CN107071881B - 一种基于博弈论的小蜂窝网络分布式能量分配方法 - Google Patents

Abstract

本发明公开了一种基于博弈论的小蜂窝网络分布式能量分配方法，该方法针对多小区LTE移动通信系统，提出了一种新的分布式功率分配方法，该方法在满足小区功率和发送速率的限制条件下，最大程度地提高小区的系统容量和能量损耗的比值，从而达到以更低的能耗提供更高速率的目的。该方法先建立了多蜂窝非合作博弈模型，证明了该系统模型纳什均衡点的存在，并提出了一种迭代式的资源分配算法，通过不断迭代小区在子载波上的功率来优化系统能效。仿真结果表明了该系统模型纳什均衡点的存在性并且说明了该算法收敛于纳什均衡点。

Description

一种基于博弈论的小蜂窝网络分布式能量分配方法

技术领域

本发明涉及的是一种无线网络中基于博弈论的小蜂窝网络分布式能量分配方法，属于通信技术领域。

背景技术

随着无线通信技术及智能手机等设备的快速发展，用户对带宽有了更高的需求，现代无线通信网络需要支持的数据负载量也以惊人的速度増长。越来越多的蜂窝网基础设施及巨大的负载量也导致了移动峰窝网中越来越多的能量消耗。但是如此巨大的能量消耗不但增加了运营商的运营成本，直接导致碳排放量的增加及生态环境的恶化。而小蜂窝网络(Small Cell Networks,SCNs)被认为是解决无线通信网络中高负载量与高能耗的十分有前景的技术。现有文献是针对小蜂窝网络能耗最小或提高数据传输速率为优化目标，并没有考虑如何折中系统能耗与数据传输速率。

我们对现有技术文献经对检索发现，Wibowo Hardjawana等人在《IEEE WirelessCommunications and Networking Conference(WCNC),pp.1882-1887,March.2015》上发表了题为“A distributed cooperative power allocation scheme for small cellnetworks”一文，该文提出了一种下行链路分布式功率分配算法，以最大限度地提高系统容量。但是此算法只是考虑如何提高系统的总能量，并未考虑系统损耗问题。

我们还检索发现，G.Bacci等人在《Tech.Rep,Jul.2014》上发表题为“Energy-aware competitive link adaptation in heterogeneous networks”一文，该文研究了在多用户多输入多输出(MIMO)系统中上行链路分布式功率控制的问题。然而该文的系统模型针对的是上行链路的情况，并没有考虑下行链路的分布式功率控制的问题。

经检索还发现，CONG Xiong等人在《IEEE.Press,pp.1-5,2011》上发表题为“Energy-efficient resource allocation in OFDMA networks”一文，该文提出的BPA算法有效地解决了固定子信道分配方案条件下的单小区能效优化问题。而没有考虑多小区情况，多小区网络的资源分配问题与单小区相比，最大的挑战在于多小区环境下的同频干扰。而本发明能够很好地解决上面的问题。

发明内容

本发明针对上述现有技术的不足，提出了一种基于博弈论的小蜂窝网络分布式能量分配方法，该方法在满足小区功率和发送速率的限制条件下，最大程度地提高小区的系统容量和能量损耗的比值，从而很好地达到以更低的能耗提供更高速率的目的。本发明根据现有的多蜂窝非合作博弈系统模型，证明了该系统模型纳什均衡点的存在，并提出了一种迭代式的资源分配算法，通过不断迭代小区在子载波上的功率来优化系统能效。本发明仿真结果表明了该系统模型纳什均衡点的存在性并且说明了该算法收敛于纳什均衡点。

本发明解决其技术问题所采取的技术方案是：一种基于博弈论的小蜂窝网络分布式能量分配方法，该方法包括如下步骤：

步骤1：计算每个用户到每一个小区的距离和每一个用户属于哪个小区；

步骤2：设每个小区分配功率初始值为0；

步骤3：根据已知模型求出每个小区的传输速率和消耗的总功率；

步骤4：根据分布式迭代算法求得λs，

其中λs，

为注水参数；

步骤5：根据

Φ(λ_s)＝max(ξ(p_s)-λ_sδ(p_s))，

令上述公式求导后等于0，求得此时刻每个小区的分配功率为：

此时刻每个小区分配功率与上一时刻每个小区分配功率相比较，如果相等，则结束此分布式迭代算法，并记录此时每个小区分配功率，如果不相等，则返回步骤3，其中，

求得的

为第s个小区在第n个子载波上分配的功率；

进一步地，本发明的分布式迭代算法包括：用分布式迭代算法计算λ_s(即：注水参数)。

第一步：设一个参数ε＜＜1(即：一个常数)；

第二步：随机产生一个数：λ_s(即：注水参数)；

第三步：更新一下每个小区分配功率；

第四步：计算小区s的信息传输速率ξ(p_s)和小区s功率总消耗δ(p_s)，即：

第五步：令Φ(λ_s)＝ξ(p_s)-λ_sδ(p_s)，直到Φ(λ_s)≥0，继续下一步；

第六步：如果Φ(λ_s)≥ε则令

否则结束此程序；

第七步：更新一下每个小区分配功率；

第八步：重新计算ξ(p_s)和δ(p_s)：

第九步：计算Φ(λ_s)＝ξ(p_s)-λ_sδ(p_s)，返回第六步。

有益效果：

1、本发明通过小区之间的协作，能够很好地实现了下行链路上的功率分配。

2、本发明通过设计分布式算法，在当其他小区功率分配方案不变的情况下，能够很好地使自己的小区能效达到最大，最大程度地提高小区的系统容量和能量损耗的比值，从而很好地达到以更低的能耗提供更高速率的目的。

3、本发明很好地降低了系统能耗，提高了数据传输速率。

附图说明

图1为本发明系统模型示意图。

图2为小区与用户分布平面示意图。

图3为每个小区功率分配的收敛示意图。

图4为纳什均衡存在示意图。

图5为本发明的方法流程图。

具体实施方式

下面结合说明书附图对本发明创造作进一步的详细说明。

实施例一

本发明的实施例应用于无线网络中，包括如下步骤：

第一步，建立一个包含S个相邻小区(S表示小区)的LTE蜂窝系统网络模型，S＝10时如图2所示，系统总共划分了N个子信道(n)，每个小区共享这些子信道，每个小区中均匀分布K＝8个用户，每个用户的小区归属确定，K为小区S中的用户集。

定义μ_s,n为小区s在第n个子信道上的干扰因子，即：

其中：g_s,n为小区s在第n个子信道上的信道增益，g_i,n为其他小区i在第n个子信道上的信道增益，p_i,n为其它小区i在第n个子信道上的发射功率，σ²为高斯白噪声；

定义η_s,n为信息传输中小区s在第n个子信道上的信噪比，即：

η_s,n＝p_s,n×μ_s,n

其中：p_s,n为小区s在第n个子信道上的发射功率，小区s总的发射功率受到一定的限制，即：

其中：p_smax是小区s的最大发送功率；

定义R_s为信息传输中小区s的信息传输速率，即：

其中：a_n为子载波损耗参数，a_n≤1；

定义p_s,T为小区s功率总消耗，即：

其中：p_s,c为小区s的电路功率损耗；

定义U_s为信息传输中小区s的效用，该效是用小区的发送速率与消耗功率的比值来表示，能够更好的反映出小区数据传输速率与系统能耗的折中，即：

第二步：在本发明非合作小区功率控制博弈模型中，参与决策的小区s被称为局中人(Player)；当其他小区发送功率保持不变时，通过改变自己小区的发送功率能使自己效用最大化的行为被称为其的一个策略(Strategy)，而其所有可用策略所构成的集合被称为一个策略空间(Strategy Space)；当决策者使用上述策略时会得到一定的收益U，这被称为局中人获得的效用(Utility)。

本发明的多小区资源分配博弈模型的纳什均衡是一组策略集合，即p_s＝[p_s,1,p_s,2...,p_s,n]，满足为：

即在纳什均衡条件下，单个小区无法通过仅改变自身功率分配方案来提高自身小区的能效。

若策略空间是欧式空间上的一个非空的、闭的、有界的凸集，且目标函数是连续的凹函数，则存在纳什均衡。

第三步，本发明设计了一种分布式功率分配方案。

在图3中，横坐标代表的是迭代的步数，纵坐标标示的是小区发送的功率。通过不断迭代小区的功率发现，迭代12步后，每个小区的发送功率将不再发生变化，此时说明小区的发射功率收敛于纳什均衡点，证明了算法的有效性。

在图4中，横坐标代表的是小区1的发射功率，纵坐标标示的是小区1的效用。达到纳什均衡后效用为1.4401Mb/J，在其他小区发送功率不变的情况下，改变自己的小区发送功率后发现，改变自己小区的功率所对应的效用都要比1.4401Mb/J小，说明本发明的模型经过迭代后已经达到纳什均衡。

实施例二

如图5所示，本发明提供了一种基于博弈论的小蜂窝网络分布式能量分配方法，该方法包括如下步骤：

第一步，建立一个包含S个相邻小区(S表示小区)的LTE蜂窝系统网络模型，S＝10时如图2所示，系统总共划分了N个子信道(n)，每个小区共享这些子信道，每个小区中均匀分布K＝8个用户，每个用户的小区归属确定，K为小区S中的用户集。

第二步：在本发明非合作小区功率控制博弈模型中，参与决策的小区s被称为局中人(Player)；当其他小区发送功率保持不变时，通过改变自己小区的发送功率能使自己效用最大化的行为被称为其的一个策略(Strategy)，而其所有可用策略所构成的集合p_s＝[p_s,1,p_s,2...,p_s,n]被称为一个策略空间(Strategy Space)；当决策者使用上述策略时会得到一定的收益U，这被称为局中人获得的效用(Utility)。

第三步，提出了一种新的分布式功率分配方案。

步骤1：计算每个用户到每一个小区的距离和每一个用户属于哪个小区；

步骤2：设每个小区分配功率初始值为0；

步骤3：根据已知模型求出每个小区的传输速率和消耗的总功率；

步骤4：根据分布式迭代算法求得λs，

(λs，

为注水参数)；

步骤5：根据以上新的数据，求得此时刻每个小区新的分配功率；

步骤6：此时刻每个小区分配功率与上一时刻每个小区分配功率相比较，如果相等，则结束此算法并记录此时每个小区分配功率，如果不相等，则返回第3步。

本发明的分布式迭代算法包括：用分布式迭代算法计算λ_s(即：注水参数)。

第一步：设一个参数ε＜＜1(即：一个常数)；

第二步：随机产生一个数：λ_s(即：注水参数)；

第三步：更新一下每个小区分配功率；

第四步：计算小区s的信息传输速率ξ(p_s)和小区s功率总消耗δ(p_s)，即：

第五步：令Φ(λ_s)＝ξ(p_s)-λ_sδ(p_s)，直到Φ(λ_s)≥0，继续下一步；

第六步：如果Φ(λ_s)≥ε则令

否则结束此程序；

第七步：更新一下每个小区分配功率；

第八步：重新计算ξ(p_s)和δ(p_s)：

第九步：计算Φ(λ_s)＝ξ(p_s)-λ_sδ(p_s)，返回第六步。

本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

Claims (2)

1.一种基于博弈论的小蜂窝网络分布式能量分配方法，其特征在于，所述方法包括如下步骤：

步骤1：计算每个用户到每一个小区的距离和每一个用户属于哪个小区；

步骤2：设每个小区分配功率初始值为0；

步骤3：根据已知模型求出每个小区的传输速率和消耗的总功率；

步骤4：根据分布式迭代算法求得λs，其中

为注水参数；

步骤5：根据

Φ(λ_s)＝max(ξ(p_s)-λ_sδ(p_s))，

令上述公式求导后等于0，求得此时刻每个小区的分配功率为：

此时刻每个小区分配功率与上一时刻每个小区分配功率相比较，如果相等，则结束此分布式迭代算法，并记录此时每个小区分配功率，如果不相等，则返回步骤3，其中，

求得的

为第s个小区在第n个子信道上分配的功率，S为小区的数量，N为子信道的数量；

所述步骤1包括：定义μ_s,n为小区s在第n个子信道上的干扰因子，即：

其中：g_s,n为小区s在第n个子信道上的信道增益，g_i,n为其他小区i在第n个子信道上的信道增益，p_i,n为其它小区i在第n个子信道上的发射功率，σ²为高斯白噪声；

定义η_s,n为信息传输中小区s在第n个子信道上的信噪比，即：

η_s,n＝p_s,n×μ_s,n

其中：p_s,n为小区s在第n个子信道上的发射功率，小区s总的发射功率受到一定的限制，即：

其中：p_smax是小区s的最大发送功率；

定义R_s为信息传输中小区s的信息传输速率，即：

其中：a_n为子载波损耗参数，a_n≤1；

定义p_s,T为小区s功率总消耗，即：

其中：p_s,c为小区s的电路功率损耗；

定义U_s为信息传输中小区s的效用，该效用 是用小区的发送速率与消耗功率的比值来表示，能够更好的反映出小区数据传输速率与系统能耗的折中，即：

所述步骤4中的分布式迭代算法包括：

第一步：设一个参数ε＜＜1；

第二步：随机产生一个数：λ_s；

第三步：更新一下每个小区分配功率；

第四步：计算小区s的信息传输速率ξ(p_s)和小区s功率总消耗δ(p_s)，即：

第五步：令Φ(λ_s)＝ξ(p_s)-λ_sδ(p_s)，直到Φ(λ_s)≥0，继续下一步；

第六步：如果Φ(λ_s)≥ε则令

否则结束此程序；

第七步：更新一下每个小区分配功率；

第八步：重新计算ξ(p_s)和δ(p_s)：

第九步：计算Φ(λ_s)＝ξ(p_s)-λ_sδ(p_s)，返回第六步。

2.根据权利要求1所述的一种基于博弈论的小蜂窝网络分布式能量分配方法，其特征在于，所述步骤2包括：多小区资源分配博弈模型的纳什均衡是一组策略集合，即p_s＝[p_s,1,p_s,2...,p_s,n]，满足：

若策略空间是欧式空间上的一个非空的、闭的和有界的凸集，且目标函数是连续的凹函数，则存在纳什均衡。

Images