CN107708197B - 一种高能效的异构网络用户接入和功率控制方法 - Google Patents
一种高能效的异构网络用户接入和功率控制方法 Download PDFInfo
- Publication number
- CN107708197B CN107708197B CN201710982800.1A CN201710982800A CN107708197B CN 107708197 B CN107708197 B CN 107708197B CN 201710982800 A CN201710982800 A CN 201710982800A CN 107708197 B CN107708197 B CN 107708197B
- Authority
- CN
- China
- Prior art keywords
- base station
- user
- power
- user access
- optimizing
- 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
Classifications
-
- 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
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/242—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account path loss
-
- 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
- H04W52/38—TPC being performed in particular situations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0058—Allocation criteria
- H04L5/0076—Allocation utility-based
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/02—Access restriction performed under specific conditions
Abstract
本发明公开了一种高能效的异构网络用户接入和功率控制方法,引入对数效用模型,联合优化异构网中的用户接入以及功率控制,实现网络能效的效用值最大化,按如下步骤进行:首先,所有基站通过导频序列估计得到当前的用户信道状态信息;然后,根据信道信息构建网络能效效用最大化问题;最后,分别考虑最优用户连接和功率控制问题,采用拉格朗日对偶分解和辅助变量代换等方法,将原问题转化为一系列凸的子问题,交替迭代优化直到算法收敛,得到最优的用户连接和传输功率分配方案。本发明方法综合考虑异构网中用户接入和功率控制的优化,以网络能效效用作为优化的目标函数,在保证了用户公平性和吞吐量的同时实现高能效传输。
Description
技术领域
本发明涉及一种高能效的异构网络用户接入和功率控制方法,属于异构网能效管理技术领域。
背景技术
异构网络是一种新型的网络拓扑结构,传统的蜂窝网只配备有单一的宏基站,而异构网络除了宏基站之外还额外配置一些低发射功率的小基站,宏基站主要保证无缝覆盖,小基站可以用来改善边缘用户速率。由于小基站成本低,配置灵活,异构网络的频谱效率可以得到大幅提升。在改善系统性能的同时,异构网络的设计也面临着很多挑战。
用户接入是异构网中的一个值得考虑的问题。由于小基站的发射功率通常要远低于宏基站的功率,如果采用传统的基于路径损耗或者信号接收强度的用户接入方法,大部分用户往往被接入高发射功率的宏基站,而宏基站本身的资源有限,接入过多用户会造成宏基站负载过重,使得被服务用户的实际速率偏低。如果将多余的用户分给负载较轻的小基站,就能很好的平衡网络负载,大大提高系统整体性能。因此,如何实现异构网中高效的用户接入和负载平衡是一个重要的问题。功率控制是另一个与用户接入紧密相关的资源分配问题。合理设置基站的发射功率可以减轻不同基站之间的干扰,提高系统整体的可达速率。另外,通过控制功率也可以节省不必要的能量消耗,符合绿色通信的原则。因此,联合考虑异构网中用户接入和功率控制对于提升系统性能具有重要的意义。
近年来,由于无线网络的能耗日益增长,能量效率逐渐成为5G网络中的重要指标。但是目前优化能效主要是考虑最大化单位能耗的可达速率,有可能导致网络中用户极不公平的服务。更有实际意义的指标往往是网络的效用函数,即达到更好的整体用户体验,而不是简单的速率和最大化。因此,在能效的优化中引入效用函数是很有必要的,通过联合优化用户接入和发射功率来实现网络能效的效用函数最大化在实际中有广泛的应用前景。
发明内容
技术问题:为了解决异构网中的能量的效用函数优化问题,本发明提出一种高能效的异构网络用户接入和功率控制方法,通过变量代换和拉格朗日对偶的分析方法,联合优化用户接入和基站发射功率,在保证用户公平性的同时实现高能效传输。
技术方案:为了实现上述目标,本发明提出一种高能效的异构网络用户接入和功率控制方法,包括以下步骤:
1)根据当前信道状态信息,计算各基站到所有用户的信干噪比和频谱效率;
2)初始化网络能效值,建立面向网络能效效用函数优化的用户接入及功率控制数学模型;
3)采用交替迭代的方法求解面向网络能效效用函数优化的用户接入及功率控制数学模型,首先初始化基站的发射功率为最大发射功率,将面向网络能效效用函数优化的用户接入及功率控制数学模型简化为只考虑优化用户连接的问题;然后放缩限制条件,只考虑优化用户连接的问题转化为优化连接的凸问题;采用拉格朗日对偶分解和经典次梯度方法迭代的算法求解该用户连接问题,得到固定功率条件下最优的用户接入矩阵;
4)将用户接入固定为步骤3)获得的用户接入矩阵,面向网络能效效用函数优化的用户接入及功率控制数学模型简化为只考虑优化发射功率的问题,引入辅助变量得到只考虑优化发射功率的问题的等价问题,利用变量代换进一步将只考虑优化发射功率的问题的等价问题转化为优化功率的凸问题;采用经典的拉格朗日对偶分解和次梯度方法迭代的算法求解此功率控制问题,得到固定用户接入条件下基站最优的发射功率;
5)更新发射功率矩阵为4)中得到的发射功率,重复执行步骤3)至4),直到面向网络能效效用函数优化的用户接入及功率控制数学模型收敛;
6)计算等价能效函数G(η),判断G(η)=0是否成立;若成立,则得到网络的最优能效效用函数值为η*=η;若不成立,则更新等效的能效效用函数值;
7)重复步骤3)至6),直到找到使G(η*)=0的最佳网络能效的效用函数值η*;此时即可得到最优的用户接入矩阵和基站发射功率;
8)根据优化得到的结果,确定各基站的发射功率,各基站根据接入矩阵X确定用户接入。
进一步地,所述步骤1)中,基站j到用户i的信干噪比和频谱效率分别计算为:
其中,SINRij表示基站j到用户i的信干噪比,q表示基站集合中标号不为j的基站,pj表示基站j的发射功率,pq表示基站q的发射功率,hij表示仅考虑路径损耗的基站j到用户i之间的信道增益,hiq表示仅考虑路径损耗的基站q到用户i之间的信道增益,σ2表示噪声功率;cij表示基站j到用户i的频谱效率,W是系统带宽,kj是由基站j提供服务的用户总数,即基站j的负载;log(·)表示取对数操作。
进一步地,所述步骤2)中,面向网络能效效用函数优化的用户接入及功率控制数学模型具体为:
其中,B表示所有基站的集合,U表示所有用户的集合;是用户接入矩阵,NU、NM和NS分别表示一个小区内用户、宏基站和小基站的数目,元素xij指示用户i是否接入基站j,如果用户i接入基站j,则xij=1,反之xij=0。k={kj}j∈B是表示基站负载的矩阵,p={pj}j∈B是表示基站发射功率的矩阵;PC是系统已知的电路固定能耗值,η是表示网络等效能效效用值的变量。
进一步地,所述步骤3)中,用户连接优化问题具体如下:
其中,mij=log(Wlog(1+SINRij))是为了简化目标函数表达式引入的参数。
进一步地,所述步骤3)中,条件放缩后的凸问题具体如下:
进一步地,所述步骤3)中,将采用拉格朗日对偶分解和经典次梯度方法求解用户连接的迭代算法称作算法一,算法一的迭代计算方法如下:
步骤1:令迭代次数变量n=0,初始化参数通常可取然后根据下面式(6)初始化参数ν(0),其中是保证优化连接的凸问题中条件(5b)成立而引入的拉格朗日乘数,ν(0)是保证优化连接的凸问题中条件(5c)成立而引入的拉格朗日乘数,所有符号上标(0)表示迭代次数变量n=0,即迭代开始时拉格朗日乘数的初始值;
步骤2:n=n+1,然后根据下面式(7)计算第n+1次迭代过程中的用户接入参数式中上标(n+1)表示第n+1次迭代;
步骤3:将步骤2计算得到的代入下面式(8),更新第n+1次迭代过程中的参数
步骤4:将步骤3计算得到的代入下面式(6),更新第n+1次迭代过程中的参数ν(n+1);
步骤5:重复步骤2-4直到收敛,得到最优的用户接入矩阵X*;
式(6)至式(8)中下标i和j分别表示第i个用户和第j个基站,上标(n)表示迭代次数变量,表示使最大的q的取值,miq=log(Wlog(1+SINRiq)),ν(n)和分别是第n次迭代过程中保证优化连接的凸问题中约束条件(5c)和(5b)成立而引入的拉格朗日乘数;δ(n)是迭代步进值,通常可取1/n。
进一步地,所述步骤4)中,优化发射功率的问题具体如下:
进一步地,所述步骤4)中,优化发射功率的问题的等价问题具体如下:
其中,是引入的辅助变量,Uj={i∈U|xij=1}表示所有接入基站j的用户组成的用户集合。
进一步地,所述步骤4)中,优化发射功率的问题的等价问题进一步转化为优化功率的凸问题,具体如下:
其中,ρ={ρj}j∈B,是新引入的辅助变量,满足e为自然常数;和是引入的常数。
进一步地,所述步骤4)中,将优化功率的凸问题的算法称作算法二,算法二具体如下:步骤1:令迭代次数变量n=0,初始化拉格朗日乘数通常可取 其中,是保证优化功率的凸问题中条件(11b)成立而引入的拉格朗日乘数,是保证优化功率的凸问题中条件(11a)成立而引入的拉格朗日乘数,是保证优化功率的凸问题中条件(11c)成立而引入的拉格朗日乘数,是保证优化功率的凸问题中条件(11d)成立而引入的拉格朗日乘数;
步骤2:n=n+1,根据下面式(12)-(15)计算第n+1次迭代过程中的原始变量
步骤3:根据下面式(16)-(19)更新第n+1次迭代过程中的拉格朗日乘数
步骤4:重复步骤2-3直到收敛,得到最优的ρ*;
步骤5:根据计算得到最优发射功率p*。
其中,函数f-1(·)表示取f(x)的反函数;
其中,分别是第n+1次迭代过程中保证问题(11)中条件(11b),(11a),(11c),(11d)成立而引入的拉格朗日乘数;δ(n)是迭代步进值,通常可取1/n;[·]+表示投影到非负实数域,具体可按照如下公式计算,若m为任意实数,则有:
进一步地,所述步骤6)中,等效的能效效用函数值更新为:
有益效果:本发明采用如上技术方案,具有以下优点:
1)本发明方法联合考虑用户接入方式和功率控制方法的优化,与其他方法相比可实现更高的网络能量效率。
2)本发明方法引入能效的效用函数作为优化目标,得到最佳的用户接入和基站传输功率,在最大化能效的同时保证了网络的频谱效率和一定的用户公平性,在实际中更有应用价值。
3)本发明提出的优化算法,通过变量代换等方法将原优化问题转化为凸问题求解,交替迭代可以得到最优解,采用拉格朗日对偶的分析方法,降低了计算复杂度。
附图说明
图1是本发明的方法步骤流程图;
图2是不同接入方法下各基站用户接入量对比结果图;
图3是用户速率的累积分布函数(CDF)比较图;
具体实施方式
下面结合具体实施例进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等效变换均落于本申请所附权利要求所限定的范围。
以最大化能效的效用函数为目标,联合优化用户接入和基站发射功率,具体包括以下步骤:
1)根据当前信道状态信息,计算各基站到所有用户的信干噪比和频谱效率,具体如下:
其中,SINRij表示基站j到用户i的信干噪比,q表示基站集合中标号不为j的基站,pj表示基站j的发射功率,pq表示基站q的发射功率,hij表示基站j到用户i之间的信道增益(仅考虑路径损耗),hiq表示基站q到用户i之间的信道增益(仅考虑路径损耗),σ2表示噪声功率。cij表示基站j到用户i的频谱效率,W是系统带宽,kj是由基站j提供服务的用户总数,即基站j的负载。log(·)表示取对数操作。
2)初始化网络能效值,通常可取η=1,建立面向网络能效效用函数优化的用户接入及功率控制数学模型,具体为:
其中,B表示所有基站的集合,U表示所有用户的集合。是用户接入矩阵,NU、NM和NS分别表示一个小区内用户、宏基站和小基站的数目,元素xij指示用户i是否接入基站j,如果用户i接入基站j,则xij=1,反之xij=0。k={kj}j∈B是表示基站负载的矩阵,p={pj}j∈B是表示基站发射功率的矩阵。PC是系统已知的电路固定能耗。
3)面向网络能效效用函数优化的用户接入及功率控制数学模型是非凸问题,采用交替迭代的方法求解。首先初始化基站发射功率P为最大发射功率,通常宏基站的最大发射功率取43dBm,小基站的最大发射功率取23dBm,dBm是功率常用的单位,引入参数mij=log(Wlog(1+SINRij)),面向网络能效效用函数优化的用户接入及功率控制数学模型简化为只考虑优化用户连接的问题,具体如下:
将限制条件(4d)放缩为0≤xij≤1,只考虑优化用户连接的问题转化为一个优化连接的凸问题,具体如下:
采用拉格朗日对偶分解和经典次梯度方法迭代的算法求解该用户连接问题,得到固定功率条件下最优的用户接入矩阵。为方便叙述,将此优化用户连接的迭代算法称作算法一。算法一的迭代计算方法如下:
步骤1:令迭代次数变量n=0,初始化参数通常可取然后根据下面式(6)初始化参数ν(0)。其中是保证优化连接的凸问题中条件(5b)成立而引入的拉格朗日乘数,ν(0)是保证优化连接的凸问题中条件(5c)成立而引入的拉格朗日乘数;
步骤2:n=n+1,然后根据下面式(7)计算第n+1次迭代过程中的用户接入参数
步骤3:将步骤2计算得到的代入下面式(8),更新第n+1次迭代过程中的参数
步骤4:将步骤3计算得到的代入下面式(6),更新第n+1次迭代过程中的参数ν(n+1);
步骤5:重复步骤2-4直到收敛,得到最优的用户接入矩阵X*。
式(6)至式(8)中下标i和j分别表示第i个用户和第j个基站,上标n表示迭代次数变量,表示使最大的q的取值,miq=log(Wlog(1+SINRiq)),ν(n)和分别是第n次迭代过程中保证优化连接的凸问题中条件(5c)和(5b)成立而引入的拉格朗日乘数。δ(n)是迭代步进值,通常可取1/n。
4)固定接入矩阵X,面向网络能效效用函数优化的用户接入及功率控制数学模型简化为只考虑优化发射功率的问题,具体如下:
引入辅助变量其中Uj={i∈U|xij=1}表示所有接入基站j的用户组成的用户集合,只考虑优化发射功率的问题等价为如下问题:
式(10)转化为一个优化功率的凸问题,具体如下:
其中,ρ={ρj}j∈B,是新引入的辅助变量,满足e为自然常数。和是引入的常数。采用经典的拉格朗日对偶分解和次梯度方法迭代的算法求解优化功率的凸问题,为方便叙述,将求解此功率控制问题的算法称作算法二。算法二具体如下:
步骤1:令迭代次数变量n=0,初始化拉格朗日乘数通常可取 其中,是保证优化功率的凸问题中条件(11b)成立而引入的拉格朗日乘数,是保证优化功率的凸问题中条件(11a)成立而引入的拉格朗日乘数,是保证优化功率的凸问题中条件(11c)成立而引入的拉格朗日乘数,是保证优化功率的凸问题中条件(11d)成立而引入的拉格朗日乘数;
步骤2:n=n+1,根据下面式(12)-(15)计算第n+1次迭代过程中的原始变量
步骤3:根据下面式(16)-(19)更新第n+1次迭代过程中的拉格朗日乘数
步骤4:重复步骤2-3直到收敛,得到最优的ρ*;
步骤5:根据计算得到最优功率p*。
其中,函数f-1(·)表示取f(x)的反函数。
其中,分别是第n+1次迭代过程中保证优化功率的凸问题中条件(11b),(11a),(11c),(11d)成立而引入的拉格朗日乘数。δ(n)是迭代步进值,通常可取1/n。[·]+表示投影到非负实数域,具体可按照如下公式计算,若m为任意实数,则有:
5)更新发射功率矩阵为4)中得到的发射功率,重复执行步骤3)至4),直到面向网络能效效用函数优化的用户接入及功率控制数学模型收敛。
6)计算等价能效函数G(η),判断G(η)=0是否成立。若成立,则得到网络的最优能效值为η*=η;若不成立,则更新等效的能效值
7)重复步骤3)至6),直到找到使G(η*)=0的最佳传输能效η*。此时即可得到最优的用户接入矩阵和基站发射功率。
8)根据优化得到的结果,确定各基站的发射功率,各基站根据接入矩阵X确定用户接入,xij=1表示用户i接入到基站j。
如表1所示为不同接入算法下达到的网络能效的效用函数值,可以看出,与最大信干噪比接入方法相比,本发明方法可以达到更好的能效性能。
表1不同接入算法下达到的网络能效的效用函数值
Claims (3)
1.一种高能效的异构网络用户接入和功率控制方法,其特征在于,包括以下步骤:
1)根据当前信道状态信息,计算各基站到所有用户的信干噪比和频谱效率;
基站j到用户i的信干噪比和频谱效率分别计算为:
其中,SINRij表示基站j到用户i的信干噪比,q表示基站集合中标号不为j的基站,pj表示基站j的发射功率,pq表示基站q的发射功率,hij表示仅考虑路径损耗的基站j到用户i之间的信道增益,hiq表示仅考虑路径损耗的基站q到用户i之间的信道增益,σ2表示噪声功率;cij表示基站j到用户i的频谱效率,W是系统带宽,kj是由基站j提供服务的用户总数,即基站j的负载;log(·)表示取对数操作;
2)初始化网络能效值,建立面向网络能效效用函数优化的用户接入及功率控制数学模型;
3)采用交替迭代的方法求解面向网络能效效用函数优化的用户接入及功率控制数学模型,首先初始化基站的发射功率为最大发射功率,将面向网络能效效用函数优化的用户接入及功率控制数学模型简化为只考虑优化用户连接的问题;然后放缩限制条件,只考虑优化用户连接的问题转化为优化连接的凸问题;采用拉格朗日对偶分解和经典次梯度方法迭代的算法求解该用户连接问题,得到固定功率条件下最优的用户接入矩阵;
用户连接优化问题具体如下:
其中,mij=log(Wlog(1+SINRij))是为了简化目标函数表达式引入的参数;
条件放缩后的凸问题具体如下:
将采用拉格朗日对偶分解和经典次梯度方法求解用户连接的迭代算法称作算法一,算法一的迭代计算方法如下:
步骤31:令迭代次数变量n=0,初始化参数通常可取然后根据下面式(6)初始化参数ν(0),其中是保证优化连接的凸问题中条件(5b)成立而引入的拉格朗日乘数,ν(0)是保证优化连接的凸问题中条件(5c)成立而引入的拉格朗日乘数,所有符号上标(0)表示迭代次数变量n=0,即迭代开始时拉格朗日乘数的初始值;
步骤32:n=n+1,然后根据下面式(7)计算第n+1次迭代过程中的用户接入参数式中上标(n+1)表示第n+1次迭代;
步骤33:将步骤2计算得到的代入下面式(8),更新第n+1次迭代过程中的参数
步骤34:将步骤3计算得到的代入下面式(6),更新第n+1次迭代过程中的参数ν(n+1);
步骤35:重复步骤2-4直到收敛,得到最优的用户接入矩阵X*;
式(6)至式(8)中下标i和j分别表示第i个用户和第j个基站,上标(n)表示迭代次数变量,表示使最大的q的取值,miq=log(Wlog(1+SINRiq)),ν(n)和分别是第n次迭代过程中保证优化连接的凸问题中约束条件(5c)和(5b)成立而引入的拉格朗日乘数;δ(n)是迭代步进值,通常可取1/n;
4)将用户接入固定为步骤3)获得的用户接入矩阵,面向网络能效效用函数优化的用户接入及功率控制数学模型简化为只考虑优化发射功率的问题,引入辅助变量得到只考虑优化发射功率的问题的等价问题,利用变量代换进一步将只考虑优化发射功率的问题的等价问题转化为优化功率的凸问题;采用经典的拉格朗日对偶分解和次梯度方法迭代的算法求解此功率控制问题,得到固定用户接入条件下基站最优的发射功率;
优化发射功率的问题具体如下:
优化发射功率的问题的等价问题具体如下:
其中,是引入的辅助变量,Uj={i∈U|xij=1}表示所有接入基站j的用户组成的用户集合;
优化发射功率的问题的等价问题进一步转化为优化功率的凸问题,具体如下:
其中,ρ={ρj}j∈B,是新引入的辅助变量,满足e为自然常数;和是引入的常数;
将优化功率的凸问题的算法称作算法二,算法二具体如下:
步骤41:令迭代次数变量n=0,初始化拉格朗日乘数通常可取 其中,是保证优化功率的凸问题中条件(11b)成立而引入的拉格朗日乘数,是保证优化功率的凸问题中条件(11a)成立而引入的拉格朗日乘数,是保证优化功率的凸问题中条件(11c)成立而引入的拉格朗日乘数,是保证优化功率的凸问题中条件(11d)成立而引入的拉格朗日乘数;
步骤42:n=n+1,根据下面式(12)-(15)计算第n+1次迭代过程中的原始变量
步骤43:根据下面式(16)-(19)更新第n+1次迭代过程中的拉格朗日乘数
步骤44:重复步骤2-3直到收敛,得到最优的ρ*;
步骤45:根据计算得到最优发射功率p*;
其中,函数f-1(·)表示取f(x)的反函数;
其中,分别是第n+1次迭代过程中保证问题(11)中条件(11b),(11a),(11c),(11d)成立而引入的拉格朗日乘数;δ(n)是迭代步进值,通常可取1/n;[·]+表示投影到非负实数域,具体可按照如下公式计算,若m为任意实数,则有:
5)更新发射功率矩阵为4)中得到的发射功率,重复执行步骤3)至4),直到面向网络能效效用函数优化的用户接入及功率控制数学模型收敛;
6)计算等价能效函数G(η),判断G(η)=0是否成立;若成立,则得到网络的最优能效效用函数值为η*=η;若不成立,则更新等效的能效效用函数值;
7)重复步骤3)至6),直到找到使G(η*)=0的最佳网络能效的效用函数值η*;此时即可得到最优的用户接入矩阵和基站发射功率;
8)根据优化得到的结果,确定各基站的发射功率,各基站根据接入矩阵X确定用户接入。
2.根据权利要求1所述的高能效的异构网络用户接入和功率控制方法,其特征在于,所述步骤2)中,面向网络能效效用函数优化的用户接入及功率控制数学模型具体为:
其中,B表示所有基站的集合,U表示所有用户的集合;是用户接入矩阵,NU、NM和NS分别表示一个小区内用户、宏基站和小基站的数目,元素xij指示用户i是否接入基站j,如果用户i接入基站j,则xij=1,反之xij=0;k={kj}j∈B是表示基站负载的矩阵,p={pj}j∈B是表示基站发射功率的矩阵;PC是系统已知的电路固定能耗值,η是表示网络等效能效效用值的变量。
3.根据权利要求1所述的高能效的异构网络用户接入和功率控制方法,其特征在于,所述步骤6)中,等效的能效效用函数值更新为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710982800.1A CN107708197B (zh) | 2017-10-19 | 2017-10-19 | 一种高能效的异构网络用户接入和功率控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710982800.1A CN107708197B (zh) | 2017-10-19 | 2017-10-19 | 一种高能效的异构网络用户接入和功率控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107708197A CN107708197A (zh) | 2018-02-16 |
CN107708197B true CN107708197B (zh) | 2019-12-10 |
Family
ID=61181896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710982800.1A Active CN107708197B (zh) | 2017-10-19 | 2017-10-19 | 一种高能效的异构网络用户接入和功率控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107708197B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108365900A (zh) * | 2018-02-27 | 2018-08-03 | 华北电力大学(保定) | 超密集异构网系统中基于能耗与配对的用户接入方法 |
CN108848519B (zh) * | 2018-05-25 | 2021-05-18 | 东南大学 | 一种基于交叉熵学习的异构网络用户接入方法 |
CN111328087B (zh) * | 2018-12-17 | 2021-09-14 | 上海大学 | 基于深度学习的高能效异构网络子信道分配与功率分配方法 |
CN110401964B (zh) * | 2019-08-06 | 2021-08-03 | 北京邮电大学 | 一种面向用户为中心网络基于深度学习的功率控制方法 |
CN112822769A (zh) * | 2021-01-04 | 2021-05-18 | 上海航天测控通信研究所 | 一种基于能效最优的月球空间站功率分配方法及装置 |
CN114449634B (zh) * | 2022-01-18 | 2023-11-03 | 南京大学 | 一种面向6g全解耦网络的上行用户高效功率控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104185263A (zh) * | 2014-09-12 | 2014-12-03 | 东南大学 | 一种基于异构网络的多目标功率优化方法 |
CN105451268A (zh) * | 2015-11-10 | 2016-03-30 | 东南大学 | 一种高能效的异构小区接入方法 |
CN105916198A (zh) * | 2016-04-15 | 2016-08-31 | 东南大学 | 一种异构网络中基于能效公平的资源分配和功率控制方法 |
CN106304362A (zh) * | 2016-08-14 | 2017-01-04 | 辛建芳 | 一种基于ofdm的中继系统能效优化方法 |
-
2017
- 2017-10-19 CN CN201710982800.1A patent/CN107708197B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104185263A (zh) * | 2014-09-12 | 2014-12-03 | 东南大学 | 一种基于异构网络的多目标功率优化方法 |
CN105451268A (zh) * | 2015-11-10 | 2016-03-30 | 东南大学 | 一种高能效的异构小区接入方法 |
CN105916198A (zh) * | 2016-04-15 | 2016-08-31 | 东南大学 | 一种异构网络中基于能效公平的资源分配和功率控制方法 |
CN106304362A (zh) * | 2016-08-14 | 2017-01-04 | 辛建芳 | 一种基于ofdm的中继系统能效优化方法 |
Non-Patent Citations (1)
Title |
---|
User Association, Resource Allocation and Power Control in Load-Coupled Heterogeneous Networks;许威 等;《2016 IEEE Globecom研讨会(GC Wkshps)》;20161208;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107708197A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107708197B (zh) | 一种高能效的异构网络用户接入和功率控制方法 | |
CN109474980B (zh) | 一种基于深度增强学习的无线网络资源分配方法 | |
CN109729528B (zh) | 一种基于多智能体深度强化学习的d2d资源分配方法 | |
CN108924938B (zh) | 一种用于无线充电边缘计算网络计算能效的资源分配方法 | |
CN106358308A (zh) | 一种超密集网络中的强化学习的资源分配方法 | |
AlQerm et al. | Enhanced machine learning scheme for energy efficient resource allocation in 5G heterogeneous cloud radio access networks | |
CN107302766B (zh) | 一种分布式天线系统中能量效率和频谱效率权衡优化的方法 | |
CN110191489B (zh) | 一种超密集网络中基于强化学习的资源分配方法及装置 | |
CN111446992B (zh) | 无线供电大规模mimo网络中的最大化最小能效资源分配方法 | |
CN108965009B (zh) | 一种基于势博弈的负载已知用户关联方法 | |
CN111107645B (zh) | 一种均衡长期能效和网络稳定性的c-ran系统资源分配方法 | |
Tran et al. | Dynamic radio cooperation for downlink cloud-RANs with computing resource sharing | |
Zhu et al. | Computing offloading strategy using improved genetic algorithm in mobile edge computing system | |
CN107426775B (zh) | 一种面向高能效异构网络的分布式多用户接入方法 | |
CN103582105A (zh) | 一种大规模异构蜂窝网络中最大化系统效益的优化方法 | |
CN103944618B (zh) | 大规模miso协同能效发送方法 | |
Mu et al. | Latency constrained partial offloading and subcarrier allocations in small cell networks | |
Yang et al. | User association, resource allocation and power control in load-coupled heterogeneous networks | |
CN107396380B (zh) | 一种合作认知网络中认知用户能量效率最优化的方法 | |
CN104009824A (zh) | 一种基站协作上行链路系统中基于差分进化的导频辅助数据融合方法 | |
Liu et al. | Resource allocation for device-to-device communications as an underlay using nash bargaining game theory | |
CN108965034A (zh) | 小小区基站超密集部署下的用户关联到网络的方法 | |
CN106998555B (zh) | 一种异构网络中d2d通信的高能量效率资源复用方法 | |
CN113473580A (zh) | 异构网络中基于深度学习的用户关联联合功率分配策略 | |
CN111343721B (zh) | 一种最大化系统广义能效的d2d分布式资源分配方法 |
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 |