CN106954255A - 基于自适应细菌觅食的认知无线电功率控制方法及系统 - Google Patents
基于自适应细菌觅食的认知无线电功率控制方法及系统 Download PDFInfo
- Publication number
- CN106954255A CN106954255A CN201710192658.0A CN201710192658A CN106954255A CN 106954255 A CN106954255 A CN 106954255A CN 201710192658 A CN201710192658 A CN 201710192658A CN 106954255 A CN106954255 A CN 106954255A
- Authority
- CN
- China
- Prior art keywords
- bacterium
- cognitive
- user
- cognitive user
- food
- 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.)
- Granted
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
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
- H04W52/346—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading distributing total power among users or channels
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于自适应细菌觅食的认知无线电功率控制方法及系统,其中的方法包括建立一个多用户的下垫式分布式认知无线电网络系统,并设置所述认知无线电网络系统的各参数的初值,以及自适应细菌觅食算法的参数的初值;然后判断当前认知用户发射功率是否满足预设的约束条件,并利用自适应细菌觅食算法对认知用户的功率进行控制,以获取认知用户的发射功率总和中的最小值。通过本发明能够保证授权用户的通信质量,避免认知用户发射功率过大对认知设备所造成的不利影响,以使认知用户获得较小的能量消耗,延长网络的运行时间,从而得到更好的认知网络的频谱利用率。
Description
技术领域
本发明涉及无线通信技术领域,更为具体地,涉及一种基于自适应细菌觅食的认知无线电功率控制方法及系统。
背景技术
认知无线电是一种有效解决无线通信技术发展和频谱资源短缺之间矛盾的技术方案,而功率控制(资源分配)是其技术实现一个关键环节,有着十分重要的意义。下垫式频谱共享模型是认知无线电网络中一个非常重要的模型,受到广泛的关注。
下垫式频谱共享模型是一种授权用户和非授权用户共存的频谱共享方式。即认知用户可以直接进入授权用户网络,不用实时感知授权用户是否存在,只需要对认知用户发射功率进行干扰温度的限制即可。
然而,由于移动终端设备能量有限(比如电池容量),因此,对基于下垫式频谱资源分配方法提出了更高的要求。传统的基于下垫式频谱资源分配方法大多针对静态的通信情况,在功率控制的过程中,仅仅考虑了单一认知用户发射功率的情况,而没有考虑所有认知用户的发射功率问题。这样的资源分配方法的结果不能满足实际的通信需求,同时导致分配结果需耗费大量的能量,缩短通信网络的运行时间。
发明内容
鉴于上述问题,本发明的目的是提供一种基于自适应细菌觅食的认知无线电功率控制方法及系统,以解决因传统的资源分配方法没有考虑认知用户总的发射功率所导致分配结果需耗费较大的能量且缩短通信网络的运行时间,不能满足实际通信需求的问题。
本发明提供一种基于自适应细菌觅食的认知无线电功率控制方法,包括:
建立多用户的下垫式分布式认知无线电网络系统,并设置认知无线电网络系统的各参数的初值,以及自适应细菌觅食算法的参数的初值;其中,认知无线电网络系统中的用户包括授权用户和认知用户;
确定当前认知用户发射功率是否满足预设的约束条件;约束条件为:确定当前认知用户发射功率是否达到预设的认知用户的通信标准,并且是否满足预设的认知用户的发射功率约束,以及是否满足对授权用户的干扰约束;其中,
如果不满足,则将当前认知用户对应的细菌进行迁移操作,并确定进行迁移操作后的细菌对应的当前认知用户发射功率是否满足预设的约束条件;其中,一个细菌N个维度的位置代表N个认知用户的发射功率,N为正整数;
如果满足,在所建立的认知无线电网络系统中随机选择一个区域,并在该区域中选择预设个细菌,对所选择的每个细菌进行自适应步长趋向操作;
将经过自适应步长趋向操作的所有细菌的食物浓度进行比较,选择所有细菌的食物浓度中的最小食物浓度与中心位置食物浓度进行比较,如果最小食物浓度大于中心位置食物浓度,则对所选择的每个细菌进行自适应步长趋向操作;否则,
对所选择的每个细菌进行聚群操作,并获取所有细菌的食物浓度,通过比较所有细菌的食物浓度获得最小食物浓度;其中,所述最小食物浓度指N个认知用户的发射功率之和中的最小值,中心位置食物浓度指每个认知用户在所述区域最大的发射功率之和。
与上述方法相对应,本发明提供一种基于自适应细菌觅食的认知无线电功率控制系统,包括:
初值设置单元,用于建立多用户的下垫式分布式认知无线电网络系统,并设置认知无线电网络系统的各参数的初值,以及自适应细菌觅食算法的参数的初值;其中,认知无线电网络系统中的用户包括授权用户和认知用户;
约束条件判断单元,用于确定当前认知用户发射功率是否满足预设的约束条件;约束条件为:确定当前认知用户发射功率是否达到预设的认知用户的通信标准,并且是否满足预设的认知用户的发射功率约束,以及是否满足对授权用户的干扰约束;
迁移操作单元,用于在约束条件判断单元判断出当前认知用户发射功率不满足预设的约束条件时,将当前认知用户对应的细菌进行迁移操作;其中,一个细菌N个维度的位置代表N个认知用户的发射功率,N为正整数;
趋向操作单元,用于在约束条件判断单元判断出当前认知用户发射功率满足预设的约束条件时,在所建立的认知无线电网络系统中随机选择一个区域,并在区域中选择预设个细菌,对所选择的每个细菌进行自适应步长趋向操作;其中,趋向操作单元进一步包括:
比较单元,用于将经过自适应步长趋向操作的所有细菌的食物浓度进行比较,选择所有细菌的食物浓度中的最小食物浓度与中心位置食物浓度进行比较;其中,如果所有细菌的最小食物浓度大于中心位置食物浓度,则对所选择的每个细菌进行自适应步长趋向操作;否则,对所选择的每个细菌进行聚群操作,获取所有细菌的食物浓度,通过比较所有细菌的食物浓度获取最小食物浓度;其中,最小食物浓度指N个认知用户的发射功率之和中的最小值,中心位置食物浓度指每个认知用户在所述区域最大的发射功率之和。
本发明提供的基于自适应细菌觅食的认知无线电功率控制方法及系统能够保证授权用户的通信质量,同时避免认知用户发射功率过大对认知设备所造成的不利影响,以使认知用户获得较小的能量消耗,延长网络的运行时间,从而得到更好的认知网络的频谱利用率。
附图说明
通过参考以下结合附图的说明书的内容,并且随着对本发明的更全面理解,本发明的其它目的及结果将更加明白及易于理解。在附图中:
图1为根据本发明实施例的基于自适应细菌觅食的认知无线电功率控制方法流程示意图;
图2为根据本发明实施例的基于自适应细菌觅食的认知无线电功率控制系统的逻辑框图。
在所有附图中相同的标号指示相似或相应的特征或功能。
具体实施方式
以下将结合附图对本发明的具体实施例进行详细描述。
针对前述现有的资源分配方法需耗费较大的能量且缩短通信网络的运行时间,不能满足实际通信需求的问题,本发明首先建立一个多用户的下垫式分布式认知无线电网络系统,并设置所述认知无线电网络系统的各参数的初值,以及自适应细菌觅食算法的参数的初值;然后判断当前认知用户发射功率是否满足预设的约束条件,并利用自适应细菌觅食算法对认知用户的功率进行控制,以使认知用户的发射功率总和达到最小,从而避免认知用户发射功率过大对认知设备所造成的不利影响,以使认知用户获得较小的能量消耗,延长网络的运行时间,从而得到更好的认知网络的频谱利用率。
为说明本发明提供的基于自适应细菌觅食的认知无线电功率控制方法,图1示出了根据本发明实施例的基于自适应细菌觅食的认知无线电功率控制方法的流程。
如图1所示,本发明提供的基于自适应细菌觅食的认知无线电功率控制方法包括:
S110:建立多用户的下垫式分布式认知无线电网络系统,并设置认知无线电网络系统的各参数的初值,以及自适应细菌觅食算法的参数的初值;其中,认知无线电网络系统中的用户包括授权用户和认知用户。
其中,在步骤S110中,在设置认知无线电网络系统的各参数的初值的过程中,分别对认知用户的最大发射功率、认知用户的最小信噪比门限值、授权用户的最低信噪比、认知用户的最大发射功率阈值,以及干扰温度约束阈值进行设置;在设置自适应细菌觅食算法的参数的初值的过程中,分别对细菌趋向操作次数、细菌自适应学习次数、细菌迁移次数、细菌聚群次数、细菌游动次数、细菌规模数和基本迁移概率进行设置。
在本发明的一个示例中,为了提高频谱效率,选择一个多用户的下垫式分布式认知无线电网络场景,设置M对授权用户,N对认知用户。所有用户的发射机上都有一根天线,可以通过彼此交换信息来实现功率控制。具体地,将认知用户的最大发射功率阈值设置为认知用户的最小信噪比门限值设置为授权用户的最低信噪比设置为干扰温度约束阈值设置为Xk=0.2mw。
将细菌趋向操作次数设置为Nc=10、将细菌自适应学习次数设置为Ta=4、将细菌迁移次数设置为Ned=2、将细菌聚群次数设置为Nre=3、将细菌游动次数设置为Nre=5、将细菌规模数设置为λ=20和将基本迁移概率设置为Pb=0.25。
S120:确定当前认知用户发射功率是否满足预设的约束条件;约束条件为:确定当前认知用户发射功率是否达到预设的认知用户的通信标准,并且是否满足预设的认知用户的发射功率约束,以及是否满足对授权用户的干扰约束;其中,如果满足执行步骤S130,否则进入步骤S150。
在S120中,在确定当前认知用户发射功率是否满足预设的约束条件的过程中,如果当前认知用户发射功率小于或等于认知用户的最大发射功率阈值,并且认知用户的最小信噪比门限值大于或等于授权用户的最低信噪比,以及小于或者等于干扰温度约束阈值时,确定当前认知用户发射功率满足预设的约束条件;其中,代表所有认知用户对一个授权用户的干扰,pi指的是第i个认知用户的发射功率,Hik代表信道增益。。
S130:在所建立的认知无线电网络系统中随机选择一个区域,并在区域中选择预设个细菌,对所选择的每个细菌进行自适应步长趋向操作;其中,一个细菌N个维度的位置代表N个认知用户的发射功率,N为正整数。
其中,在对所选择的每个细菌进行自适应步长趋向操作的过程中,在区域中选择第l个细菌,确定所选择的第l个细菌是否小于细菌规模数,l为正整数;如果小于,则对第l个细菌进行第j次趋向操作,j为正整数;否则,获取第l个细菌N个维度位置的食物浓度中的最小食物浓度,第l个细菌N个维度位置的食物浓度中的最小食物浓度代表N个认知用户中的最小发射功率和;第l个细菌执行第j次趋向操作,确定j是否大于设置的细菌趋向操作次数,如果大于,在该随机选择的区域中选择第l+1个细菌进行趋向操作;否则,对第l个细菌进行旋转操作,获取旋转操作后的第l个细菌N个维度位置的食物浓度,第l个细菌N个维度位置的食物浓度代表N个认知用户的发射功率和,如果第l个细菌N个维度位置的食物浓度变小,第l个细菌沿着旋转方向游动,获取第l个细菌N个维度位置的食物浓度中的最小食物浓度;对第l个细菌进行自适应学习:选择第l个细菌N个维度位置的第i维的位置,第l个细菌N个维度位置的第i维的位置代表N个认知用户中的第i个认知用户,若i大于或等于N,获取N个认知用户中的每个认知用户的最小发射功率;否则,对第l个细菌执行自适应步长学习,更新第i个认知用户的发射功率,确定自适应学习次数是否达到设置的自适应学习次数,如果是,则获取N个认知用户中的每个认知用户的最小发射功率;否则,对第l个细菌循环执行自适应步长学习;确定N个认知用户的发射功率和是否不变或第l个细菌是否达到设置的游动次数,如果是,则对第l个细菌执行第下一次趋向操作。
其中,通过下述公式获取第l个细菌N个维度位置的食物浓度:
其中,G(Pl)指第l个细菌N维矢量的位置和,其中,第l个细菌N维矢量的位置和同时也代表N个认知用户的发射功率之和,pl,i指第l个细菌在第i维的位置,同时也代表N个认知用户中的第i个认知用户的发射功率。
S140:将经过自适应步长趋向操作的所有细菌的最小食物浓度与中心位置食物浓度进行比较,如果所有细菌的最小食物浓度大于中心位置食物浓度,则对所选择的每个细菌进行自适应步长趋向操作;否则,对所选择的每个细菌进行聚群操作,并获取所有细菌的食物浓度,通过比较所有细菌的食物浓度获得最小食物浓度;其中,最小食物浓度指N个认知用户的发射功率之和中的最小值。
其中,由于认知用户设备受电池容量的限制,因此,可以通过认知用户的发射功率的最大值获取中心位置食物浓度,也就是说,中心位置食物浓度是指每个认知用户在该区域最大的发射功率之和。
S150:将当前认知用户对应的细菌进行迁移操作,并返回步骤S120。
其中,在将当前认知用户对应的细菌进行迁移操作时,当该细菌随机分布到所建立的认知无线电网络系统的其他区域,并执行上述步骤S120,当细菌的迁移操作达到预设的次数时,获取所有细菌的最小食物浓度。
与上述方法相对应,本发明提供一种基于自适应细菌觅食的认知无线电功率控制系统,图2示出了根据本发明实施例的基于自适应细菌觅食的认知无线电功率控制系统的逻辑。
如图2所示,本发明提供的基于自适应细菌觅食的认知无线电功率控制系统200包括初值设置单元210、约束条件判断单元220、迁移操作单元230和趋向操作单元240。
其中,初值设置单元210用于建立多用户的下垫式分布式认知无线电网络系统,并设置认知无线电网络系统的各参数的初值,以及自适应细菌觅食算法的参数的初值;其中,认知无线电网络系统中的用户包括授权用户和认知用户。
约束条件判断单元220用于确定当前认知用户发射功率是否满足预设的约束条件;所述约束条件为:确定当前认知用户发射功率是否达到预设的认知用户的通信标准,并且是否满足预设的认知用户的发射功率约束,以及是否满足对授权用户的干扰约束。
迁移操作单元230用于在约束条件判断单元220判断出当前认知用户发射功率不满足预设的约束条件时,将当前认知用户对应的细菌进行迁移操作;其中,一个细菌N个维度的位置代表N个认知用户的发射功率,N为正整数.
趋向操作单元240,用于在约束条件判断单元220判断出当前认知用户发射功率满足预设的约束条件时,在所建立的认知无线电网络系统中随机选择一个区域,并在该区域中选择预设个细菌,对所选择的每个细菌进行自适应步长趋向操作;其中,趋向操作单元240进一步包括:
比较单元241用于将经过自适应步长趋向操作的所有细菌的食物浓度进行比较,选择所有细菌的食物浓度中的最小食物浓度与中心位置食物浓度进行比较;其中,如果所有细菌的最小食物浓度大于中心位置食物浓度,则对所选择的每个细菌进行自适应步长趋向操作;否则,对所选择的每个细菌进行聚群操作,获取所有细菌的食物浓度,通过比较所有细菌的食物浓度获取最小食物浓度;其中,最小食物浓度指N个认知用户的发射功率之和中的最小值,中心位置食物浓度指每个认知用户在该区域最大的发射功率之和。
通过上述可知,本发明提供的基于自适应细菌觅食算法的认知无线电功率控制方法及系统能够保证授权用户的通信质量,避免认知用户发射功率过大对认知设备所造成的不利影响,以使认知用户获得较小的能量消耗,延长网络的运行时间,从而得到更好的认知网络的频谱利用率。
如上参照附图以示例的方式描述了根据本发明的基于自适应细菌觅食算法的认知无线电功率控制方法及系统。但是,本领域技术人员应当理解,对于上述本发明所提出的基于自适应细菌觅食算法的认知无线电功率控制方法及系统,还可以在不脱离本发明内容的基础上做出各种改进。因此,本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (7)
1.一种基于自适应细菌觅食的认知无线电功率控制方法,包括:
建立多用户的下垫式分布式认知无线电网络系统,并设置所述认知无线电网络系统的各参数的初值,以及自适应细菌觅食算法的参数的初值;其中,所述认知无线电网络系统中的用户包括授权用户和认知用户;
确定当前认知用户发射功率是否满足预设的约束条件;所述约束条件为:确定当前认知用户发射功率是否达到预设的认知用户的通信标准,并且是否满足预设的认知用户的发射功率约束,以及是否满足对授权用户的干扰约束;其中,
如果不满足,则将当前认知用户对应的细菌进行迁移操作,并确定进行迁移操作后的细菌对应的当前认知用户发射功率是否满足预设的约束条件;其中,一个细菌N个维度的位置代表N个认知用户的发射功率,N为正整数;
如果满足,在所建立的认知无线电网络系统中随机选择一个区域,并在所述区域中选择预设个细菌,对所选择的每个细菌进行自适应步长趋向操作;
将经过自适应步长趋向操作的所有细菌的食物浓度进行比较,选择所有细菌的食物浓度中的最小食物浓度与中心位置食物浓度进行比较,如果最小食物浓度大于中心位置食物浓度,则对所选择的每个细菌进行自适应步长趋向操作;否则,
对所选择的每个细菌进行聚群操作,并获取所有细菌的食物浓度,通过比较所有细菌的食物浓度获得最小食物浓度;其中,所述最小食物浓度指N个认知用户的发射功率之和中的最小值,中心位置食物浓度指每个认知用户在所述区域最大的发射功率之和。
2.如权利要求1所述的基于自适应细菌觅食的认知无线电功率控制方法,其中,在设置所述认知无线电网络系统的各参数的初值的过程中,
分别对认知用户的最大发射功率、认知用户的最小信噪比门限值、授权用户的最低信噪比门限值、认知用户的最大发射功率阈值,以及干扰温度约束阈值进行设置。
3.如权利要求1所述的基于自适应细菌觅食的认知无线电功率控制方法,其中,在设置自适应细菌觅食算法的参数的初值的过程中,
分别对细菌趋向操作次数、细菌自适应学习次数、细菌迁移次数、细菌聚群次数、细菌游动次数、细菌规模数和基本迁移概率进行设置。
4.如权利要求1所述的基于自适应细菌觅食的认知无线电功率控制方法,其中,在确定当前认知用户发射功率是否满足预设的约束条件的过程中,
如果当前认知用户发射功率小于或等于认知用户的最大发射功率阈值,并且认知用户的最小信噪比门限值大于或等于授权用户的最低信噪比,以及小于或者等于干扰温度约束阈值时,确定当前认知用户发射功率满足预设的约束条件;其中,
代表所有认知用户对一个授权用户的干扰,pi指的是第i个认知用户的发射功率,Hik代表信道增益。
5.如权利要求1所述的基于自适应细菌觅食的认知无线电功率控制方法,其中,在对所选择的每个细菌进行自适应步长趋向操作的过程中,
在所述区域中选择第l个细菌,确定所选择的第l个细菌是否小于细菌规模数,l为正整数;
如果小于,则对所述第l个细菌进行第j次趋向操作,j为正整数;否则,
获取第l个细菌N个维度位置的食物浓度中的最小食物浓度,所述第l个细菌N个维度位置的食物浓度中的最小食物浓度代表N个认知用户中的最小发射功率和;
第l个细菌执行第j次趋向操作,确定j是否大于设置的细菌趋向操作次数,如果大于,在所述区域中选择第l+1个细菌进行趋向操作;否则,
对第l个细菌进行旋转操作,获取旋转操作后的第l个细菌N个维度位置的食物浓度,所述第l个细菌N个维度位置的食物浓度代表N个认知用户的发射功率和,如果第l个细菌N个维度位置的食物浓度变小,第l个细菌沿着旋转方向游动,获取第l个细菌N个维度位置的食物浓度中的最小食物浓度;
对第l个细菌进行自适应学习:选择第l个细菌N个维度位置的第i维的位置,所述第l个细菌N个维度位置的第i维的位置代表N个认知用户中的第i个认知用户,若i大于或等于N,获取N个认知用户中的每个认知用户的最小发射功率;否则,
对第l个细菌执行自适应步长学习,更新第i个认知用户的发射功率,确定自适应学习次数是否达到设置的自适应学习次数,如果是,则获取N个认知用户中的每个认知用户的最小发射功率;否则,对第l个细菌循环执行自适应步长学习;
确定N个认知用户的发射功率和是否不变或第l个细菌是否达到设置的游动次数,如果是,则对第l个细菌执行第下一次趋向操作。
6.如权利要求5所述的基于自适应细菌觅食的认知无线电功率控制方法,其中,通过下述公式获取第l个细菌N个维度位置的食物浓度:
其中,G(Pl)指第l个细菌N维矢量的位置和,所述第l个细菌N维矢量的位置和代表N个认知用户的发射功率之和,pl,i指第l个细菌在第i维的位置,所述第l个细菌在第i维的位置代表N个认知用户中的第i个认知用户的发射功率。
7.一种基于自适应细菌觅食的认知无线电功率控制系统,包括:
初值设置单元,用于建立多用户的下垫式分布式认知无线电网络系统,并设置所述认知无线电网络系统的各参数的初值,以及自适应细菌觅食算法的参数的初值;其中,所述认知无线电网络系统中的用户包括授权用户和认知用户;
约束条件判断单元,用于确定当前认知用户发射功率是否满足预设的约束条件;所述约束条件为:确定当前认知用户发射功率是否达到预设的认知用户的通信标准,并且是否满足预设的认知用户的发射功率约束,以及是否满足对授权用户的干扰约束;
迁移操作单元,用于在所述约束条件判断单元判断出当前认知用户发射功率不满足预设的约束条件时,将当前认知用户对应的细菌进行迁移操作;其中,一个细菌N个维度的位置代表N个认知用户的发射功率,N为正整数;
趋向操作单元,用于在所述约束条件判断单元判断出当前认知用户发射功率满足预设的约束条件时,在所建立的认知无线电网络系统中随机选择一个区域,并在所述区域中选择预设个细菌,对所选择的每个细菌进行自适应步长趋向操作;其中,所述趋向操作单元进一步包括:
比较单元,用于将经过自适应步长趋向操作的所有细菌的食物浓度进行比较,选择所有细菌的食物浓度中的最小食物浓度与中心位置食物浓度进行比较;其中,如果所有细菌的最小食物浓度大于中心位置食物浓度,则对所选择的每个细菌进行自适应步长趋向操作;否则,对所选择的每个细菌进行聚群操作,获取所有细菌的食物浓度,通过比较所有细菌的食物浓度获取最小食物浓度;其中,所述最小食物浓度指N个认知用户的发射功率之和中的最小值,中心位置食物浓度指每个认知用户在所述区域最大的发射功率之和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710192658.0A CN106954255B (zh) | 2017-03-28 | 2017-03-28 | 基于自适应细菌觅食的认知无线电功率控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710192658.0A CN106954255B (zh) | 2017-03-28 | 2017-03-28 | 基于自适应细菌觅食的认知无线电功率控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106954255A true CN106954255A (zh) | 2017-07-14 |
CN106954255B CN106954255B (zh) | 2019-10-11 |
Family
ID=59474901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710192658.0A Active CN106954255B (zh) | 2017-03-28 | 2017-03-28 | 基于自适应细菌觅食的认知无线电功率控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106954255B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112822058A (zh) * | 2021-02-09 | 2021-05-18 | 南通大学 | 基于有效区域的多目标优化设计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090124206A1 (en) * | 2007-11-12 | 2009-05-14 | Samsung Electronics Co., Ltd. | Pilot signal power control apparatus and operation method of pilot signal power control apparatus |
CN102573027A (zh) * | 2011-12-21 | 2012-07-11 | 北京邮电大学 | 基于蚁群优化的离散功率控制方法 |
CN102625322A (zh) * | 2012-02-27 | 2012-08-01 | 北京邮电大学 | 多制式智能可配的无线网络优化的实现方法 |
CN104638672A (zh) * | 2015-01-26 | 2015-05-20 | 东南大学 | 一种考虑变量相关性的光伏穿透功率极限的确定方法 |
CN105681244A (zh) * | 2016-03-23 | 2016-06-15 | 河北工业大学 | 基于蝙蝠算法的ofdm系统中抑制papr的方法 |
-
2017
- 2017-03-28 CN CN201710192658.0A patent/CN106954255B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090124206A1 (en) * | 2007-11-12 | 2009-05-14 | Samsung Electronics Co., Ltd. | Pilot signal power control apparatus and operation method of pilot signal power control apparatus |
CN102573027A (zh) * | 2011-12-21 | 2012-07-11 | 北京邮电大学 | 基于蚁群优化的离散功率控制方法 |
CN102625322A (zh) * | 2012-02-27 | 2012-08-01 | 北京邮电大学 | 多制式智能可配的无线网络优化的实现方法 |
CN104638672A (zh) * | 2015-01-26 | 2015-05-20 | 东南大学 | 一种考虑变量相关性的光伏穿透功率极限的确定方法 |
CN105681244A (zh) * | 2016-03-23 | 2016-06-15 | 河北工业大学 | 基于蝙蝠算法的ofdm系统中抑制papr的方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112822058A (zh) * | 2021-02-09 | 2021-05-18 | 南通大学 | 基于有效区域的多目标优化设计方法 |
CN112822058B (zh) * | 2021-02-09 | 2021-11-16 | 南通大学 | 基于有效区域的多目标优化设计方法 |
WO2022170719A1 (zh) * | 2021-02-09 | 2022-08-18 | 南通大学 | 基于有效区域的多目标优化设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106954255B (zh) | 2019-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Resource allocation for D2D communications underlay in Rayleigh fading channels | |
Xu et al. | Robust power control and beamforming in cognitive radio networks: A survey | |
Feng et al. | Device-to-device communications underlaying cellular networks | |
Han et al. | Uplink channel reusing selection optimization for device-to-device communication underlaying cellular networks | |
Elsherif et al. | Adaptive resource allocation for interference management in small cell networks | |
CN113316154B (zh) | 一种授权和免授权d2d通信资源联合智能分配方法 | |
Dai et al. | Energy-efficient resource allocation for energy harvesting-based device-to-device communication | |
CN107613555A (zh) | 非正交多址接入蜂窝和终端直通密集网络资源管控方法 | |
Inaltekin et al. | Optimality of binary power control for the single cell uplink | |
CN108880734A (zh) | 量子回溯搜索优化的CCFD-Massive MIMO系统功率分配方法 | |
Han et al. | Joint resource allocation in underwater acoustic communication networks: A game-based hierarchical adversarial multiplayer multiarmed bandit algorithm | |
Bi et al. | Deep reinforcement learning based power allocation for D2D network | |
CN111586646A (zh) | 一种蜂窝网络中联合上下信道的d2d通信的资源分配方法 | |
Feng et al. | A tractable model for device-to-device communication underlaying multi-cell cellular networks | |
Zhao et al. | Joint subchannel and power allocation in multiuser OFDM systems with minimal rate constraints | |
Wang et al. | Exploiting multiuser diversity with 1-bit feedback for spectrum sharing | |
Abuzainab et al. | Robust Bayesian learning for wireless RF energy harvesting networks | |
CN106954255A (zh) | 基于自适应细菌觅食的认知无线电功率控制方法及系统 | |
CN105376847B (zh) | 一种面向5g车联网物理层安全的车载中继簇功率分配方法 | |
Xiao et al. | Power allocation for device-to-multi-device enabled HetNets: A deep reinforcement learning approach | |
Ron et al. | Learning-based joint optimization of mode selection and transmit power control for D2D communication underlaid cellular networks | |
Chen et al. | Intelligent control of cognitive radio parameter adaption: Using evolutionary multi-objective algorithm based on user preference | |
CN108601075A (zh) | Ofdm认知无线电系统的单用户注水功率分配方法 | |
Lall et al. | Multi-agent reinfocement learning for stochastic power management in cognitive radio network | |
Chen et al. | Adaptive repetition scheme with machine learning for 3GPP NB-IoT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |