CN106211183B - 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法 - Google Patents

一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法 Download PDF

Info

Publication number
CN106211183B
CN106211183B CN201610625282.3A CN201610625282A CN106211183B CN 106211183 B CN106211183 B CN 106211183B CN 201610625282 A CN201610625282 A CN 201610625282A CN 106211183 B CN106211183 B CN 106211183B
Authority
CN
China
Prior art keywords
alliance
user
channel
csc
business
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
Application number
CN201610625282.3A
Other languages
English (en)
Other versions
CN106211183A (zh
Inventor
吴启晖
姚昌华
徐煜华
郑学强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PLA University of Science and Technology
Original Assignee
PLA University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by PLA University of Science and Technology filed Critical PLA University of Science and Technology
Priority to CN201610625282.3A priority Critical patent/CN106211183B/zh
Publication of CN106211183A publication Critical patent/CN106211183A/zh
Application granted granted Critical
Publication of CN106211183B publication Critical patent/CN106211183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14Spectrum sharing arrangements between different networks
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W72/00Local resource management
    • H04W72/04Wireless resource allocation

Abstract

一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法,把信道的排他性竞争转变为合作性使用,以充分利用机会频谱信道资源,提高系统业务吞吐能力。基于实际应用中的有限、异构业务数据传输需求,以自组织的方式形成合理的联盟,同时具备良好的系统吞吐量性能以及系统稳定、快速收敛等性能。提出自组织微蜂窝业务合作传输模式,以及面向用户业务数据吞吐量优化的二元决策业务合作联盟算法。根据各微蜂窝用户具体业务情况,自主与其他蜂窝形成业务传输联盟并机会接入可用信道。通过多次的迭代更新,最终学习到稳定优化的联盟状态以及信道接入分配方案。

Description

一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法
技术领域
本发明涉及通信网络中的无线接入网络领域,具体讲是在自组织微蜂窝无线接入背景下,采用业务合作机制,运用联盟博弈理论和方法,提出一种优化业务吞吐量的机会频谱接入方法。
背景技术
近年来,移动数据业务量随着移动互联网、物联网等技术的迅猛发展而急速膨胀,第5代移动通信(5G)应运而生。在5G核心技术中,提高无线频谱空间复用率的微蜂窝密集组网技术和提高频谱利用率的基于认知无线电的机会频谱接入技术有着重要地位。由于密集度高、规模大、按需工作与休眠、覆盖范围按需调整等增强空分复用、提高能效等技术措施的实施,网络结构的随机性和动态性增强,传统的集中式控制方法面临极大挑战,自组织的优化管理模式得到空前重视。因此,自组织认知微蜂窝系统中的机会频谱接入研究正是当前无线接入前沿热点技术之一。当前,自组织系统的相关优化理论和方法,以及基于联盟的分布式网络机会频谱接入技术研究,都取得了丰硕的成果。
然而,移动互联网接入技术的实际需求和当前机会频谱接入技术研究现状之间存在差距:一方面,随着移动互联网的快速普及和发展,不仅移动业务量迅猛增长,各种新型应用带来的新型业务流量类型也层出不穷,各个用户的业务数据异构特性普遍存在,已经迅速从话音时代走向数据时代。这也要求接入技术从面向用户链路向面向用户业务数据的转变。另一方面,作为无线通信接入技术先进代表之一的机会频谱接入技术的相关研究中,却普遍存在忽视用户业务数据的问题。其主体研究思想仍然是采用“机会使用”的思想来增强传统的频谱管理、信道分配模式,实质上还是面向用户链路,没有真正面向用户数据。
现有工作中把信道资源分配和用户接入统一了起来,即如果用户占有了资源大的信道,即容量大、可用时间长的信道,就意味着用户接入的吞吐量大。也就是说把用户吞吐量等效为了获取的可用信道容量资源。但是,这个等效结果的成立建立在一个理想性的假设之上:用户的业务数据量是无限的。然而,这一假设在实际系统中并不成立。同时,对于异构业务数据,尤其是某些用频用户的小数据量而言,信道传输时段由于数据量的不足导致使用并不充分。这表明仅仅研究信道分配优化并不意味着系统业务吞吐的最优。另一方面,实际系统中存在用户数目大于信道数目的实际情况,根本无法实现传统上的无冲突的信道分配。并且,以冲突避免为目标的干扰管理优化目标和真正的业务吞吐量优化目标并不完全一致。
以上问题表明,当前研究中还普遍存在忽视用户业务数据传输需求的问题,对获取更高效的机会频谱接入性能造成了障碍。所以,针对不同用户业务数据特点和需求,基于自组织系统中的联盟机会频谱接入相关成果,研究面向业务数据的机会频谱接入技术具有重要意义。
发明内容
本发明的目的是把信道的排他性竞争转变为合作性使用,以充分利用机会频谱信道资源,提高系统业务吞吐能力。设计用频用户之间进行业务传输合作的方式,称构成合作关系的一个用频用户群体为联盟。基于实际应用中的有限、异构业务数据传输需求,以自组织的方式形成合理的联盟,同时具备良好的系统吞吐量性能以及系统稳定、快速收敛等性能。
本发明的技术方案是:
一种基于面向业务数据的自组织微蜂窝联盟机会频谱接入方法,该方法采用自组织微蜂窝业务合作传输模式,面向用户业务数据吞吐量优化的二元决策进行业务合作联盟,根据各微蜂窝用户的业务情况,自主与其他蜂窝形成业务传输联盟并机会接入可用信道,通过多次的迭代更新,最终学习到稳定优化的联盟状态以及信道接入分配方案。
本发明中,该方法具体包括以下步骤:
步骤1、定义用户的业务吞吐量,进行初始化设置;
步骤2、建立联盟,并对联盟和用户的候选动作集进行初始化;
步骤3、根据候选动作集中的动作对联盟作出决策,调整联盟结构,直到系统收敛到稳定联盟结构:
步骤4、用户按照加入联盟的先后次序,依次进行信道检测,之后进行数据传输。
该方法还包括步骤5、算法更新:如用联盟决策所需的数据发生变化,则重新形成新的业务合作联盟,回到步骤2。
本发明中,步骤1具体包括以下步骤:
1.1业务吞吐量定义:
对于CSC的应用业务数据,用户CSCm在联盟内,如果在空闲的机会频谱信道nk成功进行数据传输,CSCm的业务吞吐量Rm为:
其中,m表示CSC用户编号,k表示联盟编号;nk表示联盟k选择的信道;τbm用户CSCm的传输退避时间;Lm是用户CSCm的业务数据量;是信道nk的容量。T是时隙长度,是接入信道nk的编号为k的联盟;
1.2业务吞吐量计算:
为决策检测信道nk的用户集合,对于用户其数据在信道nk上传输成功的概率为:(其数据在信道nk上传输成功需要满足如下条件:第一,PU信道空闲;第二,CSCm检测信道nk时没有发生虚警;第三,没有其他的用户准备接入信道nk,即中除联盟中用户之外的用户中决策检测信道nk的CSC用户均发生虚警错误),
其中,ps表示成功概率,pf是虚警概率,是CSCm检测信道nk的虚警概率;是信道nk的空闲概率;h是中除联盟中用户之外的用户中决策检测信道nk的CSC用户集合的用户编号,是用户h检测信道nk的虚警概率;
联盟包括w个成员,而CSCm为其第d个加入的成员,则CSCm在联盟的传输退避时间计算为:
其中,是用户CSCm在联盟内的传输退避时间。τs为信道感知时间,为第t个联盟成员检测信道nk的虚警概率。t为联盟的CSC用户成员编号,Lt是第t个联盟成员的业务数据量,是信道nk的容量;
为表达简洁,记则CSCm在工作在信道nk上的联盟内时的业务吞吐量期望为:
其中,
1.3效用函数定义:
用户效用函数定义为其可获得的业务吞吐量,即对于其效用函数表示为:
本发明中,步骤2具体包括以下步骤:
2.1联盟初始化:
将各个CSC形成一个非合作的独立的联盟,随机选择一个信道,构成初始化的联盟结构:其中是指在信道nM上工作的编号为M的联盟,M是最初形成的联盟数量;
2.2获取用户的候选动作集:
记当前系统的联盟结构为其中是指在信道nl上工作的编号为l的联盟,l是联盟结构中成员的编号,对于(可能的决策动作am从影响联盟结构的角度来说分两种:一是加入当期已经存在的某个联盟,这里包括从独立状态加入和从某个现有联盟中脱离然后加入两种情况;二是选择非合作状态自己独立成为一个联盟,这里也包括保持原来的独立状态和从当前联盟脱离出来形成独立联盟两种情况)定义任意用户的候选动作集为:
其中,q=|Sam|是候选动作集中可能动作的数量,是指在信道nq上工作的编号为q的联盟;
联盟中用户的联盟动作决策需要满足帕累托改进条件,即对任意联盟中的任意用户帕累托改进效用函数为:
其中j是联盟内的一个用户,是用户j在联盟内获得的效用函数,是用户j在联盟去除用户m后获得的效用函数,联盟动作决策由帕累托改进函数值的大小关系确定。
本发明中,步骤3具体包括以下步骤:
3.1信息获取:用户通过信息交互获取联盟决策需要的数据,包括用户的业务数据量、候选动作集、信道空闲概率和信道容量:
3.2联盟形成:对任一用户记当前的联盟结构为:按如下步骤作出联盟决策:
a)根据联盟结构形成可选动作集:
b)在动作集中随机选择一个动作,计算该动作所选联盟的帕累托改进效用函数,执行am
其中,表示CSCm必须选择联盟而不是i是动作集Sam中候选动作的编号,是指在信道ni上工作的编号为i的联盟,am是CSCm的联盟动作,是联盟的帕累托改进效用函数,是联盟的帕累托改进效用函数;
c)根据CSCm的动作更新当前联盟结构Pcu,直到系统收敛到稳定联盟结构
本发明的步骤4具体为:用户以能量检测方式检测选定的信道,如果信道空闲,则进行数据传输;在联盟内部的检测和传输排序按照成员加入联盟的先后次序。
本发明的有益效果:
本发明把信道的排他性竞争转变为合作性使用,以充分利用机会频谱信道资源,提高系统业务吞吐能力。设计用频用户之间进行业务传输合作的方式,将构成合作关系的一个用频用户群体作为联盟。基于实际应用中的有限、异构业务数据传输需求,以自组织的方式形成合理的联盟,同时具备良好的系统吞吐量性能以及系统稳定、快速收敛等性能。
本发明提出自组织微蜂窝业务合作传输模式,以及面向用户业务数据吞吐量优化的二元决策业务合作联盟算法。根据各微蜂窝用户具体业务情况,自主与其他蜂窝形成业务传输联盟并机会接入可用信道。通过多次的迭代更新,最终学习到稳定优化的联盟状态以及信道接入分配方案。
附图说明
图1本发明的系统工作机制图。
图2本发明所提算法的工作流程图。
图3本发明所提算法与现有方法吞吐量性能比较,6用户场景。
图4本发明所提算法与现有方法吞吐量性能比较,10用户场景。
图1中:Channel i:是编号为i的信道;PU:主用户;DataLink:数据链路;CSCm:编号为m的认知微蜂窝;OU:CSC数据服务对象即用户;MC:宏蜂窝;
图3为6用户场景:L=[42133 33600 25067 16533 20800 8533]bits。收敛的稳态联盟结构为:{1,3}4,{2,5}3,{4}2,{6}1
图4为10用户场景
L=[42133 50667 20800 10133 33600 16533 20800 33600 25067 8533]bits。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
本发明提出的基于业务数据的联盟机会频谱接入工作机制图1所示,所提的联盟形成算法如图2所示,具体实施方式如下:
本发明采用如图1所示的动态网络选择工作机制。考虑一个N个授权用户(PU)信道和M认知微蜂窝(CSC,本文中也称为系统中的机会频谱用户)的分布式系统。CSC通过检测本时隙内PU信道的占用状态,在信道空闲时,则可以使用该空闲信道进行业务数据传输。比如,信道5被PU占用,CSC不能使用,但是CSC可以使用没有被PU占用的信道1到信道4。如果两个以上CSC同时接入某个信道进行数据传输,则认为发生冲突,同时接入的CSC业务吞吐量均为0。与本文关注的异构用户业务数据研究目标一致,本章中各个CSC的业务数据也是异构的。称构成合作关系的一个CSC群体为联盟。比如在图中,为由三个CSC构成的业务传输联盟,工作在信道4。联盟内部的CSC就不再构成信道占用的竞争关系,而是与其他联盟争用信道。是由两个CSC构成的联盟,工作在信道1上。
本发明采用如图2所示的算法流程。该算法流程主要由以下步骤组成:
步骤1、定义用户的业务吞吐量,进行初始化设置;
1.1业务吞吐量定义:
对于CSC的应用业务数据,用户CSCm在联盟内,如果在空闲的机会频谱信道nk成功进行数据传输,CSCm的业务吞吐量Rm为:
其中,m表示CSC用户编号,k表示联盟编号;nk表示联盟k选择的信道;τbm用户CSCm的传输退避时间;Lm是用户CSCm的业务数据量;是信道nk的容量。T是时隙长度,是接入信道nk的编号为k的联盟;
1.2业务吞吐量计算:
为决策检测信道nk的用户集合,对于用户其数据在信道nk上传输成功的概率为:(其数据在信道nk上传输成功需要满足如下条件:第一,PU信道空闲;第二,CSCm检测信道nk时没有发生虚警;第三,没有其他的用户准备接入信道nk,即中除联盟中用户之外的用户中决策检测信道nk的CSC用户均发生虚警错误),
其中,ps表示成功概率,pf是虚警概率,是CSCm检测信道nk的虚警概率;是信道nk的空闲概率;h是中除联盟中用户之外的用户中决策检测信道nk的CSC用户集合的用户编号,是用户h检测信道nk的虚警概率;
联盟包括w个成员,而CSCm为其第d个加入的成员,则CSCm在联盟的传输退避时间计算为:
其中,是用户CSCm在联盟内的传输退避时间。τs为信道感知时间,为第t个联盟成员检测信道nk的虚警概率。t为联盟的CSC用户成员编号,Lt是第t个联盟成员的业务数据量,是信道nk的容量;
为表达简洁,记则CSCm在工作在信道nk上的联盟内时的业务吞吐量期望为:
其中,
1.3效用函数定义:
用户效用函数定义为其可获得的业务吞吐量,即对于其效用函数表示为:
步骤2、建立联盟,并对联盟和用户的候选动作集进行初始化;
2.1联盟初始化:
将各个CSC形成一个非合作的独立的联盟,随机选择一个信道,构成初始化的联盟结构:其中是指在信道nM上工作的编号为M的联盟,M是最初形成的联盟数量;
2.2获取用户的候选动作集:
记当前系统的联盟结构为其中是指在信道nl上工作的编号为l的联盟,l是联盟结构中成员的编号,对于(可能的决策动作am从影响联盟结构的角度来说分两种:一是加入当期已经存在的某个联盟,这里包括从独立状态加入和从某个现有联盟中脱离然后加入两种情况;二是选择非合作状态自己独立成为一个联盟,这里也包括保持原来的独立状态和从当前联盟脱离出来形成独立联盟两种情况)定义任意用户的候选动作集为:
其中,q=|Sam|是候选动作集中可能动作的数量,是指在信道nq上工作的编号为q的联盟;
联盟中用户的联盟动作决策需要满足帕累托改进条件,即对任意联盟中的任意用户帕累托改进效用函数为:
其中j是联盟内的一个用户,是用户j在联盟内获得的效用函数,是用户j在联盟去除用户m后获得的效用函数,联盟动作决策由帕累托改进函数值的大小关系确定。
步骤3、根据候选动作集中的动作对联盟作出决策,调整联盟结构,直到系统收敛到稳定联盟结构:
3.1信息获取:用户通过信息交互获取联盟决策需要的数据,包括用户的业务数据量、候选动作集、信道空闲概率和信道容量:
3.2联盟形成:对任一用户记当前的联盟结构为:按如下步骤作出联盟决策:
a)根据联盟结构形成可选动作集:
b)在动作集中随机选择一个动作,计算该动作所选联盟的帕累托改进效用函数,执行am
其中,表示CSCm必须选择联盟而不是i是动作集Sam中候选动作的编号,是指在信道ni上工作的编号为i的联盟,am是CSCm的联盟动作,是联盟的帕累托改进效用函数,是联盟的帕累托改进效用函数;
c)根据CSCm的动作更新当前联盟结构Pcu,直到系统收敛到稳定联盟结构
步骤4、用户按照加入联盟的先后次序,依次进行信道检测,之后进行数据传输。
实施例:
下面通过仿真实例来验证本发明的有效性。
首先简要介绍实施例的场景,设置仿真场景如下:一个M个CSC用户自组织网络,PU信道数目为N=4,时隙长度设为T=100ms。信道检测时间设为5ms。信道容量设置为C=[1000,2000,3000,4000]kbit/s。信道空闲概率设为p0=[0.9,0.85,0.9,0.85]。信道检测虚警概率为0.05。各个CSC业务数据量从以下向量中随机选取:L=[8533 10133 1653320800 25067 33600 42133 50667 59200 67733]bits,分别表示G.711PCM,WMV,AVI/RM,Flash,H264等各种业务对应的时隙业务量。该参数设置并没有特殊性,可以是任意业务量值,可以对应任意的应用业务,对本研究的接入技术本身并没有决定性的影响。仿真停止条件(二取一):一是学习更新步数达到上限;二是吞吐量不再发生明显变化。
图三结果表明,传统的非合作的信道分配冲突优化机制失效。因为当CSC数目大于信道数时,不可能实现无冲突信道分配。用户之间只能争用信道。而用户数越多,竞争冲突越厉害,导致系统性能降低。仿真CSC数目大于信道数场景的目的,是为了验证实际系统中经常存在的重负载情况,这在实际系统中是普遍存在的。比如WiFi系统中,同时工作信道数一般仅为3个,而用户数一般都多余3个。所提出的算法能收敛到稳定状态,吞吐量性能优于传统的非合作信道分配冲突优化模式。从收敛结果可以看出,通过形成业务联盟,所提算法实现了各个联盟之间的信道争用避免,自然大大提高了系统业务吞吐性能。
为进一步验证本发明所提算法的有效性,避免一次实验的随机性,图四给出了在10个CSC场景下,500次独立仿真结果的均值曲线。图四显示的性能比较关系与图三的分析基本一致:第一,不考虑业务合作的传统冲突控制信道分配方法由于多个用户争用信道,系统吞吐量性能很差,即这种方法不适合用户数大于信道数的较重负载情况。用户数越多,性能越差。第二,所提出的基于业务合作的联盟算法都能收敛到稳定状态,优于传统的非合作信道分配冲突优化模式。用户数越多,性能优势越明显。
上述仿真证明了本发明所提的算法的有效性、合理性。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

Claims (3)

1.一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法,其特征在于:该方法采用自组织微蜂窝业务合作传输模式,面向用户业务数据吞吐量优化的二元决策进行业务合作联盟,根据各微蜂窝用户的业务情况,自主与其他蜂窝形成业务传输联盟并机会接入可用信道,通过多次的迭代更新,最终学习到稳定优化的联盟状态以及信道接入分配方案;该方法具体包括以下步骤:
步骤1、定义用户的业务吞吐量,进行初始化设置;
步骤2、联盟和用户的候选动作集进行初始化;
步骤3、根据候选动作集中的动作对联盟作出决策,调整联盟结构,直到系统收敛到稳定联盟结构:
步骤4、用户按照加入联盟的先后次序,依次进行信道检测,之后进行数据传输;
步骤1具体包括以下步骤:
1.1业务吞吐量定义:
对于CSC的应用业务数据,用户CSCm在联盟内,如果在空闲的机会频谱信道nk成功进行数据传输,CSCm的业务吞吐量Rm为:
其中,m表示CSC用户编号,k表示联盟编号;nk表示联盟k选择的信道;τbm用户CSCm的传输退避时间;Lm是用户CSCm的业务数据量;是信道nk的容量, T是时隙长度,是接入信道nk的编号为k的联盟;
1.2业务吞吐量计算:
为决策检测信道nk的用户集合,对于用户其数据在信道nk上传输成功的概率为:
其中,ps表示成功概率,pf是虚警概率,是CSCm检测信道nk的虚警概率;是信道nk的空闲概率;h是中除联盟中用户之外的用户中决策检测信道nk的CSC用户集合的用户编号,是用户h检测信道nk的虚警概率;
联盟包括w个成员,而CSCm为其第d个加入的成员,则CSCm在联盟的传输退避时间计算为:
其中,是用户CSCm在联盟内的传输退避时间, τs为信道感知时间,为第t个联盟成员检测信道nk的虚警概率, t为联盟的CSC用户成员编号,Lt是第t个联盟成员的业务数据量,是信道nk的容量;
为表达简洁,记则CSCm在工作在信道nk上的联盟内时的业务吞吐量期望为:
其中,
1.3效用函数定义:
用户效用函数定义为其可获得的业务吞吐量,即对于其效用函数表示为:
步骤2具体包括以下步骤:
2.1联盟初始化:
将各个CSC形成一个非合作的独立的联盟,随机选择一个信道,构成初始化的联盟结构:其中是指在信道nM上工作的编号为M的联盟,M是最初形成的联盟数量;
2.2获取用户的候选动作集:
记当前系统的联盟结构为其中是指在信道nl上工作的编号为l的联盟,l是联盟结构中成员的编号,对于定义任意用户的候选动作集为:
其中,q=|Sam|是候选动作集中可能动作的数量,是指在信道nq上工作的编号为q的联盟;
联盟中用户的联盟动作决策需要满足帕累托改进条件,即对任意联盟中的任意用户帕累托改进效用函数为:
其中j是联盟内的一个用户,是用户j在联盟内获得的效用函数,是用户j在联盟去除用户m后获得的效用函数,联盟动作决策由帕累托改进函数值的大小关系确定;
步骤3具体包括以下步骤:
3.1信息获取:用户通过信息交互获取联盟决策需要的数据,包括用户的业务数据量、候选动作集、信道空闲概率和信道容量:
3.2联盟形成:
重复步骤a)、b)、c),直到系统收敛到稳定联盟结构
a)对任一用户记当前的联盟结构为:按如下步骤作出联盟决策:
根据联盟结构形成可选动作集:
b)在动作集中随机选择一个动作,计算该动作所选联盟的帕累托改进效用函数,执行am
其中,choose表示选择{}内的联盟,表示CSCm必须选择联盟而不是i是动作集Sam中候选动作的编号,是指在信道ni上工作的编号为i的联盟,am是CSCm的联盟动作,是联盟的帕累托改进效用函数,是联盟的帕累托改进效用函数;
c)根据CSCm的动作更新当前联盟结构Pcu
2.根据权利要求1所述的基于业务合作的自组织微蜂窝联盟机会频谱接入方法,其特征在于:该方法还包括步骤5、算法更新:如用联盟决策所需的数据发生变化,则重新形成新的业务合作联盟,回到步骤2。
3.根据权利要求1所述的基于业务合作的自组织微蜂窝联盟机会频谱接入方法,其特征在于:步骤4具体为:用户以能量检测方式检测选定的信道,如果信道空闲,则进行数据传输;在联盟内部的检测和传输排序按照成员加入联盟的先后次序。
CN201610625282.3A 2016-08-02 2016-08-02 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法 Active CN106211183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610625282.3A CN106211183B (zh) 2016-08-02 2016-08-02 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610625282.3A CN106211183B (zh) 2016-08-02 2016-08-02 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法

Publications (2)

Publication Number Publication Date
CN106211183A CN106211183A (zh) 2016-12-07
CN106211183B true CN106211183B (zh) 2019-10-22

Family

ID=57497650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610625282.3A Active CN106211183B (zh) 2016-08-02 2016-08-02 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法

Country Status (1)

Country Link
CN (1) CN106211183B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109672484B (zh) * 2018-11-20 2021-07-27 南京华讯方舟通信设备有限公司 一种机会资源智能探索方法
CN109889288B (zh) * 2019-03-13 2021-04-23 重庆邮电大学 一种基于集合平均值迭代检测的连续频谱感知方法
CN110855389B (zh) * 2019-11-20 2022-02-01 长江师范学院 一种业务驱动的本地合作分布式频谱接入方法
CN110856181B (zh) * 2019-11-20 2021-07-20 长江师范学院 一种分布式业务匹配序贯频谱接入决策方法
CN112291813B (zh) * 2020-07-01 2023-05-09 中国人民解放军陆军工程大学 一种基于联盟划分和移动边缘计算的分布式无线网络资源优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101753234A (zh) * 2010-01-20 2010-06-23 西安电子科技大学 认知复合无线网络中基于诚实合作的频谱资源分配方法
CN102438313A (zh) * 2011-09-06 2012-05-02 南京邮电大学 一种基于认知无线电通信盟的调度方法
CN102685754A (zh) * 2012-05-24 2012-09-19 上海交通大学 基于合作频谱感知的频谱接纳控制方法
CN104780007A (zh) * 2015-04-03 2015-07-15 南京邮电大学 基于联盟博弈的多用户协作频谱感知方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101753234A (zh) * 2010-01-20 2010-06-23 西安电子科技大学 认知复合无线网络中基于诚实合作的频谱资源分配方法
CN102438313A (zh) * 2011-09-06 2012-05-02 南京邮电大学 一种基于认知无线电通信盟的调度方法
CN102685754A (zh) * 2012-05-24 2012-09-19 上海交通大学 基于合作频谱感知的频谱接纳控制方法
CN104780007A (zh) * 2015-04-03 2015-07-15 南京邮电大学 基于联盟博弈的多用户协作频谱感知方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An Overlapping Coalitional Game for Cooperative Spectrum Sensing and Access in Cognitive Radio Networks;Zhiyu Dai;《IEEE Transactions on Vehicular Technology》;20151204;第1、3节 *
Coalitional Games in Partition Form for Joint Spectrum Sensing and Access in Cognitive Radio Networks;Walid Saad;《IEEE Journal of Selected Topics in Signal Processing》;20111110;全文 *

Also Published As

Publication number Publication date
CN106211183A (zh) 2016-12-07

Similar Documents

Publication Publication Date Title
CN106211183B (zh) 一种基于业务合作的自组织微蜂窝联盟机会频谱接入方法
Zhou et al. Computation resource allocation and task assignment optimization in vehicular fog computing: A contract-matching approach
Li et al. Optimizing resources allocation for fog computing-based Internet of Things networks
Guo et al. Computation offloading for multi-access mobile edge computing in ultra-dense networks
Wang et al. Mobility-aware task offloading and migration schemes in fog computing networks
CN112737837B (zh) 一种高动态网络拓扑下无人机群带宽资源分配方法
Yu et al. DMPO: Dynamic mobility-aware partial offloading in mobile edge computing
CN105960024B (zh) 一种d2d通信中基于社交感知的用户发现及资源分配方法
CN111132191B (zh) 移动边缘计算服务器联合任务卸载、缓存及资源分配方法
US7975036B2 (en) Adaptive cross-layer cross-node optimization
CN109905918A (zh) 一种基于能效的noma蜂窝车联网动态资源调度方法
CN109474980A (zh) 一种基于深度增强学习的无线网络资源分配方法
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
CN109194763B (zh) 一种超密集网络中基于小型基站自组织协作的缓存方法
Dai et al. The multi-objective deployment optimization of UAV-mounted cache-enabled base stations
CN103687023B (zh) 基于时延区分业务和比例性速率约束的优化无线资源方法
Zhu et al. Machine-learning-based opportunistic spectrum access in cognitive radio networks
CN107426773A (zh) 无线异构网络中面向能效的分布式资源分配方法和装置
CN104540139A (zh) 异构融合网络资源分配方法和系统
CN109982434A (zh) 无线资源调度一体智能化控制系统及方法、无线通信系统
CN104684095A (zh) 一种异构网络融合场景中基于遗传运算的资源分配方法
Kuribayashi et al. Particle swarm-based cell range expansion for heterogeneous mobile networks
CN106231665B (zh) 数能一体化网络中基于rrh动态模式切换的资源分配方法
CN104581974B (zh) 超密集网络中基于正交资源的动态基站协作方法
CN111343721B (zh) 一种最大化系统广义能效的d2d分布式资源分配方法

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