CN107276704A - 两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法 - Google Patents
两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法 Download PDFInfo
- Publication number
- CN107276704A CN107276704A CN201710326697.5A CN201710326697A CN107276704A CN 107276704 A CN107276704 A CN 107276704A CN 201710326697 A CN201710326697 A CN 201710326697A CN 107276704 A CN107276704 A CN 107276704A
- Authority
- CN
- China
- Prior art keywords
- femtocell
- user
- channel gain
- energy efficiency
- representing
- 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 29
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 238000010606 normalization Methods 0.000 claims description 18
- 238000005265 energy consumption Methods 0.000 claims description 7
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- 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
- H04W52/06—TPC algorithms
- H04W52/08—Closed loop power control
-
- 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
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
-
- 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
- H04W52/18—TPC being performed according to specific parameters
- H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
- H04W52/265—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the quality of service QoS
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明请求保护一种两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法,该方法在考虑到信道增益估计误差的情况下,在满足宏蜂窝用户的最大干扰门限约束和Femtocell用户的最小SINR需求约束下,通过控制Femtocell用户的发射功率,实现最大化Femtocell网络的能效。本发明建立了Femtocell网络能效最大化模型,基于鲁棒优化和最坏准则机制的思想,根据非线性分式规划理论将非凸优化问题式等价转化,然后基于转化后的优化问题,给出了最优鲁棒功率控制的闭式解,本发明具有计算复杂度低,信道适应性强的优点,同时保证了宏蜂窝用户和Femtocell用户的QoS,增强了Femtocell网络的鲁棒性,特别适合非理想CSI下的两层Femtocell网络。
Description
技术领域
本发明属于两层Femtocell网络中非理想CSI下的功率控制技术领域,具体地,涉及两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法。
背景技术
随着室内移动通信业务的快速增长,人们对室内网络吞吐量的需求不断增加。而Femtocell技术为提升宏蜂窝(Macrocell)室内吞吐量、改善室内无线覆盖提供了解决方案。与此同时,随着移动通信网的快速发展,网络吞吐量需求不断增加,随着Femtocell的大量部署,那么,Femtocell网络所消耗的能源将是巨大的,这与国家节能减排的政策相悖。此外,由于当今生态环境恶化日益严重,全社会对建设绿色节能网络的需求也越来越迫切。加之,能耗成本的增加可能会制约Femtocell网络的建设和进一步发展。因此,实现Femtocell网络的绿色化,最大化网络能效是两层Femtocell网络中亟需解决的问题,而功率控制已成为研究两层Femtocell网络的热点之一。
在两层Femtocell网络下,Femtocell用户可以通过共享宏蜂窝用户的频谱来接入,从而进行数据传输。然而,这引入了跨层干扰和同层干扰。因此,想要实现Femtocell的大范围推广,干扰管理是关键,而功率控制是解决这一关键问题的重要方法。Chai Rong等人在《2013 15th IEEE International Conference on Communication Technology,Guilin,2013:223-228.》上发表了题为“An energy-efficient resource allocationscheme for macro-femto heterogeneous network”的文章针对采用混合频谱方式组网的两层Femtocell网络,构建了最大化各Femtocell用户和宏用户能效的多目标优化问题,在满足Femtocell用户最小数据速率需求和宏用户最大可容忍中断概率约束条件下,并提出了一种联合功率和频谱分配算法。但是,由于对宏用户采用了中断概率约束,因此该算法即使是在理想CSI下也不能严格保证宏用户的服务质量。
目前,大多数学者在研究两层Femtocell网络基于能效最大化的功率控制时,均是假设在理想CSI的通信环境中。而在实际的无线通信系统中,由于信道的时变特性、量化误差和时间延迟等因素,一般很难获得理想CSI。
因此,针对存在信道估计误差的两层Femtocell网络,有必要考虑在保证宏蜂窝用户和Femtocell用户的QoS要求下,研究基于能效最大化的最优鲁棒功率控制方法。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种可同时严格保证宏蜂窝用户和Femtocell用户的QoS,提高Femtocell网络能效的优点,特别适合非理想CSI下的两层Femtocell网络的基于能效最大化的最优鲁棒功率控制方法。本发明的技术方案如下:
一种两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法,其包括如下步骤:
101、在非理想CSI下的两层Femtocell网络中,初始化并建立Femtocell网络能效最大化模型,所述Femtocell网络能效最大化模型为一个非凸优化问题;
102、基于鲁棒优化和最坏准则机制的思想,根据非线性分式规划理论将步骤101的非凸优化问题式等价转化为凸优化问题;
103、然后求解步骤102等价转化后的凸优化问题,得出最优鲁棒功率控制的闭式解,同时保证了宏蜂窝用户和Femtocell用户的QoS,完成最优鲁棒功率控制。
进一步的,所述步骤101建立Femtocell网络能效最大化模型具体包括步骤:
初始化Femtocell用户个数、Femtocell用户的最小SINR需求Γ1,…,ΓN、最大干扰门限和Femtocell用户的有效信道增益因子;
获取Femtocell用户的有效信道增益因子,并将有效信道增益因子进行降序排列;
对于给定的最小SINR需求Γ1,…,ΓN,计算Femtocell用户总干扰 表示Femtocell用户i与宏基站之间的瞬时信道增益均值,εim表示归一化参数gi,m的不确定度,其中gi,m代表实际的瞬间信道增益,σ2表示宏用户对Femtocell用户i接收端的干扰和背景噪声之和,Γi为Femtocell用户的最小SINR约束,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,εii表示归一化参数hi,i的不确定度,其中,hi,i代表实际的瞬间信道增益;
如果总干扰超过最大干扰门限,则去除掉最后一个Femtocell用户,并返回重新计算总干扰,否则,跳转至步骤102,Femtocell网络能效非凸优化问题:
其中,pi为Femtocell用户i的发射功率,hi,i代表实际的瞬间信道增益,σ2为宏用户对Femtocell用户接收端的干扰功率与背景噪声之和,pc和ζ分别代表FBS的静态功率消耗和放大器系数,gi,m为Femtocell用户i到宏基站的信道增益,Ith为用户可容忍的最大干扰门限,pj为Femtocell用户j(j=1,2,…,n,j≠i)的发射功率,Γi为Femtocell用户的最小SINR约束,n为Femtocell用户的个数,最后两个约束条件分别描述参数hi,i和gi,m的不确定性范围。
进一步的,所述步骤102非凸优化问题式等价转化为凸优化问题具体包括:所述凸优化问题的表达式为
其中UR(p(t))为吞吐量,UP(p(t))为能量消耗,q(t)为更新第t次迭代过程中的能效,pi为Femtocell用户i的发射功率,表示Femtocell用户i与宏基站之间的瞬时信道增益均值,εim表示实际的瞬间信道增益的不确定度,Ith为用户可容忍的最大干扰门限,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,εii表示实际的瞬间信道增益的不确定度,σ2为宏用户对Femtocell用户接收端的干扰功率与背景噪声之和,Γi为Femtocell用户的最小SINR约束,n为Femtocell用户的个数。
进一步的,所述步骤103求解优化问题的步骤包括:
设置能效初始值,外循环最大迭代次数和精确度要求值;
迭代更新能效,并计算出功率p(t),
精确度更新收敛判断:由当前能效和功率求得精确度,如果小于精确度要求值则返回重新迭代,反之,大于或者等于精确度要求值时则得出最大能效和最优鲁棒功率。
进一步的,所述满足精确度要求,即满足其中UR(p(t))为吞吐量,UP(p(t))为能量消耗,q(t)为第t次迭代得到的能效,为精确度要求值,两层Femtocell网络中的第i个Femtocell用户最优功率为:
其中最优鲁功率,σ2表示宏用户对FUEi接收端的干扰和背景噪声之和,Γi为Femtocell用户的最小SINR约束,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,εii表示归一化参数hi,i的不确定度,其中,hi,i代表实际的瞬间信道增益,λ为拉格朗日对偶变量,表示Femtocell用户i与宏基站之间的瞬时信道增益均值,εim表示归一化参数gi,m的不确定度,其中gi,m代表实际的瞬间信道增益,ζ为Femtocell基站的放大器系数,q*为能效的最大值。
进一步的,所述Femtocell用户的有效信道增益因子mi:
其中,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,表示Femtocell用户i与宏基站之间的瞬时信道增益均值,εii表示归一化参数hi,i的不确定度,其中,hi,i代表实际的瞬间信道增益。εim表示归一化参数gi,m的不确定度,其中gi,m代表实际的瞬间信道增益,n为Femtocell用户的个数;所述将有效信道增益因子进行降序排列具体包括:用户的排序方式为:m1≥m2≥...≥mK,其中,mK为Femtocell用户K的排序因子。
进一步的,对于Femtocell用户i的最小信号与噪声加干扰比是:i=1,…,K
其中γi(p)为Femtocell用户i的信号与噪声加干扰比,pi表示Femtocell用户i的发射功率,hi,i代表实际的瞬间信道增益,hj,i表示FUEj到FUEi的干扰信道增益,表示所有Femtocell用户j对Femtocell用户i的总干扰,σ2表示宏用户对FUEi接收端的干扰和背景噪声之和,Γi为Femtocell用户的最小SINR约束。
本发明的优点及有益效果如下:
本发明在考虑信道估计误差的情况下,基于鲁棒优化和最坏准则机制的思想,根据非线性分式规划理论将非凸优化问题式等价转化为凸优化问题,考虑存在可行解的情况和不存在可行解的情况,并且引进容许控制,给出了Femtocell用户的最优鲁棒功率的闭式解。本发明相比于其他传统方案具有信道适应性强的优点,而且保证了宏蜂窝用户和Femtocell用户的QoS,增强了Femtocell网络的鲁棒性,特别适合非理想CSI下的两层Femtocell网络,具有较好的实用性和可行性。
附图说明
图1是本发明提供优选实施例的提供优选实施例两层Femtocell网络中的上行链路模型;
图2为本发明在不同信道不确定度εm,εf条件下,最小信号与干扰加噪声比对容许接入Femtocell用户数的影响;
图3为本发明在εm=0时信道不确定度εf对Femtocell网络能效的影响;
图4为本发明在εf=0时信道不确定度εm对Femtocell网络能效的影响;
图5为本发明的干扰门限Ith对同时满足宏用户和Femtocell用户服务质量的概率的影响;
图6为本发明的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
一种本发明图6公开一种两层Femtocell网络中非理想CSI下的最优鲁棒功率控制方法,包括一种两层Femtocell网络中非理想CSI下的能效最大化的最优鲁棒功率控制方法。其包括以下步骤:
第一步:初始化Femtocell用户个数,Femtocell用户的最小SINR需求,最大干扰门限和Femtocell用户的有效信道增益因子;
第二步:将Femtocell用户的有效信道增益因子降序排列;
第三步:对于给定的最小SINR需求Γ1,…,ΓN,计算总干扰
第四步:如果总干扰超过最大干扰门限,则去除掉第最后一个FUE,并转入第三步,否则,转入第五步;
第五步:设置初始值能效初始值,外循环最大迭代次数和精确度要求;
第六步:迭代更新能效,并计算出功率;
第七步:精确度更新收敛判断:由当前能效和功率求得精确度,如果小于精确度要求则跳转到第六步,反之,得出最大能效和最优鲁棒功率;
进一步的,所述第一步中初始化Femtocell用户个数K=n,Femtocell用户i的有效信道增益因子mi:
其中,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,表示Femtocell用户i与宏基站之间的瞬时信道增益均值,εii表示归一化参数hi,i的不确定度,其中,hi,i代表实际的瞬间信道增益。εim表示归一化参数gi,m的不确定度,其中gi,m代表实际的瞬间信道增益。n为Femtocell用户的个数。
进一步的,所述第二步中Femtocell用户的排序方式为:m1≥m2≥…≥mK,其中,mK为Femtocell用户K的排序因子。
进一步的,所述第三步中对于Femtocell用户i(i=1,…,K)的最小信号与噪声加干扰比是:
其中γi(p)为Femtocell用户i的信号与噪声加干扰比,pi表示Femtocell用户i的发射功率。hi,i代表实际的瞬间信道增益,hj,i表示FUEj到FUEi的干扰信道增益,表示所有Femtocell用户j对Femtocell用户i的总干扰,σ2表示宏用户对FUEi接收端的干扰和背景噪声之和,Γi为Femtocell用户的最小SINR约束。
进一步的,所述第三步中对于Femtocell网络的总干扰I为:
其中,表示Femtocell用户i与宏基站之间的瞬时信道增益均值。εim表示归一化参数gi,m的不确定度,其中gi,m代表实际的瞬间信道增益,σ2表示宏用户对Femtocell用户i接收端的干扰和背景噪声之和,Γi为Femtocell用户的最小SINR约束,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,εii表示归一化参数hi,i的不确定度,其中,hi,i代表实际的瞬间信道增益。
进一步的,所述第四步中如果Femtocell网络的总干扰超过最大干扰门限I>Ith,其中I为总干扰,Ith为最大干扰门限,那么排除掉第N个用户,使pN=0,N=N-1,其中pN是第N个用户的功率。
进一步的,所述第五步中初始化外循环迭代次数t=1,并进入外循环。根据q(t)的值获得当次外循环中的解p(t)(内循环),求得吞吐量UR(p(t))和总能量消耗UP(p(t))。
进一步的,所述第六步中得出能效后,计算功率:
进一步的,所述第七步中所述如果满足精确度要求,即满足其中UR(p(t))为吞吐量,UP(p(t))为能量消耗,q(t)为第t次迭代得到的能效,为精确度要求。两层Femtocell网络中的第i个Femtocell用户最优功率为:
其中最优鲁功率,σ2表示宏用户对FUEi接收端的干扰和背景噪声之和,Γi为Femtocell用户的最小SINR约束,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,εii表示归一化参数hi,i的不确定度,其中,hi,i代表实际的瞬间信道增益。λ为拉格朗日对偶变量,表示Femtocell用户i与宏基站之间的瞬时信道增益均值,εim表示归一化参数gi,m的不确定度,其中gi,m代表实际的瞬间信道增益,ζ为Femtocell基站的放大器系数,q*为能效的最大值。
本发明在考虑信道估计误差的情况下,基于鲁棒优化和最坏准则机制的思想,根据非线性分式规划理论将非凸优化问题式等价转化,然后基于转化后的优化问题,考虑存在可行解的情况,和不存在可行解的情况,引进容许控制,给出了Femtocell用户的最优鲁棒功率的闭式解。本发明降低了计算的复杂度,增强了信道适应性和Femtocell网络的鲁棒性,保证了宏蜂窝用户和Femtocell用户的QoS,特别适合非理想CSI下的两层Femtocell网络,实用性和可行性强。
本实施例为两层Femtocell网络中非理想CSI下的能效最大化的最优鲁棒功率控制方法,在一个两层Femtocell网络中,宏用户对FUE接收端的干扰与背景噪声之和σ2=2*10-8W,宏用户可容忍的的最大干扰门限Ith=3*10-7W,最小SINR需求Γ=24dB,系统带宽B=5MHz,室内链路的固定传播损耗κi=37dB,室内外链路的固定传播损耗κio=30log10(fc)-71dB,载波频率fc=2000MHz。室内链路的路损因子αi=3,室内外链路的路损因子αio=4,室内到室外的分区损耗FBS的放大器系数ζ=4,静态功率消耗pc=2W,Macrocell的覆盖半径Rm=500m,Femtocell的覆盖半径Rf=30m。
在本实施例中,图1为本发明提供优选实施例两层Femtocell网络中的上行链路模型,图中n个Femtocell用户共享宏蜂窝用户的频谱,宏蜂窝用户通过限制Femtocell用户的总干扰来保证自身的QoS。图2在不同不确定度εf和εm下,分别是εf=0,εm=0,εf=0.4,εm=0.4、εf=0.4,εm=0.7、εf=0.7,εm=0.4条件下本实施例方法得到的容许的Femtocell用户数目的曲线;图3给出了在特殊场景中εm=0时分别采用非鲁棒的功率控制方法、等功率分配算法和本实施例方法得到的Femtocell网络能效曲线图;图4是在εf=0时分别采用非鲁棒的功率控制方法、等功率分配算法和本实施例方法得到的Femtocell网络能效曲线图;图5是在εf=0.1,εm=0.1时非鲁棒的功率控制方法和本实施例方法得到的同时满足宏用户和Femtocell用户服务质量概率的曲线。由图2可见所提算法容许的Femtocell用户数目随着不确定度εf或εm的增大而减少。图3可见:随着不确定度εf的逐渐增大,信道估计误差变大,导致所提鲁棒算法的EE性能下降。而对于非鲁棒能效最大化的功率控制算法和非鲁棒的等功率分配算法,在进行功率设计时,虽然没有考虑信道不确定性,但其求能效的目标函数式中包含参数εf,因此这两种算法的EE随着εf增大而减小。由图4可见非鲁棒能效最大化的功率控制算法和非鲁棒的等功率分配算法获得的能效不随着不确定度εm的变化而变化,而鲁棒算法需要通过降低Femtocell用户发射功率来消除对宏用户的干扰,从而保证宏用户的服务质量,因此,导致所提鲁棒算法的EE性能下降。由图5可见,非鲁棒算法中同时满足宏用户和Femtocell用户服务质量的概率随着干扰门限Ith的增加而增加。而在不同的Ith下,所提鲁棒功率控制算法中同时满足宏用户和Femtocell用户服务质量的概率始终为1,即总能严格满足保证宏用户和Femtocell用户的服务质量。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (7)
1.一种两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法,其特征在于,包括如下步骤:
101、在非理想CSI下的两层Femtocell网络中,初始化并建立Femtocell网络能效最大化模型,所述Femtocell网络能效最大化模型为一个非凸优化问题;
102、基于鲁棒优化和最坏准则机制的思想,根据非线性分式规划理论将步骤101的非凸优化问题式等价转化为凸优化问题;
103、然后求解步骤102等价转化后的凸优化问题,得出最优鲁棒功率控制的闭式解,同时保证了宏蜂窝用户和Femtocell用户的QoS,完成最优鲁棒功率控制。
2.根据权利要求1所述的两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法,其特征在于,所述步骤101建立Femtocell网络能效最大化模型具体包括步骤:
初始化Femtocell用户个数、Femtocell用户的最小SINR需求Γ1,…,ΓN、最大干扰门限和Femtocell用户的有效信道增益因子;
获取Femtocell用户的有效信道增益因子,并将有效信道增益因子进行降序排列;
对于给定的最小SINR需求Γ1,…,ΓN,计算Femtocell用户的总干扰 表示Femtocell用户i与宏基站之间的瞬时信道增益均值,εim表示归一化参数gi,m的不确定度,其中gi,m代表实际的瞬间信道增益,σ2表示宏用户对Femtocell用户i接收端的干扰和背景噪声之和,Γi为Femtocell用户的最小SINR约束,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,εii表示归一化参数hi,i的不确定度,其中,hi,i代表实际的瞬间信道增益;
如果总干扰超过最大干扰门限,则去除掉最后一个Femtocell用户,并返回重新计算总干扰,否则,跳转至步骤102,Femtocell网络能效最大化非吞优化问题表达式为:
其中,pi为Femtocell用户i的发射功率,hi,i代表实际的瞬间信道增益,σ2为宏用户对Femtocell用户接收端的干扰功率与背景噪声之和,pc和ζ分别代表FBS的静态功率消耗和放大器系数,gi,m为Femtocell用户i到宏基站的信道增益,Ith为用户可容忍的最大干扰门限,pj为Femtocell用户j(j=1,2,…,n,j≠i)的发射功率,Γi为Femtocell用户的最小SINR约束,n为Femtocell用户的个数,最后两个约束条件分别描述参数hi,i和gi,m的不确定性范围。
3.根据权利要求2所述的两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法,其特征在于,所述步骤102非凸优化问题式等价转化为凸优化问题具体包括:所述凸优化问题的表达式为:
其中UR(p(t))为吞吐量,UP(p(t))为能量消耗,q(t)为更新第t次迭代过程中的能效,pi为Femtocell用户i的发射功率,表示Femtocell用户i与宏基站之间的瞬时信道增益均值,εim表示实际的瞬间信道增益的不确定度,Ith为用户可容忍的最大干扰门限,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,εii表示实际的瞬间信道增益的不确定度,σ2为宏用户对Femtocell用户接收端的干扰功率与背景噪声之和,Γi为Femtocell用户的最小SINR约束,n为Femtocell用户的个数。
4.根据权利要求3所述的两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法,其特征在于,所述步骤103求解优化问题的步骤包括:
设置能效初始值,外循环最大迭代次数和精确度要求值;
迭代更新能效,并计算出功率p(t),
精确度更新收敛判断:由当前能效和功率求得精确度,如果小于精确度要求值则返回重新迭代,反之,大于或者等于精确度要求值时则得出最大能效和最优鲁棒功率。
5.根据权利要求4所述的两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法,其特征在于,所述满足精确度要求,即满足其中UR(p(t))为吞吐量,UP(p(t))为能量消耗,q(t)为第t次迭代得到的能效,为精确度要求值,两层Femtocell网络中的第i个Femtocell用户最优功率为:
其中最优鲁功率,σ2表示宏用户对FUEi接收端的干扰和背景噪声之和,Γi为Femtocell用户的最小SINR约束,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,εii表示归一化参数hi,i的不确定度,其中,hi,i代表实际的瞬间信道增益,λ为拉格朗日对偶变量,表示Femtocell用户i与宏基站之间的瞬时信道增益均值,εim表示归一化参数gi,m的不确定度,其中gi,m代表实际的瞬间信道增益,ζ为Femtocell基站的放大器系数,q*为能效的最大值。
6.根据权利要求2所述的两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法,其特征在于,所述Femtocell用户的有效信道增益因子mi:
其中,表示Femtocell用户i与为其提供服务的Femtocell基站i之间的瞬时信道增益均值,表示Femtocell用户i与宏基站之间的瞬时信道增益均值,εii表示归一化参数hi,i的不确定度,其中,hi,i代表实际的瞬间信道增益。εim表示归一化参数gi,m的不确定度,其中gi,m代表实际的瞬间信道增益,n为Femtocell用户的个数;所述将有效信道增益因子进行降序排列具体包括:用户的排序方式为:m1≥m2≥…≥mK,其中,mK为Femtocell用户K的排序因子。
7.根据权利要求6所述的两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法,其特征在于,对于Femtocell用户i的最小信号与噪声加干扰比是:i=1,…,K
其中γi(p)为Femtocell用户i的信号与噪声加干扰比,pi表示Femtocell用户i的发射功率,hi,i代表实际的瞬间信道增益,hj,i表示FUEj到FUEi的干扰信道增益,表示所有Femtocell用户j对Femtocell用户i的总干扰,σ2表示宏用户对FUEi接收端的干扰和背景噪声之和,Γi为Femtocell用户的最小SINR约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710326697.5A CN107276704B (zh) | 2017-05-10 | 2017-05-10 | 两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710326697.5A CN107276704B (zh) | 2017-05-10 | 2017-05-10 | 两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107276704A true CN107276704A (zh) | 2017-10-20 |
CN107276704B CN107276704B (zh) | 2020-08-04 |
Family
ID=60074108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710326697.5A Active CN107276704B (zh) | 2017-05-10 | 2017-05-10 | 两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107276704B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108650705A (zh) * | 2018-03-30 | 2018-10-12 | 重庆邮电大学 | 一种能量利用率最大化的异构无线网络鲁棒功率控制方法 |
CN111031600A (zh) * | 2019-12-22 | 2020-04-17 | 贵州师范大学 | 簇飞行航天器ofdma网络分布式功率鲁棒性控制算法 |
CN111328144A (zh) * | 2020-01-20 | 2020-06-23 | 赣江新区智慧物联研究院有限公司 | 无线资源分配方法、装置、可读存储介质及计算机设备 |
CN113795049A (zh) * | 2021-09-15 | 2021-12-14 | 马鞍山学院 | 一种基于深度强化学习的Femtocell异构网络功率自适应优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140036815A1 (en) * | 2012-08-03 | 2014-02-06 | Agency For Science, Technology And Research | Method for determining precoding matrixes for communication and a system therefrom |
CN103856947A (zh) * | 2014-02-07 | 2014-06-11 | 西安电子科技大学 | 一种联合信道选择和功率控制的干扰协调方法 |
CN106170131A (zh) * | 2016-08-22 | 2016-11-30 | 中央军委装备发展部第六十三研究所 | 一种信道状态不确定条件下分层异构网络的稳健分层博弈学习资源分配方法 |
CN106488464A (zh) * | 2016-09-08 | 2017-03-08 | 重庆邮电大学 | 两层Femtocell网络中非理想CSI下的最优鲁棒功率控制方法 |
-
2017
- 2017-05-10 CN CN201710326697.5A patent/CN107276704B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140036815A1 (en) * | 2012-08-03 | 2014-02-06 | Agency For Science, Technology And Research | Method for determining precoding matrixes for communication and a system therefrom |
CN103856947A (zh) * | 2014-02-07 | 2014-06-11 | 西安电子科技大学 | 一种联合信道选择和功率控制的干扰协调方法 |
CN106170131A (zh) * | 2016-08-22 | 2016-11-30 | 中央军委装备发展部第六十三研究所 | 一种信道状态不确定条件下分层异构网络的稳健分层博弈学习资源分配方法 |
CN106488464A (zh) * | 2016-09-08 | 2017-03-08 | 重庆邮电大学 | 两层Femtocell网络中非理想CSI下的最优鲁棒功率控制方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108650705A (zh) * | 2018-03-30 | 2018-10-12 | 重庆邮电大学 | 一种能量利用率最大化的异构无线网络鲁棒功率控制方法 |
CN108650705B (zh) * | 2018-03-30 | 2020-11-06 | 重庆邮电大学 | 一种能量利用率最大化的异构无线网络鲁棒功率控制方法 |
CN111031600A (zh) * | 2019-12-22 | 2020-04-17 | 贵州师范大学 | 簇飞行航天器ofdma网络分布式功率鲁棒性控制算法 |
CN111328144A (zh) * | 2020-01-20 | 2020-06-23 | 赣江新区智慧物联研究院有限公司 | 无线资源分配方法、装置、可读存储介质及计算机设备 |
CN111328144B (zh) * | 2020-01-20 | 2023-04-18 | 赣江新区智慧物联研究院有限公司 | 无线资源分配方法、装置、可读存储介质及计算机设备 |
CN113795049A (zh) * | 2021-09-15 | 2021-12-14 | 马鞍山学院 | 一种基于深度强化学习的Femtocell异构网络功率自适应优化方法 |
CN113795049B (zh) * | 2021-09-15 | 2024-02-02 | 马鞍山学院 | 一种基于深度强化学习的Femtocell异构网络功率自适应优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107276704B (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110213826B (zh) | 一种非理想信道下异构携能通信网络鲁棒资源分配方法 | |
CN110708711B (zh) | 基于非正交多址接入的异构携能通信网络资源分配方法 | |
Lee et al. | Coverage and economy of cellular networks with many base stations | |
CN107276704B (zh) | 两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法 | |
Huang et al. | Decentralized cognitive radio control based on inference from primary link control information | |
Zhou et al. | Joint cell activation and selection for green communications in ultra-dense heterogeneous networks | |
Sun et al. | Resource allocation scheme for energy saving in heterogeneous networks | |
CN111194042B (zh) | 一种基于非正交多址接入的异构网络鲁棒能效优化方法 | |
WO2011082414A1 (en) | Feasibility, convergence, and optimization of lte femto networks | |
Xu et al. | Energy-efficient cross-layer resource allocation for heterogeneous wireless access | |
CN104168653A (zh) | 一种基于干扰管理的宏基站与家庭基站联合资源分配 | |
CN108521672B (zh) | 一种分布式无线能量和信息传输系统的资源分配方法 | |
CN108990141B (zh) | 一种基于深度多网络学习的集能型无线中继网络吞吐量最大化方法 | |
CN108260132B (zh) | 密集异构蜂窝网络的部署方法 | |
Baidas | Distributed energy-efficiency maximization in energy-harvesting uplink NOMA relay ad-hoc networks: game-theoretic modeling and analysis | |
Soliman et al. | QoS-aware joint RRH activation and clustering in cloud-RANs | |
CN105007585B (zh) | 基于中断概率能效最大的功率分配方法 | |
Zhai et al. | Fast admission control and power optimization with adaptive rates for communication fairness in wireless networks | |
CN108650705B (zh) | 一种能量利用率最大化的异构无线网络鲁棒功率控制方法 | |
Zhou et al. | Joint Cell Selection and Activation for Green Communications in Ultra-Dense Heterogeneous Networks | |
Bhattacharjee et al. | Channel allocation for a single cell cognitive radio network using genetic algorithm | |
Nguyen et al. | Optimal and sub-optimal resource allocation in multi-hop cognitive radio networks with primary user outage constraint | |
Ashtari et al. | Efficient cellular base stations sleep mode control using image matching | |
Portelinha et al. | The impact of electric energy consumption from telecommunications systems on isolated microgrids | |
Wang et al. | Self-organizing channel assignment for high density 802.11 WLANs |
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 |