CN107613565B - 一种全双工超密集网络中的无线资源管理方法 - Google Patents
一种全双工超密集网络中的无线资源管理方法 Download PDFInfo
- Publication number
- CN107613565B CN107613565B CN201710766358.9A CN201710766358A CN107613565B CN 107613565 B CN107613565 B CN 107613565B CN 201710766358 A CN201710766358 A CN 201710766358A CN 107613565 B CN107613565 B CN 107613565B
- Authority
- CN
- China
- Prior art keywords
- cell
- subchannel
- sub
- cells
- capacity
- 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
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种全双工超密集网络中的无线资源管理方法,涉及5G移动通信领域,用于解决全双工超密集网络中小小区之间和小小区内部链路间的频谱分配和功率控制问题。本发明所提方法在不对宏小区带来有害干扰的前提下最大化小小区总容量并满足每个小小区的容量需求。小小区之间的子信道分配首先以最大化容量为目标逐个分配,然后基于小小区容量需求逐次调整。小小区之间的功率分配总结为非凸优化问题,通过变量替换转化为凸优化问题,然后采用基于注水原理的启发式方法获得分配值。小小区内部的子信道分配基于小区容量最大化的目标进行初次分配,而后基于链路速率需求进行逐次调整。本发明所提方法能够以较低的复杂度获得系统容量的近似最大值。
Description
技术领域
本发明涉及5G移动通信领域,尤其涉及一种全双工超密集网络中的无线资源管理方法。
背景技术
随着移动互联网的高速发展以及智能终端的普及,数据业务呈现爆炸式增长趋势,现有的4G(第四代通信系统)技术已经无法满足其庞大的传输需求。基于此,5G(第五代移动通信)技术应运而生。目前,对未来5G网络的总体愿景以及性能要求已经达成共识,5G网络将满足未来数据流量增大1000倍、用户体验速率提升10~100倍的需求,其无线覆盖性能、系统安全和传输质量也将得到显著的提高。
为了解决5G移动网络庞大的传输需求,除了增加频谱带宽和利用先进的无线传输技术外,最为有效的办法是通过加密小区部署提升空间复用度,因而需要在室内外热点区域密集部署低功率小基站,形成超密集组网。超密集组网作为应对未来5G无线网络容量提升的主要手段之一,已经得到了产业界和学术界的广泛认可。在超密集网络中,网络的密集化使网络节点离终端更近,带来了网络覆盖和资源利用率的提升,显著提高了系统容量以及业务在各种接入技术之间分担的灵活性。
与此同时,能够允许通信双方同时、同频进行双向通信的全双工技术吸引了业界的注意力。由于全双工技术有可提高频谱利用率一倍的巨大潜力,可实现更加灵活的频谱使用,同时由于器件技术和信号处理技术的发展,它逐渐成为5G系统充分挖掘无线频谱资源的一个重要方向。
多种接入网络共存的超密集网络是未来5G系统的主要组网形式,在此基础上引入全双工方式将在很大程度上提高频谱利用率,因此具备全双工通信模式的超密集网络被认为是一种具有很好应用前景和研究价值的新型网络。但在超密集网络中,由于微小基站的自主和随机布设,网络各节点间会出现大量的频谱冲突,从而导致同层蜂窝小区之间以及不同层蜂窝小区之间存在严重干扰。同时,引入全双工通信方式后,由于通信对端采用同一频率收发信号,接收和发送信号之间的功率差异可能非常大,因此会导致严重的自干扰(典型值为70dB)。尽管近年来研究人员开发了各类干扰抵消技术,但在大部分场景下,仍然有较严重的剩余自干扰存在。如何解决这些干扰带来的性能损伤,是全双工超密集网络需要解决的重要问题。
而进行干扰消除、提高能效的有效办法则是设计合理的频谱共享机制和功率控制机制,实现资源在节点之间及不同网络层次之间的合理共享,从而获得系统容量、用户业务质量和资源利用率等的提升。现有工作仅针对超密集网络或全双工网络的无线资源管理提出一些方案,但尚未对全双工超密集网络展开深入研究,尚未有具体的无线资源管理方案提出。基于此,本发明研究全双工超密集网络中的无线资源管理机制,以实现全双工超密集网络中频谱资源的合理共享和网络容量的提升。
发明内容
本发明提出一种全双工超密集异构网络的无线资源管理机制,实现小小区之间和小小区内部的频谱分配和功率控制,以达到最大化网络容量和提高频谱利用率的目的。
本发明的技术方案是:获取待管理资源网络的小小区数目、子信道数目,构建容量计算模型,建立资源管理优化模型;在所述网络的小小区之间分配子信道,每个子信道可以被多个小小区使用,子信道的分配以最大化小小区总容量为目标,分配的限制条件为每个小小区的最小容量需求;对所述每个小小区所用子信道上的功率进行控制,功率控制以最大化小小区总容量为目标,控制的限制条件包括对宏小区的干扰限制和每个小小区的容量需求;将所述每个小小区分配得到的子信道在链路间进行分配,子信道的分配以最大化小小区容量为目标,每个子信道只能由一条链路使用,每条链路分配一个或多个子信道。
本发明包括小区间子信道分配、小区间功率分配和小区内子信道分配三部分。
小区间的子信道分配采用以下步骤进行:
2)用m'表示子信道n的可用小区集合之外的任一小区,假设每个子信道被可用小区和可用小区集合之外的任一小区m'使用,计算小区m'在子信道n上的速率计算中所有的小区由于小区m'使用子信道n引入的小区间干扰带来的速率损失总和将子信道n分配给满足的小区m',将m'加入子信道n的可用小区集合
3)搜索未达到容量需求的小区,假设小区m的容量未达到需求,用γm表示步骤1)、2)中分配给小区m的子信道集合,计算小区m在子信道集合γm之外的每个子信道上的速率计算小区m使用子信道n引入的小区间干扰带来的其它小区的速率损失总和计算差值将差值最小的子信道分配给小区m;
4)重复步骤3,直至所有小区的容量都达到需求。
小区间子信道分配完成后,进行小区间的功率分配,确定每个小区在每个子信道上的功率,具体包括以下步骤:
接下来进行小区内子信道的分配,将小区所分配的子信道在链路间进行分配,每个链路分配一个或多个子信道,每个子信道只能被一条链路使用。分配步骤如下:
1)依次将每个子信道分配给信道增益最大的链路;
2)搜集未分配子信道的链路,组成集合Lidl,搜集分配多条子信道的链路,将其使用的子信道组成集合Srem,计算Srem中每个子信道在Lidl中每个链路上的速率计算与子信道原有速率的差值Vn,l,寻找差值最小的子信道和链路进行分配,将子信道n*分配给链路l*。更新Lidl和Srem,Lidl=Lidl\{l*},Srem=Srem\{n*};
3)重复步骤2),直至所有链路都分配子信道。
本发明提供的一种基于全双工超密集网络的无线资源管理方法,以最大化小小区总容量为目标,在对宏小区最大干扰限制和小小区最小容量需求限制条件下,建立优化模型,通过分步配置得到小小区中每条链路上的子信道和功率分配结果。本发明将配置过程分为三部分,小小区之间的子信道分配、小小区之间的功率分配和小小区内链路间的子信道分配,相比直接对所有小小区内链路进行统一分配的方法,全双工通信方式为同时、同频双向通信,能够突破FDD和TDD方式的频谱资源使用限制,可以更加灵活的使用频谱,可以提高一倍的频率谱利用率,从而能够有效降低复杂度。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例的一种全双工超密集网络中的无线资源管理方法的流程图;
图2示出了本发明实施例的一种网络结构示意图;
图3示出了本发明实施例的一种小区链路示意图;
图4示出了本发明实施例的一种全双工超密集网络中的小小区之间子信道分配方法的流程图;
图5示出了本发明实施例的一种全双工超密集网络中的小小区之间的功率分配方法的流程图;
图6示出了本发明实施例的一种全双工超密集网络中的小小区内链路间的子信道分配方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种全双工超密集网络中的无线资源管理方法,如图1所示,所述方法包括:
S101、获取待管理资源网络的小小区数目、子信道数目,构建容量计算模型,建立资源管理优化模型。
本发明给出的实施例的具体场景为一个宏小区与多个小小区共存的网络,如图2所示,小小区随机分布在宏小区内,小小区的数目用M表示,实际数目为500~1000个,系统的子信道总数为N。每个子信道可以被多个小小区使用,每个小小区内包含多条链路,每条链路由一个用户与所接入的基站组成,如图2所示,每条链路包括上行链路和下行链路,用户和基站均采用全双工方式通信,因而在上行链路和下行链路均存在自干扰。每条链路分配一个或多个子信道,每一个小小区内不同链路使用不同子信道。
需要说明的是,全双工通信方式为同时、同频双向通信,这种方式全双工技术能够突破FDD和TDD方式的频谱资源使用限制,可以更加灵活的使用频谱,可以提高一倍的频率谱利用率。通过构建新型全双工超密集网络的系统模型、链路模型、干扰模型和容量计算模型,在干扰模型中充分考虑了同层干扰、跨层干扰、自干扰、高斯白噪声等因素,并首次在同层干扰中考虑了小区间子信道分配带来的影响,从而使在此基础上提出的资源分配机制具有更好的实用性和优化性能;构建最大化小小区上行和下行容量总和的优化模型,并进行求解,从而提出完整的小小区之间和小小区内链路间的子信道和功率分配方案。
其中,hm,n,l表示小区m中链路l在子信道n上的信道增益,gm,n,l表示小区m中链路l在子信道n上的自干扰增益,hm',m,n表示小区m'对小区m的干扰增益,σ2表示高斯白噪声,Im,n表示宏小区对信道m在子信道n上的干扰。
系统的总容量包括每条链路的上行链路和下行链路速率总和,用C表示:
其中,am,n,l为分配变量,为1表示将子信道n分配给小区m中的链路l,为0表示不分配。Lm表示小区m的链路数目。
本发明要解决的资源分配问题总结为最优化问题为
s.t.
S102、在所述网络的小小区之间分配子信道,每个子信道可以被多个小小区使用,子信道的分配以最大化小小区总容量为目标,分配的限制条件为每个小小区的最小容量需求。
小区间子信道分配和功率分配采用基于小区内信道特征和小区间干扰增益的统计特性的方法,不考虑小区内的具体链路特性和小区间的链路间的干扰,而用小区的链路统计特性和小区间的干扰统计特性替代,将最优化问题转化为:
s.t.
由于上述最优化问题是非凸优化问题,本发明实施例基于变量分离和变量替代的方法进行求解。首先将功率设置为最大发送功率,在小区间进行子信道分配,然后在子信道分配的基础上进行功率分配。在优化问题求解过程中采用了分层和变量分离的方法,将子信道分配分解为小区间和小区内分配,同时将频谱变量与功率变量分配相分离,在小区间分配过程中使用信道统计特征,在小区内分配过程中使用每条链路的具体特征,从而降低了信道分配的计算复杂度。
小区间的子信道分配如流程图4所示,采用以下步骤进行:
1、假设每个子信道被所有小区使用,计算每个小区在每个子信道上的速率n∈{1,2,...,N}),计算其它小区由于小区m使用子信道n引入的小区间干扰带来的速率损失总和将子信道n分配给满足的小区m,将m列入子信道n的可用小区集合
2、用表示子信道n的可用小区集合之外的小区集合,m'为中的任一小区,假设每个子信道被可用小区和可用小区集合之外的任一小区m'使用,计算小区m'在子信道n上的速率计算可用小区集合中的小区由于小区m'使用子信道n引入的小区间干扰带来的速率损失总和将子信道n分配给满足的小区m',将m'加入子信道n的可用小区集合
3、搜索未达到容量需求的小区,假设小区m的容量未达到需求,用γm表示步骤1、2中分配给小区m的子信道集合,计算小区m在可用信道集合之外的每个信道上的速率计算小区m使用子信道n引入的小区间干扰带来的其它小区的速率损失总和计算差值将差值最小的子信道分配给小区m;
4、重复步骤3,直至所有小区的容量都达到需求。
S103、对所述每个小小区所用子信道上的功率进行控制,功率控制以最大化小小区总容量为目标,控制的限制条件包括对宏小区的干扰限制和每个小小区的容量需求。
小区间子信道分配完成后,进行小区间的功率分配,确定每个小区在所用子信道上的功率。首先按照小区的上下行速率需求比例确定上下行功率比例αm,n,然后采用变量替代的方法对功率值进行求解。
采用统计分析的方法表示每个小区给其它小区以及自身带来的干扰,用小区间干扰增益和自干扰增益的均值来表示:
优化目标函数变换为:
优化目标函数变为:
优化限制条件为:
pm,n可表示为:
在小区间功率分配过程中使用对小区间干扰和自干扰进行概率分析转换的方法,同时采用变量替换的方法,将非凸优化问题转化为优化问题,进而采用基于注水原理的方法进行解决,在很大程度上降低了计算复杂度,并获得近似最优的性能。
S104、将所述每个小小区分配得到的子信道在链路间进行分配,子信道的分配以最大化小小区容量为目标,每个子信道只能由一条链路使用,每条链路分配一个或多个子信道。
根据所述小区间子信道的分配、小区间功率的分配及预设链路信道配比规则确定小区内子信道的分配,所述预设链路信道配比规则用于指示一条链路分配一个或多个信道,一个信道分配一条链路。优选地,如图6所示,小区间的子信道分配可以采用以下步骤:
1、依次将每个子信道分配给信道增益最大的链路;
2、搜集未分配子信道的链路,组成集合Lidl,搜集分配多条子信道的链路,将其使用的子信道组成集合Srem,计算Srem中每个子信道在Lidl中每个链路上的速率计算与子信道n原有速率的差值Vn,l,寻找差值最小的子信道和链路进行分配,将子信道n*分配给链路l*。更新Lidl和Srem,Lidl=Lidl\{l*},Srem=Srem\{n*};
3、重复步骤2,直至所有链路都分配子信道。
小区内子信道分配过程中采用启发式的分配调节算法,在初始分配过程中使小区容量最大化,而后依次为未分配子信道的链路分配速率损失最小的子信道,从而获得近似最优的小区容量性能,并具有较低的计算复杂度。
本发明实施例提供的基于全双工超密集网络的无线资源管理方法,通过构建了新型全双工超密集网络的系统模型、链路模型、干扰模型和容量计算模型,在干扰模型中充分考虑了同层干扰、跨层干扰、自干扰、高斯白噪声等因素,并首次在同层干扰中考虑了小区间子信道分配带来的影响,从而使在此基础上提出的资源分配机制具有更好的实用性和优化性能;构建了最大化小小区上行和下行容量总和的优化模型,并进行求解,提出完整的小小区之间和小小区内链路间的子信道和功率分配方案;在优化问题求解过程中采用了分层和变量分离的方法,将子信道分配分解为小区间和小区内分配,同时将频谱变量与功率变量分配相分离,在小区间分配过程中使用信道统计特征,在小区内分配过程中使用每条链路的具体特征,从而降低了信道分配的计算复杂度;在小区间功率分配过程中使用对小区间干扰和自干扰进行概率分析转换的方法,同时采用变量替换的方法,将非凸优化问题转化为优化问题,进而采用的基于注水原理的方法进行解决,在很大程度上降低了计算复杂度,同时在小区内子信道分配过程中采用启发式的分配调节算法,以较低的计算复杂度得到近似最优的性能。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明实施例可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明实施例各个实施例或者实施例的某些部分所述的方法。
以上所述,仅为本发明实施例较佳的具体实施方式,但本发明实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.一种全双工超密集网络中的无线资源管理方法,其特征在于,包括步骤:
S101、获取待管理资源网络的小小区数目、子信道数目,构建容量计算模型,建立资源管理优化模型;
S102、在所述网络的小小区之间分配子信道,每个子信道可以被多个小小区使用,子信道的分配以最大化小小区总容量为目标,分配的限制条件为每个小小区的最小容量需求;
S103、对所述每个小小区所用子信道上的功率进行控制,功率控制以最大化小小区总容量为目标,控制的限制条件包括对宏小区的干扰限制和每个小小区的容量需求;
S104、将所述每个小小区分配得到的子信道在链路间进行分配,子信道的分配以最大化小小区容量为目标,每个子信道只能由一条链路使用,每条链路分配一个或多个子信道。
2.根据权利要求1所述的方法,其特征在于,所述在所述网络的小小区之间分配子信道的步骤具体包括:
2)用m'表示子信道n的可用小区集合之外的任一小区,假设每个子信道被可用小区和可用小区集合之外的任一小区m'使用,计算小区m'在子信道n上的速率计算中所有的小区由于小区m'使用子信道n引入的小区间干扰带来的速率损失总和将子信道n分配给满足的小区m',将m'加入子信道n的可用小区集合
3)搜索未达到容量需求的小区,假设小区m的容量未达到需求,用γm表示步骤1)、2)中分配给小区m的子信道集合,计算小区m在子信道集合γm之外的每个子信道上的速率计算小区m使用子信道n引入的小区间干扰带来的其它小区的速率损失总和计算差值将差值最小的子信道分配给小区m;
4)重复步骤3),直至所有小区的容量都达到需求。
3.根据权利要求2所述的方法,其特征在于,所述对所述每个小小区所用子信道上的功率进行控制的步骤具体包括:
在确定每个小区在所用子信道上的功率过程中,首先按照小区的上下行速率需求比例确定上下行功率比例αm,n,然后采用变量替代的方法对功率值进行求解;
采用统计分析的方法表示每个小区给其它小区以及自身带来的干扰,用小区间干扰增益和自干扰增益的均值来表示:
其中,表示小区m在子信道n上对其它小区的上行和下行干扰系数,am,n为子信道在小区间的分配变量,am,n=1表示子信道n分配给小区m,am,n=0表示子信道n未分配给小区m,hm,m',n表示小区m在子信道n上对小区m'的干扰增益,hm,n为小区m在子信道n上信道增益的统计值,gm,n为小区m在子信道n上自干扰增益的统计值,M表示小区数目;
优化目标函数变换为:
其中,N表示系统的子信道数目,σm,n'2表示小区m在子信道n上受到的宏基站的干扰与高斯白噪声之和;
优化目标函数变为:
优化限制条件为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710766358.9A CN107613565B (zh) | 2017-08-30 | 2017-08-30 | 一种全双工超密集网络中的无线资源管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710766358.9A CN107613565B (zh) | 2017-08-30 | 2017-08-30 | 一种全双工超密集网络中的无线资源管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107613565A CN107613565A (zh) | 2018-01-19 |
CN107613565B true CN107613565B (zh) | 2020-09-04 |
Family
ID=61056613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710766358.9A Active CN107613565B (zh) | 2017-08-30 | 2017-08-30 | 一种全双工超密集网络中的无线资源管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107613565B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111615202B (zh) * | 2020-04-30 | 2022-06-24 | 东莞理工学院 | 基于noma与波束成型的超密集网络无线资源分配方法 |
CN112087767B (zh) * | 2020-09-03 | 2022-01-28 | 东莞理工学院 | 基于最小化失真的hap-uav接入网络功率控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105611574A (zh) * | 2015-12-25 | 2016-05-25 | 北京邮电大学 | 一种基于缓存的超密集网络下联合动态接入和子载波分配的方法 |
WO2016114844A3 (en) * | 2014-11-03 | 2016-09-22 | Massachusetts Institute Of Technology | Message fractionation and physical layer channel assignment for multiuser detection-enabled wireless communication among adaptive interference |
CN106604401A (zh) * | 2017-03-13 | 2017-04-26 | 重庆邮电大学 | 一种异构网络中的资源分配方法 |
CN106851724A (zh) * | 2015-12-04 | 2017-06-13 | 中国移动通信集团公司 | 一种无线资源处理方法及装置 |
WO2017133220A1 (zh) * | 2016-02-01 | 2017-08-10 | 中兴通讯股份有限公司 | 一种上行功率分配方法、装置及移动终端 |
-
2017
- 2017-08-30 CN CN201710766358.9A patent/CN107613565B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016114844A3 (en) * | 2014-11-03 | 2016-09-22 | Massachusetts Institute Of Technology | Message fractionation and physical layer channel assignment for multiuser detection-enabled wireless communication among adaptive interference |
CN106851724A (zh) * | 2015-12-04 | 2017-06-13 | 中国移动通信集团公司 | 一种无线资源处理方法及装置 |
CN105611574A (zh) * | 2015-12-25 | 2016-05-25 | 北京邮电大学 | 一种基于缓存的超密集网络下联合动态接入和子载波分配的方法 |
WO2017133220A1 (zh) * | 2016-02-01 | 2017-08-10 | 中兴通讯股份有限公司 | 一种上行功率分配方法、装置及移动终端 |
CN106604401A (zh) * | 2017-03-13 | 2017-04-26 | 重庆邮电大学 | 一种异构网络中的资源分配方法 |
Non-Patent Citations (4)
Title |
---|
A Novel Resource Allocation Method in Ultra-Dense Network Based on Noncooperation Game Theory;Zhen Wang et al;《中国通信(英文版)》;20170521;第1-12页 * |
Resource management issues in 5G ultra dense smallcell networks;Ming-Chin Chuang et al;《2015 International Conference on Information Networking(ICOIN)》;20150114;第1-6页 * |
密集小区的无线资源管理问题研究;顾玉莲;《中国优秀硕士学位论文全文数据库》;20170315;第1-76页 * |
面向5G的超密集网络中分布式无线资源管理的研究;刘海燕;《中国优秀硕士学位论文全文数据库》;20160715;第1-71页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107613565A (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109474980B (zh) | 一种基于深度增强学习的无线网络资源分配方法 | |
CN108737057B (zh) | 基于深度学习的多载波认知noma资源分配方法 | |
CN108462950B (zh) | 基于noma的d2d通信联合子信道与功率分配方法 | |
CN107172682B (zh) | 基于动态分簇的超密集网络无线资源分配方法 | |
CN108495337B (zh) | 基于noma的无线携能通信系统最大安全速率优化方法 | |
Wen et al. | Energy efficient power allocation schemes for device-to-device (D2D) communication | |
CN111586646B (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 | |
CN104703270B (zh) | 适用于异构无线蜂窝网络的用户接入和功率分配方法 | |
CN109088686B (zh) | 一种基于5g高低频段的同时无线信息与能量传输方法 | |
CN110337148B (zh) | 基于非正交多址接入的认知无线电能效资源分配方法 | |
CN109039494B (zh) | 一种基于改进和声搜索算法的5g通信系统资源分配方法 | |
CN111465054A (zh) | 基于效用公平性的d2d通信资源分配方法 | |
Khazali et al. | Energy-spectral efficient resource allocation and power control in heterogeneous networks with D2D communication | |
Zhang et al. | Dynamic user-centric clustering for uplink cooperation in multi-cell wireless networks | |
CN107613565B (zh) | 一种全双工超密集网络中的无线资源管理方法 | |
KR20200047421A (ko) | 밀리미터파 초고밀도 네트워크를 위한 사용자 연계 및 전력 할당 방법 | |
CN107333301B (zh) | 多属异构网络中的一种基于认知的联合资源再分配方法 | |
CN107517464B (zh) | 一种异构网络中的干扰管理和资源分配方法 | |
CN113055860A (zh) | 一种蜂窝网络下的d2d多对多资源分配方法 | |
CN110225494B (zh) | 一种基于外部性和匹配算法的机器类通信资源分配方法 | |
Al-Wesabi et al. | A joint algorithm for resource allocation in d2d 5g wireless networks | |
Chai et al. | Learning to optimize for resource allocation in LTE-U networks | |
CN107148078B (zh) | 一种混合全双工半双工网络的用户接入控制方法与装置 | |
Zhang et al. | A convolutional neural network based resource management algorithm for NOMA enhanced D2D and cellular hybrid networks | |
CN111935833B (zh) | 一种蜂窝网络中d2d通信系统的频谱复用方法 |
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 |