一种异构网络中基于能效公平的资源分配和功率控制方法
技术领域
本发明涉及无线异构网络通信技术领域,涉及一种网络能效公平的资源块分配和功率控制方法,设计了一种飞蜂窝间协作有限的分布式策略更新算法。
背景技术
5G移动无线通信系统的出现是为了克服当前通信系统所出现的基础性问题:更高的数据传输速率、更广的覆盖范围、更低的能量损耗以及更好的端对端性能。为了有效地面对这些挑战,学术界与工业界提出了未来5G通信系统采用异构网络构架体系。该构架体系包含宏小区网络、密集部署的微小区、终端直通、协作中继网络等。随着当前网络流量的快速增长以及网络构架体系的急剧扩张,无线网络的能量消耗急剧增长,针对无线网络传输的能量有效设计迫在眉睫。
无线网络的能效定义为网络系统的吞吐量与总功率损耗(发射功率,电路处理功率等)之比。对于这样一个非凸的分式目标函数优化问题,丁克尔巴赫算法是一个较好的处理办法。该算法将分式目标函数转化为整式目标函数,并以超线性的收敛速率完成算法的迭代过程。对于异构网络构架下的网络能效问题,丁克尔巴赫算法同样能委以重任。
目前,无线网络传输的能量有效设计方法通常是最大化网络系统的全局能效,即最大化网络系统的总的吞吐量与总的功率损耗之比。该系统指标虽然能够较好地刻画网络系统的全局能量效率,但是该系统指标并不能有效地刻画单个小区的能量效率,容易导致网络中一些小区的能效极高而一些小区的能效极低,造成整个网络能效的不均衡,影响一些小区用户的服务质量。因此,设计网络能效公平的资源分配方法很有必要。
发明内容
发明目的:本发明目的在于设计一种在跨层干扰约束条件下,飞蜂窝间协作有限的分布式算法,该算法通过迭代更新资源块分配和功率控制策略以提高网络系统能效的公平性。
技术方案:为实现上述发明目的,本发明采用如下技术方案:
一种异构网络中基于能效公平的资源分配和功率控制方法,采用GDA算法优化网络系统的能效,首先初始化误差精度e,迭代次数l和能量效率λl;然后进行GDA算法的迭代运算,每次迭代在给定的约束条件下求解子问题计算本轮迭代的最小目标值函数值及下轮迭代的最小能量效率直到最小目标函数值小于预先设定的误差精度e;其中C(i)为第i个飞蜂窝的吞吐量,为第i个飞蜂窝总的功率消耗,M为异构网络中飞蜂窝的数量,P、A分别表示整个飞蜂窝网络的功率分配以及资源分配策略。
进一步地,所述约束条件包括:和其中分别表示第i个飞蜂窝中用户n占用第k个资源块进行传输的指示因子以及传输功率,K为异构网络中可用资源块的数量,Pmax,Q分别表示单个资源块上的最大发射功率以及宏小区用户可以承受的最大干扰,Ni表示第i个飞蜂窝中用户的数量,表示第i个飞蜂窝到宏小区中占用第k个资源块的用户的信道功率增益。
进一步地,飞蜂窝的吞吐量及总的功率消耗的计算公式分别为:
式中,是第i个飞蜂窝中用户n在第k个资源块上的接收信干噪比;其中,B0是单个资源块的带宽,分别是第i个飞蜂窝的基站所需要的电路功率以及回程链路功率损耗,是飞蜂窝基站功率放大器的低效性,分别是第j个飞蜂窝的基站以及宏小区基站占用第k个资源块到第i个飞蜂窝中用户n的信道功率增益,是第i个飞蜂窝内基站占用第k个资源块到用户n的信道功率增益,是宏小区基站在第k个资源块上的发送功率,σ2是用户接收端的高斯白噪声功率。
进一步地,求解GDA算法子问题的具体步骤包括:
(1)各飞蜂窝基站i(FBS)计算各自目标函数值并收集来自其它FBS的目标函数值,根据目标函数值计算目标距离,并将目标距离和能效广播;
目标距离Dtar的计算公式为:
其中
(2)各FBS计算本轮循环下的最优功率分配策略,并根据最优功率分配策略得到资源分配策略;
作为优选,各FBS根据如下公式计算功率分配策略:
其中指的是第i个飞蜂窝内用户n占用第k个资源块所受到的干扰及噪声,表示第i个飞蜂窝内用户n占用第k个资源块的最优功率分配,μk是限制条件C3的拉格朗日乘子。
作为优选,各FBS根据如下公式计算资源块分配策略:
其中表示第i个飞蜂窝中资源块分配优化问题的目标函数。。
(3)各FBS根据功率与资源分配策略计算最优的目标函数值并与目标距离相比较,若目标函数值小于目标距离,则获得本轮循环下的最优功率控制与资源块分配策略;否则固定资源块分配策略根据目标函数的单调特性采用二分法获得该轮循环下的目标功率控制策略,并根据该目标功率策略更新资源块分配策略。
有益效果:本发明方法在给定跨层干扰约束限制的条件下,致力于求解飞蜂窝网络系统能效公平的资源块分配和功率控制策略,对于这样一个非凸并混合了整形变量的多目标分式优化问题,本发明依据分式规划理论进行转换并采用广义丁克尔巴赫算法进行求解。特别的,对于GDA算法中的子问题,本发明设计了一种飞蜂窝间信息交互有限的分布式算法并最终获得了最优的资源分配与功率控制策略。通过计算机仿真验证,本发明方法可以有效提高网络系统的最低能效以及公平性。
附图说明
图1为本发明实施例的仿真系统模型图;
图2为本发明实施例的实现流程图;
图3为不同方案下系统的最小能效指标随跨层干扰约束变化曲线结果图;
图4为不同方案下系统的能效公平性指标随跨层干扰约束变化曲线结果图;
图5为不同方案下系统的最小能效指标随最大发射功率变化曲线结果图;
图6为不同方案下系统的能效公平性指标随最大发射功率变化曲线结果图。
具体实施方式
为了更详细地介绍本发明的技术内容,特举具体实例并配合附图说明如下。
图1建立了本发明的系统仿真模型,3个飞蜂窝网络密集部署在宏小区的小区边缘,各飞蜂窝随机部署3个飞蜂窝用户,在飞蜂窝的周围随机分布了一些宏小区用户并选取到各飞蜂窝基站平均距离最短的用户作为距离飞蜂窝网络最近的用户,规定飞蜂窝网络对该宏小区用户的跨层干扰不能高于预定值。此外宏小区的覆盖半径为500m,飞蜂窝的覆盖半径为20m,系统可用资源块的数量为32个,宏小区基站的最大发射功率为46dBM,飞蜂窝基站的最大发射功率为10~30dBM。电路处理功率损耗为10dBM,回程链路功率损耗为5dBM。无线传输的室外路径损耗模型为28+35log10(d)dB,室内传输路径损耗模型为37+30log10(d)dB。功率放大器的低效性为跨层干扰Q的取值范围为-110~-60dBM。
基于该具体的系统模型和仿真参数,本发明实施例一种异构网络中基于能效公平的资源分配和功率控制方法,如图2所示,方法首先初始化误差精度,迭代次数、初始能量效率等参数,然后进行GDA算法子问题的求解迭代运算直到最小目标函数值小于预先设定的误差精度。具体步骤如下:
(1)为了获得公平的异构网络资源与功率分配策略,在GDA算法的第l次迭代下,首先求解如下子问题:
其中指的是第i个飞蜂窝的吞吐量,指的是第i个飞蜂窝总的功率消耗。指的是第i个飞蜂窝中用户n在第k个资源块上的接收信干噪比。B0是单个资源块的带宽,M,K分别指的是异构网络中飞蜂窝的数量以及可用资源块的数量。Ni表示第i个飞蜂窝中用户的数量。分别指的是第i个飞蜂窝中用户n占用第k个资源块进行传输的指示因子以及传输功率,因此整个飞蜂窝网络的功率分配以及资源分配策略可以分别定义为P=[P(1)L P(i)L P(M)],以及A=[A(1)L A(i)L A(M)], 分别指的是第j个飞蜂窝的基站(Femtocell base station,FBS)以及宏小区基站(Macrocell base station,MBS)占用第k个资源块到第i个飞蜂窝中用户n的信道功率增益。表示第i个飞蜂窝到宏小区中占用第k个资源块的用户的信道功率增益。是第i个飞蜂窝内基站占用第k个资源块到用户n的信道功率增益,是宏小区基站在第k个资源块上的发送功率,σ2是用户接收端的高斯白噪声功率。Pmax,Q分别指的是单个资源块上的最大发射功率以及宏小区用户可以承受的最大干扰。分别是第i个飞蜂窝的基站所需要的电路功率以及回程链路功率损耗。指的是飞蜂窝基站功率放大器的低效性。λl指的是第l次迭代下所有飞蜂窝的最低能效值。对于以上子问题,限制条件C1指的是任何一个资源块只能分给一个用户进行传输,限制条件C2指的是单个资源块上发射功率的限制,限制条件C3指的是对宏小区用户的干扰约束条件。
(2)依据下式计算并选取最小的目标函数值:
(3)依据下式计算第l+1迭代次数下飞蜂窝系统的最小能量效率:
(4)循环以上(1)-(3)步,直到最小目标函数值小于预先设定的误差精度e,即:
F<e
特别的,对于步骤(1)所述子问题,采用飞蜂窝间协作有限的分布式算法实现,具体步骤如下:
1)各FBS收集来自其它FBSs的目标函数值依据下式计算目标距离并广播Dtar以及λl:
其中
2)各FBS依据下式计算功率分配策略:
其中指的是第i个飞蜂窝内用户n占用第k个资源块所受到的干扰及噪声。表示第i个飞蜂窝内用户n占用第k个资源块的最优功率分配,μk是限制条件C3的拉格朗日乘子。
3)各FBS依据下式计算资源块分配策略:
其中为第i个飞蜂窝中资源块分配优化问题的目标函数。
4)依据所得功率与资源分配策略计算最优的目标函数值并与目标距离相比较,若该目标函数值小于目标距离,则获得本轮循环下的最优功率控制与资源块分配策略。若该目标函数值大于目标距离,则固定资源块分配策略根据该目标函数的单调特性采用二分法即可获得该轮循环下的目标功率控制策略,然后根据该目标功率策略以及3)更新资源块分配策略。
为验证本发明方法的有效性及其优势,在本仿真模型下了不同方案的对比试验,图3、图4分别显示了该发明所提方法的系统最小能效和公平性指数随跨层干扰约束变化的结果示意图,显然,该方法与其它方法相比较,可以有效提高系统的最小能效进而提高飞蜂窝网络系统的能效公平性。图5、图6分别显示所提方法的系统最小能效和公平性指数随飞蜂窝基站最大发射功率变化的结果示意图,同样我们验证了所提方法的有效性,即所提方法的系统最小能效以及公平性均得到显著提高。