CN107659967A - 一种集能型无线中继网络吞吐量最大化的可再生能量优化方法 - Google Patents
一种集能型无线中继网络吞吐量最大化的可再生能量优化方法 Download PDFInfo
- Publication number
- CN107659967A CN107659967A CN201710740300.7A CN201710740300A CN107659967A CN 107659967 A CN107659967 A CN 107659967A CN 201710740300 A CN201710740300 A CN 201710740300A CN 107659967 A CN107659967 A CN 107659967A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- optimization
- time slot
- energy
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000005540 biological transmission Effects 0.000 claims description 24
- 238000004146 energy storage Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 230000007423 decrease Effects 0.000 description 4
- 239000005431 greenhouse gas Substances 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种集能型无线中继网络吞吐量最大化的可再生能量优化方法，包括以下步骤：1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化；2)由于凸优化性质，解决问题P1分解为两个子优化问题：功率子优化和时隙子优化；针对功率子优化，采用规范凸优化算法(内点法)来优化变量pi；针对时隙子优化，采用预测子梯度法来优化变量本发明提供一种在集能型无线中继网络中通过联合时间调度和功率分配实现以最大吞吐量最大化系统效益的可再生能量优化方法。
Description
技术领域
本发明涉及集能型无线中继网络技术领域，尤其是一种集能型无线中继网络吞吐量最大化的可再生能量优化方法。
背景技术
由于无线设备和新兴多媒体业务的激增，移动数据流量一直呈指数级增长。由于诸如路径损耗，阴影和小规模衰落的信道损耗，越来越多的室内和边缘用户可能会遇到低质量的服务性能。为了克服这种障碍，中继辅助接入技术已经被提出作为开发能量效率和空间分集以提高室内和小区边缘用户服务质量的有价值的解决方案。中继基站将作为边缘用户与宏蜂窝基站之间进行通信的中转站。
然而，密集地部置中继基站所产生的能耗以及随之带来的温室气体(如二氧化碳)排放量也是巨大的。出于对环境及经济效益的双重考量，能量采集技术被引入到无线中继网络中，中继基站及无线设备通过采集可再生能源(如太阳能，风能，热电，机电和环境射频能量等)进行供电已成为提高绿色中继网络能源效率和减少温室气体排放总量的可行技术。然而，由于可再生能量到达的不连续性，为了提供可靠的数据传输及网络吞吐量保障，对可再生能量优化管理变得尤为重要。
发明内容
为了避免由于信道和可再生能量不确定性导致用户服务质量下降的问题，本发明提供一种集能型无线中继网络吞吐量最大化的可再生能量优化方法。
本发明解决其技术问题所采用的技术方案是：
一种集能型无线中继网络吞吐量最大化的可再生能量优化方法，所述优化方法包括以下步骤：
1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化：
受限于：(约束条件1)
(约束条件2)
(约束条件3)
(约束条件4)
(约束条件5)
在此，问题P1的各参数定义如下：
pi：中继节点在时隙i的传输功率；
ri：中继节点在时隙i的数据率；
τi：源节点在时隙i的传输时间；
中继节点在时隙i的传输时间；
ui：源节点在时隙i的数据率；
hi：中继节点到目的节点的信道增益；
Ei：中继节点在时隙i时所采集的能量；
Emax：中继节点的电池最大容量；
Qmax：中继节点的数据缓存容量；
L：单个时隙长度；
T：传输时隙数；
W：网络带宽；
2)由于凸优化性质，解决问题P1分解为两个子优化问题：功率子优化和时隙子优化；针对功率子优化，采用规范凸优化算法(内点法)来优化变量pi；针对时隙子优化，采用预测子梯度法来优化变量优化实现过程为：
步骤2.1：给定初始中继节点所需要的参数，即信道增益hi，采集的能量Ei，电池最大容量Emax，数据缓存容量Qmax，源节点的数据率ui，传输时隙数T和计算误差ε。并设定迭代次数n为n＝1，每个的初始值为
步骤2.2：针对功率子优化，第n次迭代时，通过第n-1次迭代获得的利用凸优化内点法来优化变量pi和ri，更新和
步骤2.3：针对时隙子优化，第n次迭代时，利用步骤2.2所得到的结果带入公式(1)，利用预测子梯度法来优化变量更新
其中，公式(1)的各参数定义如下：
si：时隙i的第n个步长，且恒大于0；
λ1i：对应于第n次迭代，问题P1中约束条件1的最优乘法因子；
λ2i：对应于第n次迭代，问题P1中约束条件2的最优乘法因子；
λ3i：对应于第n次迭代，问题P1中约束条件3的最优乘法因子；
λ4i：对应于第n次迭代，问题P1中约束条件4的最优乘法因子；
λ5i：对应于第n次迭代，问题P1中约束条件5的最优乘法因子；
其余参数定义参考问题P1；
步骤2.4：更新迭代次数n为n＝n+1并重新回到步骤2.2开始新一轮的计算,直到满足终止标准问题P1获得最优解
进一步，所述优化方法还包括以下步骤：
3)当集能型无线中继网络实行联合时间调度和功率控制优化方法时，还需考虑有限的中继数据缓存、有限的中继储能电池、最大传输功率限制、信道增益、传输时隙数等网络环境参数，将问题P1分解为功率子优化和时隙子优化，从而得到最佳的时间调度和传输功率，实现以最大化吞吐量的最大化系统效益。
本发明的技术构思为：首先,我们将时间调度和功率分配作为二种可控网络资源联合起来考虑，实现以端到端的最大吞吐量最大化系统效益。换言之，希望获得一个最佳的时间调度和传输功率方案使得网络吞吐量最大化的同时，总传输功率消耗最小。接着,由于凸优化性质，集能型无线中继网络吞吐量最大化的可再生能量优化方法可分解为两个子优化问题解决问题P1：功率子优化和时隙子优化。针对功率子优化，采用规范凸优化算法(内点法)来优化变量pi；针对时隙子优化，采用预测子梯度法来优化变量从而得到最佳的时间调度和传输功率，实现以最大化吞吐量的最大化系统效益。
本发明的有益效果主要表现在:1、对整个集能型无线中继网络系统而言，优化时间调度和功率分配可以减少系统的资金花费，而且中继基站所产生的能耗以及随之带来的温室气体(如二氧化碳)排放量也能随之降低。集能型无线中继网络，不仅可以降低总功率消耗，而且可以提高网络的传输速率，达到端到端的最大化吞吐量，增加网络的系统效益；2、对网络运营商而言，最佳的时隙和功率分配可以使网络系统服务更多的用户，并降低由于路径损耗，阴影和小规模衰落的信道损耗等原因所导致的低质量服务的概率，从而增加用户信誉，进一步增加其利润。
附图说明
图1是集能型无线中继网络的示意图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
参照图1，一种集能型无线中继网络吞吐量最大化的可再生能量优化方法，换言之，即通过联合时间调度和功率分配实现以端到端最大化吞吐量的最大化系统效益。本发明基于一种集能型无线中继网络系统(如图1所示)。在集能型无线中继网络系统中，通过优化时间调度和功率分配，达到最大传输速率。发明在有限的数据缓存和储能电池条件下，针对集能型无线中继网络中的时间调度和功率控制问题，提出了吞吐量最大化的可再生能量优化方法，所述优化方法包括以下步骤：
1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化：
受限于：(约束条件1)
(约束条件2)
(约束条件3)
(约束条件4)
(约束条件5)
在此，问题P1的各参数定义如下：
pi：中继节点在时隙i的传输功率；
ri：中继节点在时隙i的数据率；
τi：源节点在时隙i的传输时间；
中继节点在时隙i的传输时间；
ui：源节点在时隙i的数据率；
hi：中继节点到目的节点的信道增益；
Ei：中继节点在时隙i时所采集的能量；
Emax：中继节点的电池最大容量；
Qmax：中继节点的数据缓存容量；
L：单个时隙长度；
T：传输时隙数；
W：网络带宽；
2)由于凸优化性质，解决问题P1分解为两个子优化问题：功率子优化和时隙子优化；针对功率子优化，采用规范凸优化算法(内点法)来优化变量pi；针对时隙子优化，采用预测子梯度法来优化变量优化实现过程为：
步骤2.1：给定初始中继节点所需要的参数，即信道增益hi，采集的能量Ei，电池最大容量Emax，数据缓存容量Qmax，源节点的数据率ui，传输时隙数T和计算误差ε。并设定迭代次数n为n＝1，每个的初始值为
步骤2.2：针对功率子优化，第n次迭代时，通过第n-1次迭代获得的利用凸优化内点法来优化变量pi和ri，更新和
步骤2.3：针对时隙子优化，第n次迭代时，利用步骤2.2所得到的结果带入公式(1)，利用预测子梯度法来优化变量更新
其中，公式(1)的各参数定义如下：
si：时隙i的第n个步长，且恒大于0；
λ1i：对应于第n次迭代，问题P1中约束条件1的最优乘法因子；
λ2i：对应于第n次迭代，问题P1中约束条件2的最优乘法因子；
λ3i：对应于第n次迭代，问题P1中约束条件3的最优乘法因子；
λ4i：对应于第n次迭代，问题P1中约束条件4的最优乘法因子；
λ5i：对应于第n次迭代，问题P1中约束条件5的最优乘法因子；
其余参数定义参考问题P1；
步骤2.4：更新迭代次数n为n＝n+1并重新回到步骤2.2开始新一轮的计算,直到满足终止标准问题P1获得最优解
所述优化方法还包括以下步骤：
3)当集能型无线中继网络实行联合时间调度和功率控制优化方法时，还需考虑有限的中继数据缓存、有限的中继储能电池、最大传输功率限制、信道增益、传输时隙数等网络环境参数，将问题P1分解为功率子优化和时隙子优化，从而得到最佳的时间调度和传输功率，实现以最大化吞吐量的最大化系统效益。
本实施例中，图1是本发明有关集能型中继基站的无线中继网络。在该集能型无线中继网络系统中，通过优化时间调度和功率分配可以减少系统的资金花费，而且中继基站所产生的能耗以及随之带来的温室气体(如二氧化碳)排放量也能随之降低。集能型无线中继网络系统，不仅可以降低总功率消耗，而且可以提高网络的传输速率，达到端到端的最大化吞吐量，增加网络的系统效益；
对网络运营商而言，最佳的时隙和功率分配可以使网络系统服务更多的用户，并降低由于路径损耗，阴影和小规模衰落的信道损耗等原因所导致的低质量服务的概率，从而增加用户信誉，进一步增加其利润。
本实施着眼于在满足每个用户服务质量的条件下，通过控制用户传输功率和优化时间调度来实现以最小总传输功率消耗最大化端到端吞吐量。我们的工作可以使得网络运营商获得最大利润，尽可能多地服务用户，节省网络资源，提高整个网络的性能，实现最大化的网络系统效益。
Claims (2)
1.一种集能型无线中继网络吞吐量最大化的可再生能量优化方法，其特征在于：所述优化方法包括以下步骤：
1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化：
P1:
受限于：
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mover>
<msub>
<mi>&tau;</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>&le;</mo>
<mn>1</mn>
<mo>,</mo>
</mrow>
在此，问题P1的各参数定义如下：
pi：中继节点在时隙i的传输功率；
ri：中继节点在时隙i的数据率；
τi：源节点在时隙i的传输时间；
中继节点在时隙i的传输时间；
ui：源节点在时隙i的数据率；
hi：中继节点到目的节点的信道增益；
Ei：中继节点在时隙i时所采集的能量；
Emax：中继节点的电池最大容量；
Qmax：中继节点的数据缓存容量；
L：单个时隙长度；
T：传输时隙数；
W：网络带宽；
2)由于凸优化性质，解决问题P1分解为两个子优化问题：功率子优化和时隙子优化；针对功率子优化，采用规范凸优化算法来优化变量pi；针对时隙子优化，采用预测子梯度法来优化变量优化实现过程为：
步骤2.1：给定初始中继节点所需要的参数，即信道增益hi，采集的能量Ei，电池最大容量Emax，数据缓存容量Qmax，源节点的数据率ui，传输时隙数T和计算误差ε。并设定迭代次数n为n＝1，每个的初始值为
步骤2.2：针对功率子优化，第n次迭代时，通过第n-1次迭代获得的利用凸优化内点法来优化变量pi和ri，更新和ri (n)；
步骤2.3：针对时隙子优化，第n次迭代时，利用步骤2.2所得到的结果带入公式(1)，利用预测子梯度法来优化变量更新
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>x</mi>
<mo>=</mo>
<msup>
<mover>
<msub>
<mi>&tau;</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mo>+</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mrow>
<mn>1</mn>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>T</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>&lambda;</mi>
<mrow>
<mn>2</mn>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
<msubsup>
<mi>p</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mrow>
<mn>3</mn>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>T</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>&lambda;</mi>
<mrow>
<mn>4</mn>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mn>5</mn>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>W</mi>
<mi> </mi>
<mi>log</mi>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>p</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</msubsup>
</mrow>
<mo>)</mo>
<mo>-</mo>
<msup>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mover>
<msub>
<mi>&tau;</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<mi>x</mi>
<mo>}</mo>
<mo>}</mo>
<mo>,</mo>
</mrow>
其中，公式(1)的各参数定义如下：
si：时隙i的第n个步长，且恒大于0；
λ1i：对应于第n次迭代，问题P1中约束条件1的最优乘法因子；
λ2i：对应于第n次迭代，问题P1中约束条件2的最优乘法因子；
λ3i：对应于第n次迭代，问题P1中约束条件3的最优乘法因子；
λ4i：对应于第n次迭代，问题P1中约束条件4的最优乘法因子；
λ5i：对应于第n次迭代，问题P1中约束条件5的最优乘法因子；
其余参数定义参考问题P1；
步骤2.4：更新迭代次数n为n＝n+1并重新回到步骤2.2开始新一轮的计算,直到满足终止标准问题P1获得最优解
2.如权利要求1所述的集能型无线中继网络吞吐量最大化的可再生能量优化方法其特征在于：所述优化方法还包括以下步骤：
3)当实行联合时间调度和功率控制优化方法时，还需考虑有限的中继数据缓存、有限的中继储能电池、最大传输功率限制、信道增益、传输时隙数等网络环境参数，从而得到最佳的时间调度和传输功率，实现以最大化吞吐量的最大化系统效益。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710740300.7A CN107659967A (zh) | 2017-08-25 | 2017-08-25 | 一种集能型无线中继网络吞吐量最大化的可再生能量优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710740300.7A CN107659967A (zh) | 2017-08-25 | 2017-08-25 | 一种集能型无线中继网络吞吐量最大化的可再生能量优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107659967A true CN107659967A (zh) | 2018-02-02 |
Family
ID=61128783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710740300.7A Pending CN107659967A (zh) | 2017-08-25 | 2017-08-25 | 一种集能型无线中继网络吞吐量最大化的可再生能量优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107659967A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108990141A (zh) * | 2018-07-19 | 2018-12-11 | 浙江工业大学 | 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 |
| CN109041195A (zh) * | 2018-07-19 | 2018-12-18 | 浙江工业大学 | 一种基于半监督学习的集能型无线中继网络吞吐量最大化方法 |
| CN109104734A (zh) * | 2018-07-19 | 2018-12-28 | 浙江工业大学 | 一种基于深度确定性策略梯度的集能型无线中继网络吞吐量最大化方法 |
| CN109195207A (zh) * | 2018-07-19 | 2019-01-11 | 浙江工业大学 | 一种基于深度强化学习的集能型无线中继网络吞吐量最大化方法 |
| CN111132299A (zh) * | 2019-12-06 | 2020-05-08 | 中山大学 | 中继系统的资源分配方法和装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101557641A (zh) * | 2009-05-07 | 2009-10-14 | 浙江大学 | 一种适用于蜂窝中继系统的子载波和功率分配方法 |
| CN103957597A (zh) * | 2014-03-18 | 2014-07-30 | 南京邮电大学 | 基于选择性子载波配对的中继选择与功率联合优化方法 |
| CN106714293A (zh) * | 2016-12-30 | 2017-05-24 | 山东大学 | 基于QoS要求含能量收集节点的中继网络资源分配方法 |
-
2017
- 2017-08-25 CN CN201710740300.7A patent/CN107659967A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101557641A (zh) * | 2009-05-07 | 2009-10-14 | 浙江大学 | 一种适用于蜂窝中继系统的子载波和功率分配方法 |
| CN103957597A (zh) * | 2014-03-18 | 2014-07-30 | 南京邮电大学 | 基于选择性子载波配对的中继选择与功率联合优化方法 |
| CN106714293A (zh) * | 2016-12-30 | 2017-05-24 | 山东大学 | 基于QoS要求含能量收集节点的中继网络资源分配方法 |
Non-Patent Citations (2)
| Title |
|---|
| LI PING QIAN等: "Optimal Transmission Policies for Relay Communication Networks With Ambient Energy Harvesting Relays", 《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》 * |
| YUAN WU等: "Optimal Relay Selection and Power Control for Energy-Harvesting Wireless Relay Networks", 《IEEE ICC 2017 MOBILE AND WIRELESS NETWORKING》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108990141A (zh) * | 2018-07-19 | 2018-12-11 | 浙江工业大学 | 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 |
| CN109041195A (zh) * | 2018-07-19 | 2018-12-18 | 浙江工业大学 | 一种基于半监督学习的集能型无线中继网络吞吐量最大化方法 |
| CN109104734A (zh) * | 2018-07-19 | 2018-12-28 | 浙江工业大学 | 一种基于深度确定性策略梯度的集能型无线中继网络吞吐量最大化方法 |
| CN109195207A (zh) * | 2018-07-19 | 2019-01-11 | 浙江工业大学 | 一种基于深度强化学习的集能型无线中继网络吞吐量最大化方法 |
| CN109195207B (zh) * | 2018-07-19 | 2021-05-18 | 浙江工业大学 | 一种基于深度强化学习的集能型无线中继网络吞吐量最大化方法 |
| CN108990141B (zh) * | 2018-07-19 | 2021-08-03 | 浙江工业大学 | 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 |
| CN109104734B (zh) * | 2018-07-19 | 2021-10-15 | 浙江工业大学 | 一种集能型无线中继网络吞吐量最大化方法 |
| CN111132299A (zh) * | 2019-12-06 | 2020-05-08 | 中山大学 | 中继系统的资源分配方法和装置 |
| CN111132299B (zh) * | 2019-12-06 | 2021-06-29 | 中山大学 | 中继系统的资源分配方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107659967A (zh) | 一种集能型无线中继网络吞吐量最大化的可再生能量优化方法 | |
| CN109195207B (zh) | 一种基于深度强化学习的集能型无线中继网络吞吐量最大化方法 | |
| CN102668653B (zh) | 用于用户调度并管理通信系统中的发射功率的方法和装置 | |
| CN107666676B (zh) | 一种集能型无线中继网络最大化系统吞吐量的在线控制方法 | |
| CN103052134B (zh) | 一种可再生能源供能基站接入选择方法和系统 | |
| CN104869646B (zh) | 异构无线网络中能量有效的资源分配方法 | |
| Murthy et al. | A survey of green base stations in cellular networks | |
| CN106304164A (zh) | 一种基于能量采集协作通信系统的联合资源分配方法 | |
| Han et al. | Enabling mobile traffic offloading via energy spectrum trading | |
| CN105188125A (zh) | 无线网络能效谱效联合优化的功率分配方法 | |
| Yang et al. | Efficient task offloading and resource allocation for edge computing-based smart grid networks | |
| CN108990141A (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 | |
| CN104822162A (zh) | 一种混合能源网络中的绿色基站分流方法及装置 | |
| CN106304111A (zh) | 基于能量采集中继站的异构蜂窝网络功率指派方法 | |
| Yao et al. | Achieving high throughput with predictive resource allocation | |
| CN109104734B (zh) | 一种集能型无线中继网络吞吐量最大化方法 | |
| CN109089307A (zh) | 一种基于异步优势行动者评论家算法的集能型无线中继网络吞吐量最大化方法 | |
| CN106102173A (zh) | 基于多播波束成形的无线回传及基站分簇联合优化方法 | |
| Gu et al. | Traffic offloading and power allocation for green HetNets using reinforcement learning method | |
| CN109041195A (zh) | 一种基于半监督学习的集能型无线中继网络吞吐量最大化方法 | |
| CN109275163B (zh) | 一种基于结构化排序特征的非正交多址接入联合带宽和速率分配方法 | |
| CN105187104A (zh) | 大规模mimo系统的快速发送天线选择方法 | |
| CN106330608A (zh) | 在数能一体化通信网络中上行用户吞吐量公平性优化方法 | |
| Wang et al. | An Energy-Efficient Multimode Transmission Scheme for Underwater Sensor Network | |
| CN107371166A (zh) | 无线网络中一种基于频谱聚合的跨层优化装置及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180202 |
|
| RJ01 | Rejection of invention patent application after publication |