和离开过程不相关的稳定排队系统,队列长度分布近似为指数分布,即
其中是满足方程Ψ(θ)=Φ(θ)的解,其中,Ψ(θ)被称为到达过程的有效带宽,这里是到反向队列到达过程Cout[t]的函数;Φ(θ)被称为有效容量,这里是到反向队列离开程Cin[t]的函数;Ψ(θ)和Φ(θ)的数学定义式为:
依据公式(10)和公式(11),得到根据大偏差理论,在给定的情况下,为了实现信用中断概率的限制,有效带宽需要高于有效容量,因此,需要满足下面的条件:
4)在满足用户的物理通信需求和信用需求的同时,以最大化吞吐量为目标进行功率自适应;其构造优化问题为:
应用Cin[t]和Cout[t]的性质,上述优化问题转换为以下凸优化问题:
利用拉格朗日乘子法求解该优化问题,构造拉格朗日函数如下:
其中,λ,β为相应限制条件的拉格朗日乘子,p(γ)为γ的概率密度函数;根据KKT条件,最优解满足下面的公式:
化简该方程得到
在给定拉格朗日乘子λ,β的条件下,最优功率策略可以由二分法或牛顿迭代法得到,其中拉格朗日乘子λ,β通过随机次梯度发迭代搜索获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610394938.5A CN105916197B (zh) | 2016-06-06 | 2016-06-06 | D2d网络中社会信用驱动的功率自适应方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610394938.5A CN105916197B (zh) | 2016-06-06 | 2016-06-06 | D2d网络中社会信用驱动的功率自适应方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105916197A CN105916197A (zh) | 2016-08-31 |
CN105916197B true CN105916197B (zh) | 2019-01-18 |
Family
ID=56749758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610394938.5A Active CN105916197B (zh) | 2016-06-06 | 2016-06-06 | D2d网络中社会信用驱动的功率自适应方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105916197B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107205256B (zh) * | 2017-04-17 | 2020-05-22 | 西安交通大学 | 一种d2d中继网络中基于社会特性的中继选择方法 |
CN107040419B (zh) * | 2017-04-19 | 2020-07-28 | 成都瑞沣信息科技有限公司 | 基于数能协同的机会网络中时延敏感性内容扩散方法 |
CN113542124B (zh) * | 2021-06-25 | 2022-12-09 | 西安交通大学 | 一种d2d缓存网络中信用驱动的协作传输方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102083138A (zh) * | 2011-01-14 | 2011-06-01 | 北京邮电大学 | 一种d2d用户对可同时复用多个蜂窝用户资源的方法 |
CN102970758A (zh) * | 2012-12-11 | 2013-03-13 | 东南大学 | 蜂窝通信系统终端直通自适应资源分配方法 |
CN103079260A (zh) * | 2012-12-28 | 2013-05-01 | 浙江大学 | 分数频率复用蜂窝小区的d2d用户功率控制及资源分配方法 |
CN103686976A (zh) * | 2013-09-27 | 2014-03-26 | 北京邮电大学 | 一种d2d系统中功率控制的方法及其实现装置 |
CN104254130A (zh) * | 2014-09-09 | 2014-12-31 | 北京邮电大学 | D2d用户链接与蜂窝用户共享资源的分配方法、装置及系统 |
CN104918238A (zh) * | 2014-03-14 | 2015-09-16 | 北京邮电大学 | 一种实现物理层安全的协作干扰的激励方法 |
-
2016
- 2016-06-06 CN CN201610394938.5A patent/CN105916197B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102083138A (zh) * | 2011-01-14 | 2011-06-01 | 北京邮电大学 | 一种d2d用户对可同时复用多个蜂窝用户资源的方法 |
CN102970758A (zh) * | 2012-12-11 | 2013-03-13 | 东南大学 | 蜂窝通信系统终端直通自适应资源分配方法 |
CN103079260A (zh) * | 2012-12-28 | 2013-05-01 | 浙江大学 | 分数频率复用蜂窝小区的d2d用户功率控制及资源分配方法 |
CN103686976A (zh) * | 2013-09-27 | 2014-03-26 | 北京邮电大学 | 一种d2d系统中功率控制的方法及其实现装置 |
CN104918238A (zh) * | 2014-03-14 | 2015-09-16 | 北京邮电大学 | 一种实现物理层安全的协作干扰的激励方法 |
CN104254130A (zh) * | 2014-09-09 | 2014-12-31 | 北京邮电大学 | D2d用户链接与蜂窝用户共享资源的分配方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105916197A (zh) | 2016-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kwon et al. | Multiagent DDPG-based deep learning for smart ocean federated learning IoT networks | |
Liu et al. | Max-min energy balance in wireless-powered hierarchical fog-cloud computing networks | |
CN107071914B (zh) | 一种能量捕获d2d网络中的动态模式选择与能量分配方法 | |
Liang et al. | Joint resource allocation and coordinated computation offloading for fog radio access networks | |
Ajay et al. | Algorithm for Energy Resource Allocation and Sensor‐Based Clustering in M2M Communication Systems | |
CN106879029B (zh) | 一种基于协作通信的高安全能量效率的信息传输方法 | |
Tsiropoulou et al. | Joint utility-based uplink power and rate allocation in wireless networks: A non-cooperative game theoretic framework | |
Kim | Adaptive online power control scheme based on the evolutionary game theory | |
CN105916197B (zh) | D2d网络中社会信用驱动的功率自适应方法 | |
CN110769514A (zh) | 一种异构蜂窝网络d2d通信资源分配方法及系统 | |
CN108064077B (zh) | 蜂窝网络中全双工d2d的功率分配方法 | |
CN104796900A (zh) | 基于拍卖理论的蜂窝网络中d2d通信资源分配方法 | |
CN108541001A (zh) | 一种用于能量可收集双向协作通信的中断率优化算法 | |
CN101784107A (zh) | 无线mimo网络中基于非合作重复博弈的功率调度方法 | |
Feng et al. | Energy-efficient user selection and resource allocation in mobile edge computing | |
Amin et al. | A robust resource allocation scheme for device-to-device communications based on Q-learning | |
Xu et al. | Residual energy maximization-based resource allocation in wireless-powered edge computing industrial IoT | |
CN105636188A (zh) | 认知解码转发中继系统的功率分配方法 | |
CN103582105A (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 | |
Sharma et al. | Optimizing RIS-assisted Wireless Communication Systems with Non-Linear Energy Harvesting | |
Liu et al. | Rate maximization for hybrid access femtocell networks with outage constraints based on pricing incentive mechanism | |
Al-Wesabi et al. | Optimal resource allocation method for device-to-device communication in 5g networks | |
Wu et al. | Computation rate maximization in multi-user cooperation-assisted wireless-powered mobile edge computing with OFDMA | |
Ren et al. | Joint spectrum allocation and power control in vehicular communications based on dueling double DQN | |
Feng et al. | Energy-efficient joint optimization of channel assignment, power allocation, and relay selection based on hypergraph for uplink mMTC networks |
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 |