CN107094060A - 基于非合作博弈的分布式超密集异构网络干扰协调方法 - Google Patents
基于非合作博弈的分布式超密集异构网络干扰协调方法 Download PDFInfo
- Publication number
- CN107094060A CN107094060A CN201710269564.9A CN201710269564A CN107094060A CN 107094060 A CN107094060 A CN 107094060A CN 201710269564 A CN201710269564 A CN 201710269564A CN 107094060 A CN107094060 A CN 107094060A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- cell
- munder
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 12
- 210000004027 cell Anatomy 0.000 claims description 154
- 210000004460 N cell Anatomy 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 15
- 238000001228 spectrum Methods 0.000 abstract description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J11/00—Orthogonal multiplex systems, e.g. using WALSH codes
- H04J11/0023—Interference mitigation or co-ordination
- H04J11/005—Interference mitigation or co-ordination of intercell interference
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
Abstract
本发明公开了一种基于非合作博弈的分布式超密集异构网络干扰协调方法，通过分析超密集网络的动态特性，将网络干扰问题建模成非合作博弈问题，网络中小区作为博弈参与者，最小化自身干扰为效用函数。为了推导纳什均衡解的存在，将建立博弈模型推导成潜在博弈问题，基于此提出了一种基于随机学习的反馈方法求解纳什均衡解。该方法根据每个小区每一次迭代的效用函数建立概率矩阵，通过不断更新概率矩阵得到最终的纳什均衡解。本发明能够在不需要小区间信息交换下，收敛到闭式解，最终所有小区在收敛到纳什均衡解时，使得整个网络干扰最小，提高了网络容量，以较低的复杂度有效地解决用户速率动态变化、网络密集化与网络容量，频谱效率之间的难题。
Description
技术领域
本发明属于移动通信技术领域，涉及无线通信系统中无线资源管理方法，更为具体的说，是涉及基于非合作博弈的分布式超密集异构网络中干扰协调方法。
背景技术
在宏站覆盖范围内同频密集部署低功率小站的超密集异构网络是3GPP(ThirdGeneration Partnership Project)提出的一种提升5G网络频谱利用率和网络容量的有效方法。然而小站密度的增加会造成小区间干扰加剧，限制整个网络容量的提升，同时小区边缘用户的通话质量受到严重影响。而且未来实际网络场景中的每个小区基站及小区用户处于动态变化的网络环境中，包括小区基站位置不固定、小区可自行决定开关状态、每个小区可以服务多个用户，每个用户由于自身业务的变化会有不同的速率请求等等多种情况。在5G网络中，小区数目急剧增加，小区间的干扰问题直接影响着用户的服务质量和网络容量，需有效的干扰协调技术来解决。但现有的干扰协调方案不能有效解决用户之间由于业务类型不同而引起的速率请求的差异问题，且需要大量的信令交换。
发明内容
为解决上述问题，本发明公开了一种基于非合作博弈的分布式超密集异构网络干扰协调方法，考虑了在超密集异构网络场景下不同小区用户由于业务类型不同而引起的用户速率速率需求变化，通过分析超密集网络的动态特性，将网络干扰问题建模成非合作博弈问题，网络中小区作为博弈参与者，最小化自身干扰为效用函数。为了推导纳什均衡解的存在，将建立博弈模型推导成潜在博弈问题。
为了达到上述目的，本发明提供如下技术方案：
基于非合作博弈的分布式超密集异构网络干扰协调方法，包括如下步骤：
步骤一，采集网络信息，初始化参数
采集网络中的宏站数目M、小站数目N和用户数目U，宏站分布在中心位置，感知小区随机分布在宏站周围，感知小区具有感知和发现周围环境的能力，能够根据过去的信息作出相应的决策，能够调整接入的信道，发射功率，小区处于动态开关状态中，能够根据服务的用户数目调整开关状态，能够服务多个用户，同时会由于小区内用户业务类型的变化调整自身的速率请求；假设小区i的可选RB集合为Si，初始选择的RB集合为si(0)，在第0时隙，各个小区在其可选RB集合中随机选择RB集合；
步骤二，采集信道信息
小区用户采用最大参考信号接收功率准则接入小区，小区基站j到小区基站i服务的用户 ei之间的信道增益近似为两小区基站i,j之间的信道增益，即由此将网络中小区基站间即用户间的信道增益对称化，即
步骤三，小区干扰信息初始化
根据步骤二采集的信道信息，通过下式计算小区n在RBi上受到的网络干扰
其中，表示小区m在RBi上的发射功率，σ2表示白噪声功率，N/{n}表示小区集合N中除了小区n以外的所有小区，为干扰系数，其表示如下：
其中，sn表示小区n最终使用的RB集合，表示小区n使用的RB集合sn中的第i个RB，当小区n与小区m使用相同的RBi时，为1，否则为0；
步骤四，小区总速率计算
假设RB带宽为B，则小区n在RBi上的速率由香农公式计算，表示如下：
网络中所有的小区RB选择表示为(sn,s-n)，其中s-n表示除了小区n外其他小区的RB选择，则小区n的总速率利用其表示为：
步骤五，问题建模
基于在超密集感知网中，每个小区选择RB的原则：选择使自身受到的干扰最小的RB集合，达到最大化自身速率；将小区n受到的干扰表示为：
整个网络的干扰表示为：
定义本方法的效用函数为：
根据非合作博弈模型定义，本方法的问题建模为参与者为N 个小区，Sn为小区n的策略集合，un(sn,s-n)为小区n的效用函数，非合作博弈问题建模具体表示如下：
Subject to:
其中，限制条件C1表示小区m和小区n只能同时使用相同的RB或者不使用相同的RB，限制条件C2表示RB上的功率必须大于0，限制条件C3表示每个小区有速率请求，rre,n为小区n请求速率；
步骤六，在第t时隙，小区i根据式(7)计算当前选择策略的效用函数ui(si(t),s-i(t))，其中si(t)为第t时隙小区i选择的RB集合；
步骤七，更新t时隙的置信矩阵 的大小为|si(t)|×si(t)|，其中
其中，ai(t)表示在t时隙小区i选择的RB集合si(t)中的一个RB，而a′i(t)表示不在si(t) 中的一个RB，置信矩阵反映的是选择其它RB所带来的效用函数的变化，即收益的改变，置信矩阵中非零元素的个数完全由t时隙的RB选择策略si(t)决定；
步骤八，更新矩阵及矩阵
其中，为辅助矩阵，为平均置信矩阵，εt＝1/(t+1)表示每一次迭代步长；
步骤九，更新选择概率矩阵同时决定t+1时隙的选择策略；
其中，μ为归一化系数，选择概率矩阵描述的是在下一时刻t+1选择各个RB 的概率大小，小区i选择中概率最大的那个RB，根据式(3)计算当前的速率若不满足小区速率请求rre,i，即则继续选择中概率次大的那个RB，直到此时选出来的RB集合即为时刻RB选择策略集合；
步骤十，循环步骤第六步至第八步，直到所有小区的RB选择集合不再变化，或达到预设的迭代次数门限。
进一步的，所述步骤三中，在每个RB上的发射功率相同，即
与现有技术相比，本发明具有如下优点和有益效果：
本发明提供的基于非合作博弈的分布式超密集异构网络干扰协调方法能够在不需要小区间信息交换下，收敛到闭式解，最终所有小区在收敛到纳什均衡解时，使得整个网络干扰最小，提高了网络容量，以较低的复杂度有效地解决用户速率动态变化、网络密集化与网络容量，频谱效率之间的难题。
附图说明
图1为本发明步骤流程图。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
在分布式超密集感知网中，各个小区因用户需求而产生时变的速率请求，同时将各个小区干扰最小化问题建模成非合作博弈模型，各个小区的目标函数为自身干扰最小，小区可以根据周围干扰环境及自身过去的资源选择情况作出当前的决策，此决策同时满足自身速率请求。小区的每一次决策为RB(Resource Block)集合。关键地，此非合作博弈问题可推导成潜在博弈问题。潜在博弈有两个关键点，一方面其至少存在一个纳什均衡解；另一方面小区局部干扰最小化可以使得全局网络干扰最小化。为了求解该问题的纳什均衡解，将建立博弈模型推导成潜在博弈问题，本发明提出了本发明提出了一种基于随机学习的改进的非置信方法。该方法根据每个小区每一次迭代的效用函数建立概率矩阵，通过不断更新概率矩阵得到最终的纳什均衡解。最终所有小区在收敛到纳什均衡解时，整个网络干扰最小，达到干扰协调的目的。
具体的说，如图1所示，本发明包括如下步骤：
步骤一，采集网络信息，初始化参数。
采集网络中的宏站数目M、小站数目N和用户数目U。初始化小区网关给整个网络中提供的RB，RB指的是基站频谱资源块数目，表示为S，所有RB可以被所有小区复用。小区n 可用的RB集合表示为Sn，每个小区的可用RB集合相同，即S1＝S2＝...＝SN。在第0时隙，各个小区在其可选RB集合中随机选择RB集合。假设小区i的可选RB集合为Si，初始选择的RB集合为si(0)。宏站分布在中心位置，感知小区随机分布在宏站周围。感知小区具有感知和发现周围环境的能力，可以根据过去的信息作出相应的决策，可以调整接入的信道，发射功率等等。小区处于动态开关状态中，会根据服务的用户数目调整开关状态。每个小区可以服务多个用户。同时会由于小区内用户业务类型的变化调整自身的速率请求。
步骤二，采集信道信息。
小区用户采用最大参考信号接收功率准则接入小区。由于用户距离服务他的小区基站很近，则小区基站j到小区基站i服务的用户ei之间的信道增益可近似为两小区基站i,j之间的信道增益，即根据这个近似，可以将网络中小区基站间即用户间的信道增益对称化，即其中hj，i表示基站j到基站i之间的信道增益，表示基站i到基站j服务的用户ej的信道增益。
步骤三，小区干扰信息初始化。
根据前一步采集的信道信息，小区n在RBi上受到的网络干扰可以计算得
其中，表示小区m在RBi上的发射功率，表示信道增益，σ2表示白噪声功率，N/{n}表示小区集合N中除了小区n以外的所有小区，为干扰系数，其表示为
sn表示小区n最终使用的RB集合，表示小区n使用的RB集合sn中的第i个RB。当小区n与小区m使用相同的RB i时，为1，否则为0。为了简化分析，本方法不考虑功率控制，所以在每个RB上的发射功率相同，即
步骤四，小区总速率计算。
假设RB带宽为B，则小区n在RB i上的速率可以由香农公式计算，表示为
网络中所有的小区RB选择可以表示为(sn,s-n)，其中s-n表示除了小区n外其他小区的 RB选择。则小区n的总速率可以利用其表示为
步骤五，问题建模。
在超密集感知网中，每个小区选择RB的原则是：选择使自身受到的干扰最小的RB集合，达到最大化自身速率。小区n受到干扰可以表示为
整个网络的干扰可以表示为
为了方便，定义本方法的效用函数为
上式可以看到，效用函数即为干扰In(sn,s-n)乘权重因子-pn，所以最小化干扰就转化成最大化此效用函数。
根据非合作博弈模型定义，本方法的问题建模为参与者为N 个小区，Sn为小区n的策略集合，un(sn,s-n)为小区n的效用函数。非合作博弈问题建模具体表示如下
Subject to:
其中，限制条件C1表示小区m和小区n只能同时使用相同的RB或者不使用相同的RB。限制条件C2表示RB上的功率必须大于0。限制条件C3表示每个小区有速率请求，rre,n为小区n请求速率。
步骤六至步骤十是本发明为求解纳什均衡解而设计基于随机学习的非置信方法关键步骤。
步骤六，在第t时隙，小区i根据式(7)计算当前选择策略的效用函数ui(si(t),s-i(t))。其中si(t)为第t时隙小区i选择的RB集合。
步骤七，更新t时隙的置信矩阵 的大小为|si(t)|×|si(t)|。其中
其中，ai(t)表示在t时隙小区i选择的RB集合si(t)中的一个RB，而ai'(t)表示不在si(t)中的一个RB。所以置信矩阵反映的是选择其它RB所带来的效用函数的变化，即收益的改变。置信矩阵中非零元素的个数完全由t时隙的RB选择策略si(t) 决定。
步骤八，更新矩阵及矩阵。
其中，为辅助矩阵，为平均置信矩阵，εt＝1/(t+1)表示每一次迭代步长。
步骤九，更新选择概率矩阵同时决定t+1时隙的选择策略。
其中，μ为归一化系数。选择概率矩阵描述的是在下一时刻t+1选择各个RB 的概率大小。小区i选择中概率最大的那个RB，根据式(3)计算当前的速率若不满足小区速率请求rre,i，即则继续选择中概率次大的那个RB，直到此时选出来的RB集合即为时刻RB选择策略集合。
步骤十，循环步骤第六步至第八步，直到所有小区的RB选择集合不再变化，或达到预设的迭代次数门限。
经过以上步骤，最终所有小区在收敛到纳什均衡解时，整个网络干扰最小，达到干扰协调的目的。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (2)
1.基于非合作博弈的分布式超密集异构网络干扰协调方法，其特征在于，包括如下步骤：
步骤一，采集网络信息，初始化参数
采集网络中的宏站数目M、小站数目N和用户数目U，宏站分布在中心位置，感知小区随机分布在宏站周围，感知小区具有感知和发现周围环境的能力，能够根据过去的信息作出相应的决策，能够调整接入的信道，发射功率，小区处于动态开关状态中，能够根据服务的用户数目调整开关状态，能够服务多个用户，同时会由于小区内用户业务类型的变化调整自身的速率请求；假设小区i的可选RB集合为Si，初始选择的RB集合为si(0)，在第0时隙，各个小区在其可选RB集合中随机选择RB集合；
步骤二，采集信道信息
小区用户采用最大参考信号接收功率准则接入小区，小区基站j到小区基站i服务的用户ei之间的信道增益近似为两小区基站i,j之间的信道增益，即由此将网络中小区基站间即用户间的信道增益对称化，即
步骤三，小区干扰信息初始化
根据步骤二采集的信道信息，通过下式计算小区n在RBi上受到的网络干扰:
<mrow>
<msubsup>
<mi>I</mi>
<mi>n</mi>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<mi>m</mi>
<mo>&Element;</mo>
<mi>N</mi>
<mo>/</mo>
<mo>{</mo>
<mi>n</mi>
<mo>}</mo>
</mrow>
</munder>
<msubsup>
<mi>p</mi>
<mi>m</mi>
<mi>i</mi>
</msubsup>
<msubsup>
<mi>h</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
<mi>i</mi>
</msubsup>
<msubsup>
<mi>&delta;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
<mi>i</mi>
</msubsup>
<mo>+</mo>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，表示小区m在RBi上的发射功率，σ2表示白噪声功率，N/{n}表示小区集合N中除了小区n以外的所有小区，为干扰系数，其表示如下：
<mrow>
<msubsup>
<mi>&delta;</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>s</mi>
<mi>n</mi>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>s</mi>
<mi>m</mi>
<mi>i</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，sn表示小区n最终使用的RB集合，表示小区n使用的RB集合sn中的第i个RB，当小区n与小区m使用相同的RBi时，为1，否则为0；
步骤四，小区总速率计算
假设RB带宽为B，则小区n在RBi上的速率由香农公式计算，表示如下：
<mrow>
<msubsup>
<mi>r</mi>
<mi>n</mi>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<mi>B</mi>
<mi> </mi>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mi>ph</mi>
<mi>n</mi>
<mi>i</mi>
</msubsup>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<mi>m</mi>
<mo>&Element;</mo>
<mi>N</mi>
<mo>/</mo>
<mo>{</mo>
<mi>n</mi>
<mo>}</mo>
</mrow>
</munder>
<msubsup>
<mi>ph</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
<mi>i</mi>
</msubsup>
<msubsup>
<mi>&delta;</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
<mi>i</mi>
</msubsup>
<mo>+</mo>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
网络中所有的小区RB选择表示为(sn,s-n)，其中s-n表示除了小区n外其他小区的RB选择，则小区n的总速率利用其表示为：
<mrow>
<msub>
<mi>r</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>s</mi>
<mrow>
<mo>-</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
</mrow>
</munder>
<msubsup>
<mi>r</mi>
<mi>n</mi>
<mi>i</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>s</mi>
<mrow>
<mo>-</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤五，问题建模
基于在超密集感知网中，每个小区选择RB的原则：选择使自身受到的干扰最小的RB集合，达到最大化自身速率；将小区n受到的干扰表示为:
<mrow>
<msub>
<mi>I</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>s</mi>
<mrow>
<mo>-</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<mi>m</mi>
<mo>&Element;</mo>
<mi>N</mi>
<mo>/</mo>
<mo>{</mo>
<mi>n</mi>
<mo>}</mo>
</mrow>
</munder>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>p</mi>
<mi>m</mi>
</msub>
<msubsup>
<mi>h</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
<mi>i</mi>
</msubsup>
<msubsup>
<mi>&delta;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
1
整个网络的干扰表示为:
<mrow>
<mi>I</mi>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<mi>n</mi>
<mo>&Element;</mo>
<mi>N</mi>
</mrow>
</munder>
<msub>
<mi>I</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>s</mi>
<mrow>
<mo>-</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
定义本方法的效用函数为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>s</mi>
<mrow>
<mo>-</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>n</mi>
</msub>
<msub>
<mi>I</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>s</mi>
<mrow>
<mo>-</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>n</mi>
</msub>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<mi>m</mi>
<mo>&Element;</mo>
<mi>N</mi>
<mo>/</mo>
<mo>{</mo>
<mi>n</mi>
<mo>}</mo>
</mrow>
</munder>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>p</mi>
<mi>m</mi>
</msub>
<msubsup>
<mi>h</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
<mi>i</mi>
</msubsup>
<msubsup>
<mi>&delta;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
<mi>i</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
根据非合作博弈模型定义，本方法的问题建模为参与者为N个小区，Sn为小区n的策略集合，un(sn,s-n)为小区n的效用函数，非合作博弈问题建模具体表示如下：
Subject to:
C1:
C2:
C3:
其中，限制条件C1表示小区m和小区n只能同时使用相同的RB或者不使用相同的RB，限制条件C2表示RB上的功率必须大于0，限制条件C3表示每个小区有速率请求，rre,n为小区n请求速率；
步骤六，在第t时隙，小区i根据式(7)计算当前选择策略的效用函数ui(si(t),s-i(t))，其中si(t)为第t时隙小区i选择的RB集合；
步骤七，更新t时隙的置信矩阵的大小为|si(t)|×|si(t)|，其中:
<mrow>
<msubsup>
<mi>Q</mi>
<mi>i</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&delta;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>&Element;</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>u</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>(</mo>
<mrow>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>s</mi>
<mrow>
<mo>-</mo>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mo>-</mo>
<msub>
<mover>
<mi>u</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>(</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>s</mi>
<mrow>
<mo>-</mo>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，ai(t)表示在t时隙小区i选择的RB集合si(t)中的一个RB，而a'i(t)表示不在si(t)中的一个RB，置信矩阵反映的是选择其它RB所带来的效用函数的变化，即收益的改变，置信矩阵中非零元素的个数完全由t时隙的RB选择策略si(t)决定；
步骤八，更新矩阵及矩阵:
<mrow>
<msubsup>
<mi>D</mi>
<mi>i</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>D</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msup>
<mi>&epsiv;</mi>
<mi>t</mi>
</msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>Q</mi>
<mi>i</mi>
<mi>t</mi>
</msubsup>
<mo>(</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mo>-</mo>
<msubsup>
<mi>D</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>(</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>R</mi>
<mi>i</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msubsup>
<mi>D</mi>
<mi>i</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>+</mo>
</msup>
<mo>=</mo>
<mi>max</mi>
<mo>{</mo>
<msubsup>
<mi>D</mi>
<mi>i</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>0</mn>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，为辅助矩阵，为平均置信矩阵，εt＝1/(t+1)表示每一次迭代步长；
步骤九，更新选择概率矩阵同时决定t+1时隙的选择策略；
<mrow>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>&mu;</mi>
</mfrac>
<msubsup>
<mi>R</mi>
<mi>i</mi>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>&ForAll;</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&NotElement;</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>15</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&NotElement;</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>16</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，μ为归一化系数，选择概率矩阵描述的是在下一时刻t+1选择各个RB的概率大小，小区i选择中概率最大的那个RB，根据式(3)计算当前的速率若不满足小区速率请求rre,i，即则继续选择中概率次大的那个RB，直到此时选出来的RB集合即为时刻RB选择策略集合；
步骤十，循环步骤第六步至第八步，直到所有小区的RB选择集合不再变化，或达到预设的迭代次数门限。
2.根据权利要求1所述的基于非合作博弈的分布式超密集异构网络干扰协调方法，其特征在于：所述步骤三中，在每个RB上的发射功率相同，即
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710269564.9A CN107094060B (zh) | 2017-04-24 | 2017-04-24 | 基于非合作博弈的分布式超密集异构网络干扰协调方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710269564.9A CN107094060B (zh) | 2017-04-24 | 2017-04-24 | 基于非合作博弈的分布式超密集异构网络干扰协调方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107094060A true CN107094060A (zh) | 2017-08-25 |
| CN107094060B CN107094060B (zh) | 2019-03-05 |
Family
ID=59638716
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710269564.9A Active CN107094060B (zh) | 2017-04-24 | 2017-04-24 | 基于非合作博弈的分布式超密集异构网络干扰协调方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107094060B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107911856A (zh) * | 2017-12-12 | 2018-04-13 | 南京航空航天大学 | 一种超密集异构网络中基于匹配博弈的分离多接入方法 |
| CN107949025A (zh) * | 2017-11-02 | 2018-04-20 | 南京南瑞集团公司 | 一种基于非合作博弈的网络选择方法 |
| CN108076467A (zh) * | 2017-12-29 | 2018-05-25 | 中国人民解放军陆军工程大学 | 频谱资源受限下的广义感知模型及分布式q学习接入方法 |
| CN108307412A (zh) * | 2018-02-08 | 2018-07-20 | 北京邮电大学 | 用户为中心的基于分组博弈的超密集网络干扰管理方法 |
| CN108322916A (zh) * | 2018-01-31 | 2018-07-24 | 华北电力大学（保定） | 超密集异构网系统中基于双向干扰图的资源分配方法 |
| CN109005572A (zh) * | 2018-08-20 | 2018-12-14 | 重庆邮电大学 | 基于博弈论的移动云服务的接入卸载方法 |
| CN110475289A (zh) * | 2018-05-10 | 2019-11-19 | 中国信息通信研究院 | 一种面向超密集组网的负载均衡方法及系统 |
| CN110475295A (zh) * | 2018-05-10 | 2019-11-19 | 中国信息通信研究院 | 一种超密集组网的信息传输速率控制方法及装置 |
| CN110868730A (zh) * | 2019-11-14 | 2020-03-06 | 中国人民解放军国防科技大学 | 一种基于非合作博弈的移动传感器覆盖增强方法 |
| CN112752266A (zh) * | 2020-12-28 | 2021-05-04 | 中国人民解放军陆军工程大学 | 一种d2d触觉通信中联合频谱接入和功率控制方法 |
| CN112788765A (zh) * | 2020-12-30 | 2021-05-11 | 北京邮电大学 | 用户设备能效的功率优化方法、通信方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101516065A (zh) * | 2009-03-18 | 2009-08-26 | 东南大学 | 适用于移动组播系统的多小区干扰协调功率分配方法 |
| US20120071102A1 (en) * | 2010-09-16 | 2012-03-22 | The Hong Kong University Of Science And Technology | Multiple-input, multiple-output cognitive radio |
| CN105142174A (zh) * | 2015-09-22 | 2015-12-09 | 镇江锐捷信息科技有限公司 | 一种基于博弈论的认知无线网络干扰抑制方法 |
-
2017
- 2017-04-24 CN CN201710269564.9A patent/CN107094060B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101516065A (zh) * | 2009-03-18 | 2009-08-26 | 东南大学 | 适用于移动组播系统的多小区干扰协调功率分配方法 |
| US20120071102A1 (en) * | 2010-09-16 | 2012-03-22 | The Hong Kong University Of Science And Technology | Multiple-input, multiple-output cognitive radio |
| CN105142174A (zh) * | 2015-09-22 | 2015-12-09 | 镇江锐捷信息科技有限公司 | 一种基于博弈论的认知无线网络干扰抑制方法 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107949025A (zh) * | 2017-11-02 | 2018-04-20 | 南京南瑞集团公司 | 一种基于非合作博弈的网络选择方法 |
| CN107949025B (zh) * | 2017-11-02 | 2020-06-26 | 南京南瑞集团公司 | 一种基于非合作博弈的网络选择方法 |
| CN107911856A (zh) * | 2017-12-12 | 2018-04-13 | 南京航空航天大学 | 一种超密集异构网络中基于匹配博弈的分离多接入方法 |
| CN107911856B (zh) * | 2017-12-12 | 2020-12-01 | 南京航空航天大学 | 一种超密集异构网络中基于匹配博弈的分离多接入方法 |
| CN108076467A (zh) * | 2017-12-29 | 2018-05-25 | 中国人民解放军陆军工程大学 | 频谱资源受限下的广义感知模型及分布式q学习接入方法 |
| CN108322916B (zh) * | 2018-01-31 | 2021-05-07 | 华北电力大学（保定） | 超密集异构网系统中基于双向干扰图的资源分配方法 |
| CN108322916A (zh) * | 2018-01-31 | 2018-07-24 | 华北电力大学（保定） | 超密集异构网系统中基于双向干扰图的资源分配方法 |
| CN108307412A (zh) * | 2018-02-08 | 2018-07-20 | 北京邮电大学 | 用户为中心的基于分组博弈的超密集网络干扰管理方法 |
| CN108307412B (zh) * | 2018-02-08 | 2020-08-07 | 北京邮电大学 | 用户为中心的基于分组博弈的超密集网络干扰管理方法 |
| CN110475295A (zh) * | 2018-05-10 | 2019-11-19 | 中国信息通信研究院 | 一种超密集组网的信息传输速率控制方法及装置 |
| CN110475289A (zh) * | 2018-05-10 | 2019-11-19 | 中国信息通信研究院 | 一种面向超密集组网的负载均衡方法及系统 |
| CN110475289B (zh) * | 2018-05-10 | 2023-12-01 | 中国信息通信研究院 | 一种面向超密集组网的负载均衡方法及系统 |
| CN110475295B (zh) * | 2018-05-10 | 2023-12-01 | 中国信息通信研究院 | 一种超密集组网的信息传输速率控制方法及装置 |
| CN109005572A (zh) * | 2018-08-20 | 2018-12-14 | 重庆邮电大学 | 基于博弈论的移动云服务的接入卸载方法 |
| CN110868730A (zh) * | 2019-11-14 | 2020-03-06 | 中国人民解放军国防科技大学 | 一种基于非合作博弈的移动传感器覆盖增强方法 |
| CN110868730B (zh) * | 2019-11-14 | 2022-07-26 | 中国人民解放军国防科技大学 | 一种基于非合作博弈的移动传感器覆盖增强方法 |
| CN112752266B (zh) * | 2020-12-28 | 2022-05-24 | 中国人民解放军陆军工程大学 | 一种d2d触觉通信中联合频谱接入和功率控制方法 |
| CN112752266A (zh) * | 2020-12-28 | 2021-05-04 | 中国人民解放军陆军工程大学 | 一种d2d触觉通信中联合频谱接入和功率控制方法 |
| CN112788765A (zh) * | 2020-12-30 | 2021-05-11 | 北京邮电大学 | 用户设备能效的功率优化方法、通信方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107094060B (zh) | 2019-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107094060B (zh) | 基于非合作博弈的分布式超密集异构网络干扰协调方法 | |
| CN109474980B (zh) | 一种基于深度增强学习的无线网络资源分配方法 | |
| Zhang et al. | Dynamic spectrum access in multi-channel cognitive radio networks | |
| Wang et al. | Price-based spectrum management in cognitive radio networks | |
| Nie et al. | Adaptive channel allocation spectrum etiquette for cognitive radio networks | |
| Han et al. | Noncooperative power-control game and throughput game over wireless networks | |
| CN106604401B (zh) | 一种异构网络中的资源分配方法 | |
| CN106358308A (zh) | 一种超密集网络中的强化学习的资源分配方法 | |
| CN108965009B (zh) | 一种基于势博弈的负载已知用户关联方法 | |
| CN104378772B (zh) | 一种蜂窝网络中面向小区无定形覆盖的小基站部署方法 | |
| CN113407249B (zh) | 一种面向位置隐私保护的任务卸载方法 | |
| CN114867030B (zh) | 双时间尺度智能无线接入网切片方法 | |
| CN109861728B (zh) | 大规模mimo系统的联合多中继选择与时隙资源配置方法 | |
| CN109039504A (zh) | 基于非正交多址接入的认知无线电能效功率分配方法 | |
| CN102665219B (zh) | 一种基于ofdma的家庭基站系统的动态频谱分配方法 | |
| CN106028456A (zh) | 一种5g高密度网络中虚拟小区的功率分配方法 | |
| CN105490794B (zh) | Ofdma毫微微小区双层网络基于分组的资源分配方法 | |
| Zhang et al. | Multi-leader multi-follower Stackelberg game among Wi-Fi, small cell and macrocell networks | |
| CN110062399B (zh) | 一种基于博弈论的认知异构蜂窝网络频谱分配方法 | |
| Song et al. | Adaptive and distributed radio resource allocation in densely deployed wireless LANs: A game-theoretic approach | |
| CN103338453B (zh) | 一种用于分层无线网络的动态频谱接入方法及系统 | |
| Yan et al. | Self-imitation learning-based inter-cell interference coordination in autonomous HetNets | |
| CN114423070A (zh) | 一种基于d2d的异构无线网络功率分配方法及系统 | |
| Li et al. | Multiuser power and channel allocation algorithm in cognitive radio | |
| Deb et al. | A multi-arm-bandit based resource block allocation in RIS assisted wireless network |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210408 Address after: 201306 building C, No. 888, Huanhu West 2nd Road, Lingang New Area, Pudong New Area, Shanghai Patentee after: Shanghai Hanxin Industrial Development Partnership (L.P.) Address before: 211189 No. 2 Southeast University Road, Jiangning District, Nanjing, Jiangsu Patentee before: SOUTHEAST University |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230914 Address after: 201615 room 301-6, building 6, no.1158, Jiuting Central Road, Jiuting Town, Songjiang District, Shanghai Patentee after: White box (Shanghai) Microelectronics Technology Co.,Ltd. Address before: 201306 building C, No. 888, Huanhu West 2nd Road, Lingang New Area, Pudong New Area, Shanghai Patentee before: Shanghai Hanxin Industrial Development Partnership (L.P.) |