CN107750056B - 超密集网络中的干扰消减方法 - Google Patents
超密集网络中的干扰消减方法 Download PDFInfo
- Publication number
- CN107750056B CN107750056B CN201711004561.9A CN201711004561A CN107750056B CN 107750056 B CN107750056 B CN 107750056B CN 201711004561 A CN201711004561 A CN 201711004561A CN 107750056 B CN107750056 B CN 107750056B
- Authority
- CN
- China
- Prior art keywords
- cluster
- small base
- base stations
- users
- clusters
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了超密集网络中减少干扰的方法,适用于有N个小基站且每个小基站为若干个用户服务的超密集网络,N是正整数。首先构造小基站对应的路径损耗图,基于此图将小基站分簇,然后在每个簇内,簇头根据小基站与用户间的路径损耗构造簇内用户损耗图,将每个簇内的用户分组,其次簇头根据用户分组的情况采用图着色算法为每组用户分配子信道,最后如果在某个簇内有未用的子信道,则簇头计算本簇内每组用户收到的干扰信号功率之和与有用信号功率之和的比值,根据该比值挑选出干扰严重的用户组并为之重新分配子信道。
Description
技术领域
本发明涉及通信领域,具体涉及一种超密集网络中的干扰消减方法。
背景技术
超密集网络(UDN,Ultra Dense Network)是5G的关键技术之一。UDN中部署了大量的小小区,如家庭基站和微微蜂窝小区等,从而使得网络容量得到数十倍的提升。UDN中小基站与用户的距离较近,这使得系统在增大期望接收信号的同时,也放大了干扰信号,如何解决小小区间的干扰是提升网络性能的关键。
目前的干扰消减方法有分簇、资源管理、多点协作传输和小区间干扰协调等。通过分簇将整个网络分成若干个小网络,每个小网络包含若干个小基站,在簇内进行资源分配或多点协作传输以消减小小区间干扰。分簇的思想分为两类,其一,将干扰小的小基站放在一簇,采用图着色算法为每个簇的小基站分配频段或子信道,其二,将干扰大的小基站放在一簇,然后再为每个簇分配资源。目前,越来越多的学者倾向于研究第二种分簇方法,如文献“Hierarchical resource allocation framework for hyper-dense small cellnetworks”和“Game-theoretic hierarchical resource allocation in ultra-densenetworks”。这两篇文献都是先将小基站分簇,然后在每个簇内为小基站分配资源。然而,这两篇文章都假定每个小基站在同一时刻只为一个用户服务。文献“A dynamic graph-basedscheduling and interference coordination approach in heterogeneous cellularnetworks”假定每个小基站在同一时刻为多个用户服务,提出了该场景中基于分簇和资源分配的干扰消减方法,然而该方法将小基站分簇时,相互干扰的小基站都放在一个簇中,从而可能存在簇内小基站过多的情况,会导致簇头在用户分组和资源分配时的计算量过大。
发明内容
本发明提出了一种超密集网络中的干扰消减方法,适用于有N个小基站且每个小基站在同一时刻为若干个用户服务的超密集网络,N是正整数,该方法限制每个簇内小基站的数量,从而能避免簇头计算量过高的问题。
实现本发明的技术思路是:首先构造小基站对应的路径损耗图,基于此图将小基站分簇,然后在每个簇内,簇头根据小基站与用户间的路径损耗构造簇内用户损耗图,将每个簇内的用户分组,其次簇头根据用户分组的情况采用图着色算法为每组用户分配子信道,最后如果在某个簇内有未用的子信道,则簇头计算本簇内每组用户收到的干扰信号功率之和与有用信号功率之和的比值,根据该比值挑选出干扰严重的用户组并为之重新分配子信道。
综上所述,本发明提出了一种超密集网络中的干扰消减方法,适用于有N个小基站且每个小基站在同一时刻为若干个用户服务的超密集网络,N是正整数,包括如下步骤:
A,根据超密集网络的拓扑结构和小基站之间的路径损耗,构造小基站之间的损耗图;
B,根据步骤A构造的损耗图,将小基站分簇,每个簇包含若干个小基站;
C,步骤B将小基站分为K个簇,第k个簇有nk个小基站,nk≤F,F是预先设定的簇内小基站的最大数量,k=1,2,…,K,k和nk都是正整数,N是该网络中小基站的总数量,在每个簇内,簇头根据小基站与用户间的路径损耗构造簇内损耗图,基于该损耗图将每个簇内的用户分组;
D,第k个簇的簇头根据用户分组的情况为每组用户分配子信道,k=1,2,…,K,K是该网络包含的簇的总数。
进一步,所述步骤A具体包括:
A1,设置路径损耗门限,用Δ表示,若小基站间的路径损耗小于该门限,则认为小基站间有干扰,若小基站间的路径损耗大于或等于该门限,则认为小基站间无干扰;
A2,定义两个小基站之间的损耗值等于小基站之间的路径损耗,测量任意两个小基站之间的路径损耗;
A3,构造超密集网络对应的损耗图,该图中的节点对应小基站,损耗值小于Δ的两个小基站对应的节点之间有条边,边的长度即两个节点之间的距离等于这两个小基站之间的损耗值,若两个小基站之间的损耗值大于或等于Δ,则这两个小基站对应的节点之间没有边。
进一步,所述步骤B具体包括:
B1,在最新的损耗图中,找出度最大的点,若度最大的点有多个,则随机选取其中的一个作为第1个簇的簇头;
B2,以第1个簇的簇头为中心,以R为半径画圆,将落在此圆内的点对应的小基站放在第1个簇中,R是预先设置的簇的半径,R>0;
B3,若第1个簇中小基站的数量大于预先设定的簇内小基站的最大数量F,则让R-α赋值给R,再采用步骤B2的方法寻找第1个簇的小基站,重复该步骤,直到该簇中小基站的数量不多于F为止,α是一个较小的正数;
B4,在损耗图中删除第一个簇中的小基站对应的点以及与之相连的边,得到新的损耗图;
B5,重复步骤B1、B2、B3和B4,直至将所有度大于1的点都归到簇内,若最新的损耗图中存在度为零的点,则将每个度为零的点都单独放在一个新的簇中。
进一步,所述步骤C具体包括:
C1,用表示第k个簇内的小基站,测量到服务的所有用户的路径损耗的最小值,j=1,2,L,nk,j≠i,i=1,2,L,nk,将该最小值当做服务的用户到服务的用户的路径损耗,用表示,k=1,2,…,K,K是该网络包含的簇的总数;
C2,构造第k个簇内用户间的路径损耗图Pk,把簇内所有的用户当做顶点,若小于该簇的簇头预先设定的门限ηk,则服务的所有用户对应的点到服务的所有用户对应的点之间都有一条边,若大于预先设定的门限,则服务的所有用户对应的点与服务的所有用户对应的点都不相连,k=1,2,…,K,K是该网络包含的簇的总数,此外,同一小基站服务的多个用户对应的节点之间都有边相连,j=1,2,L,nk,j≠i,i=1,2,L,nk,nk是第k个簇内小基站的数量;
C3,采用图着色算法为Pk中的每个用户涂上颜色,用最少的颜色为相连的点涂不同的颜色,为不相连的点可以涂上相同的颜色也可以涂上不相同的颜色,将涂上相同颜色的用户分为一组,不同颜色的用户放在不同的组,k=1,2,…,K,K是该网络包含的簇的总数;
C4,在第k个簇内,若簇内用户组的数量大于子信道的总数M,则第k个簇的簇头将步骤C2中的ηk减去一个很小的正数后赋值给ηk,按照步骤C2和步骤C3构造簇内损耗图并且采用图着色算法将用户分组,若簇内用户组的数量仍大于子信道的总数M,则继续将ηk减去一个很小的正数后赋值给ηk并且执行步骤C2和步骤C3,直至第k个簇内用户组的数量小于或等于M,k=1,2,…,K,K是该网络包含的簇的总数。
进一步,所述步骤D具体包括:
D1,将簇分为两类,其中一类簇内用户组的数量等于子信道总数M,对应的簇的序号分别为另一类簇内用户组的数量小于M,对应的簇序号分别为 X和Y都是0到K之间的正整数,X+Y=K,K是该网络包含的簇的总数;
D4,对于序号为的簇,每个簇的簇头将子信道随机分配给本簇内的用户组,使得簇内每个用户组都分配了一个子信道,并且每个簇内任意两个用户组的子信道不同,y=1,2,…,Y,Y表示簇内用户组数量小于M的簇的总数,M是子信道的总数;
D5,采用步骤D2、步骤D3和步骤D4为每个簇分配子信道后,序号为的簇的簇头计算本簇内每组用户收到的干扰信号功率之和与有用信号功率之和的比值,按照该比值从大到小的顺序找出个用户组,将子信道随机分配给这个用户组,y=1,2,…,Y,Y表示簇内用户组数量小于M的簇的总数,M是子信道的总数,表示第y个簇内用户组的数量。
有益效果:
与现有方案相比,本发明中每个簇中包含的小基站的总数不超过预先设定的簇内小基站的最大数量,从而不会导致簇头的计算量过大。在每个簇内用户分组的过程中,用户组数不超过子信道总数,能保证簇内的小基站都采用正交的子信道,从而能避免簇内干扰。
附图说明
图1是本发明实施例的系统模型;
图2是本发明实施例的损耗图;
图3是本发明实施例中删除第1个簇之后的损耗图;
图4是本发明实施例中删除第2个簇之后的损耗图;
图5是第2个簇内用户间的路径损耗图;
图6是对图5进行图着色算法后得到的图;
图7是本发明的流程图;
图8是本发明构造基站间损耗图和基站分簇的流程图
图9是本发明方法中构造用户间损耗图和将用户分组的流程图
图10是本发明中子信道分配的流程图。
具体实施方式
下面结合本发明的一种实施例,对本发明做进一步详细的说明。系统模型如图1所示。系统可使用的子信道共M个,系统中有N个小基站,每个小基站在同一时刻为多个用户服务,N远远大于M。不妨假定M=10且N=33,每个小基站在同一时刻为2个用户服务,每个簇内小基站的数量不超过6个。
设置路径损耗门限,用Δ表示,若小基站间的路径损耗小于该门限,则认为小基站间有干扰,若小基站间的路径损耗大于或等于该门限,则认为小基站间无干扰。定义两个小基站之间的损耗值等于小基站之间的路径损耗,测量任意两个小基站之间的路径损耗。
构造小基站对应的损耗图,如图2所示,该图中的节点对应小基站,损耗值小于Δ的两个小基站对应的节点之间有条边,边的长度即两个节点之间的距离等于这两个小基站之间的损耗值,若两个小基站之间的损耗值大于或等于Δ,则这两个小基站对应的节点之间没有边。作为实施例,图2中边的长度是随机给出的。
在图2中找出度最大的点,即节点16和节点18。随机选取其中的一个,将小基站18放在第1个簇中。预先设置簇的半径3.5,以节点18为中心,3.5为半径画圆,则节点13、14、15、16、22都落在圆内,将这5个节点对应的小基站放在第1个簇中,这样就找到了第1个簇包含的所有小基站,共6个小基站,没有超过预先设定的簇内小基站的最大数量。在图2中删除第1个簇中的小基站对应的点以及与之相连的边,得到新的损耗图,如图3所示。
在图3中,找出度最大的节点,即节点7,将节点7对应的小基站放在第2个簇中。以节点7为中心,以3.5为半径画圆,落在此圆内的节点有节点2、节点6、节点8和节点12,将这4个节点对应的小基站放在第2个簇中。删除图3中第2个簇中的小基站对应的点以及与之相连的边,得到新的损耗图,如图4所示。
图4中度最大的节点有节点28和节点31,不妨首先取出节点28,将该节点对应的小基站当做第3个簇的簇头,按照相同的方法可知,节点20、节点21和节点30对应的小基站都应该放在第3个簇中。按照相同的方法寻找簇头以及簇内的小基站,直至将所有度大于1的点对应的小基站都归到簇内。若新的损耗图中存在度为零的点,则将每个度为零的点都单独放在一个新的簇中。这样就得到了所有的簇,用Qi表示第i个簇,i=1,2,…,12,Q1={18,13,14,15,16,22},Q2={7,2,6,8,12},Q3={28,20,21,30},Q4={26,27,31},Q5={10,33,5},Q6={17,32,25},Q7={19,11,29},Q8={23,24},Q9={4},Q10={9},Q11={1},Q12={3}。
下面以第2个簇为例,给出簇内的子信道分配方法,假定在同一时刻每个小基站同时为两个用户服务。Q2={7,2,6,8,12},第2个簇共有5个小基站,分别用表示这些小基站。测量到服务的所有用户的路径损耗的最小值,j=1,2,L,5,j≠i,i=1,2,L,5,将该最小值当做服务的用户到服务的用户的路径损耗,用表示。构造第2个簇内用户间的路径损耗图P2,如图5所示,把簇内所有的用户当做顶点,u-1和u-2分别表示小基站u服务的第1个用户和第2个用户,u=7,2,6,8,12,若小于该簇的簇头预先设定的门限η2,则服务的所有用户对应的点到服务的所有用户对应的点之间都有一条边,若大于预先设定的门限,则的所有用户对应的点与的所有用户对应的点都不相连,此外,同一小基站服务的两个用户之间都有边。
采用图着色算法为P2中的每个用户涂上颜色,用最少的颜色为相连的点涂不同的颜色,为不相连的点可以涂上相同的颜色也可以涂上不相同的颜色,将涂上相同颜色的用户分为一组,不同颜色的用户放在不同的组,如图6所示,共用了7种颜色。
共有10个子信道,第2个簇至少需要7个子信道,簇头随机将子信道分配给每组用户,还剩余3个子信道。然后,簇头计算本簇内每组用户收到的干扰信号功率之和与有用信号功率之和的比值,按照该比值从大到小的顺序找出3个用户组,将剩余的3个子信道随机分配给这3个用户组。
下面结合附图,对本发明的具体实施过程做进一步说明。
结合本发明的流程图即图7,干扰消减方法的具体步骤如下:
A,根据超密集网络的拓扑结构和小基站之间的路径损耗,构造小基站之间的损耗图;
B,根据步骤A构造的损耗图,将小基站分簇,每个簇包含若干个小基站;
C,步骤B将小基站分为K个簇,第k个簇有nk个小基站,nk≤F,F是预先设定的簇内小基站的最大数量,k=1,2,…,K,k和nk都是正整数,N是该网络中小基站的总数量,在每个簇内,簇头根据小基站与用户间的路径损耗构造簇内损耗图,基于该损耗图将每个簇内的用户分组;
D,第k个簇的簇头根据用户分组的情况为每组用户分配子信道,k=1,2,…,K,K是该网络包含的簇的总数。
图8是本发明构造基站间损耗图和基站分簇的流程图,具体过程如下:
A1,设置路径损耗门限,用Δ表示,若小基站间的路径损耗小于该门限,则认为小基站间有干扰,若小基站间的路径损耗大于或等于该门限,则认为小基站间无干扰;
A2,定义两个小基站之间的损耗值等于小基站之间的路径损耗,测量任意两个小基站之间的路径损耗;
A3,构造超密集网络对应的损耗图,该图中的节点对应小基站,损耗值小于Δ的两个小基站对应的节点之间有条边,边的长度即两个节点之间的距离等于这两个小基站之间的损耗值,若两个小基站之间的损耗值大于或等于Δ,则这两个小基站对应的节点之间没有边;
B1,在最新的损耗图中,找出度最大的点,若度最大的点有多个,则随机选取其中的一个作为第1个簇的簇头;
B2,以第1个簇的簇头为中心,以R为半径画圆,将落在此圆内的点对应的小基站放在第1个簇中,R是预先设置的簇的半径,R>0;
B3,若第1个簇中小基站的数量大于预先设定的簇内小基站的最大数量F,则让R-α赋值给R,再采用步骤B2的方法寻找第1个簇的小基站,重复该步骤,直到该簇中小基站的数量不多于F为止,α是一个较小的正数;
B4,在损耗图中删除第一个簇中的小基站对应的点以及与之相连的边,得到新的损耗图;
B5,重复步骤B1、B2、B3和B4,直至将所有度大于1的点都归到簇内,若最新的损耗图中存在度为零的点,则将每个度为零的点都单独放在一个新的簇中。
图9是本发明方法中构造用户间损耗图和将用户分组的流程图,具体过程如下:
C1,用表示第k个簇内的小基站,测量到服务的所有用户的路径损耗的最小值,j=1,2,L,nk,j≠i,i=1,2,L,nk,将该最小值当做服务的用户到服务的用户的路径损耗,用表示,k=1,2,…,K,K是该网络包含的簇的总数;
C2,构造第k个簇内用户间的路径损耗图Pk,把簇内所有的用户当做顶点,若小于该簇的簇头预先设定的门限ηk,则服务的所有用户对应的点到服务的所有用户对应的点之间都有一条边,若大于预先设定的门限,则服务的所有用户对应的点与服务的所有用户对应的点都不相连,k=1,2,…,K,K是该网络包含的簇的总数,此外,同一小基站服务的多个用户对应的节点之间都有边相连,j=1,2,L,nk,j≠i,i=1,2,L,nk,nk是第k个簇内小基站的数量;
C3,采用图着色算法为Pk中的每个用户涂上颜色,用最少的颜色为相连的点涂不同的颜色,为不相连的点可以涂上相同的颜色也可以涂上不相同的颜色,将涂上相同颜色的用户分为一组,不同颜色的用户放在不同的组,k=1,2,…,K,K是该网络包含的簇的总数;
C4,在第k个簇内,若簇内用户组的数量大于子信道的总数M,则第k个簇的簇头将步骤C2中的ηk减去一个很小的正数后赋值给ηk,按照步骤C2和步骤C3构造簇内损耗图并且采用图着色算法将用户分组,若簇内用户组的数量仍大于子信道的总数M,则继续将ηk减去一个很小的正数后赋值给ηk并且执行步骤C2和步骤C3,直至第k个簇内用户组的数量小于或等于M,k=1,2,…,K,K是该网络包含的簇的总数。
图10是本发明方法中子信道分配的流程图,具体过程如下:
D1,将簇分为两类,其中一类簇内用户组的数量等于子信道总数M,对应的簇的序号分别为另一类簇内用户组的数量小于M,对应的簇序号分别为 X和Y都是0到K之间的正整数,X+Y=K,K是该网络包含的簇的总数;
D4,对于序号为的簇,每个簇的簇头将子信道随机分配给本簇内的用户组,使得簇内每个用户组都分配了一个子信道,并且每个簇内任意两个用户组的子信道不同,y=1,2,…,Y,Y表示簇内用户组数量小于M的簇的总数,M是子信道的总数;
D5,采用步骤D2、步骤D3和步骤D4为每个簇分配子信道后,序号为的簇的簇头计算本簇内每组用户收到的干扰信号功率之和与有用信号功率之和的比值,按照该比值从大到小的顺序找出个用户组,将子信道随机分配给这个用户组,y=1,2,…,Y,Y表示簇内用户组数量小于M的簇的总数,M是子信道的总数,表示第y个簇内用户组的数量。
以上实施例仅仅是对本发明的举例说明,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (1)
1.一种超密集网络中的干扰消减方法,适用于有N个小基站且每个小基站在同一时刻为若干个用户服务的超密集网络,N是正整数,其特征在于,包括如下步骤:
A,根据超密集网络的拓扑结构和小基站之间的路径损耗,构造小基站之间的损耗图,具体过程如下:
A1,设置路径损耗门限,用Δ表示,若小基站间的路径损耗小于该门限,则认为小基站间有干扰,若小基站间的路径损耗大于或等于该门限,则认为小基站间无干扰;
A2,定义两个小基站之间的损耗值等于小基站之间的路径损耗,测量任意两个小基站之间的路径损耗;
A3,构造超密集网络对应的损耗图,该图中的节点对应小基站,损耗值小于Δ的两个小基站对应的节点之间有条边,边的长度即两个节点之间的距离等于这两个小基站之间的损耗值,若两个小基站之间的损耗值大于或等于Δ,则这两个小基站对应的节点之间没有边;
B,根据步骤A构造的损耗图,将小基站分簇,每个簇包含若干个小基站,具体过程如下:
B1,在最新的损耗图中,找出度最大的点,若度最大的点有多个,则随机选取其中的一个作为第1个簇的簇头;
B2,以第1个簇的簇头为中心,以R为半径画圆,将落在此圆内的点对应的小基站放在第1个簇中,R是预先设置的簇的半径,R>0;
B3,若第1个簇中小基站的数量大于预先设定的簇内小基站的最大数量F,则让R-α赋值给R,再采用步骤B2的方法寻找第1个簇的小基站,重复该步骤,直到该簇中小基站的数量不多于F为止,α是一个较小的正数;
B4,在损耗图中删除第一个簇中的小基站对应的点以及与之相连的边,得到新的损耗图;
B5,重复步骤B1、B2、B3和B4,直至将所有度大于1的点都归到簇内,若最新的损耗图中存在度为零的点,则将每个度为零的点都单独放在一个新的簇中;
步骤B中的度是根据图算法中的含义,也就是点的度,等于是与该点相连的边的数量,在损耗图图中每个点都有自己的度;
C,步骤B将小基站分为K个簇,第k个簇有nk个小基站,nk≤F,F是预先设定的簇内小基站的最大数量,k=1,2,…,K,k和nk都是正整数,N是该网络中小基站的总数量,在每个簇内,簇头根据小基站与用户间的路径损耗构造簇内损耗图,基于该损耗图将每个簇内的用户分组,具体过程如下:
C1,用表示第k个簇内的小基站,测量到服务的所有用户的路径损耗的最小值,j=1,2,L,nk,j≠i,i=1,2,L,nk,将该最小值当做服务的用户到服务的用户的路径损耗,用表示,k=1,2,…,K,K是该网络包含的簇的总数;
C2,构造第k个簇内用户间的路径损耗图Pk,把簇内所有的用户当做顶点,若小于该簇的簇头预先设定的门限ηk,则服务的所有用户对应的点到服务的所有用户对应的点之间都有一条边,若大于预先设定的门限,则服务的所有用户对应的点与服务的所有用户对应的点都不相连,k=1,2,…,K,K是该网络包含的簇的总数,此外,同一小基站服务的多个用户对应的节点之间都有边相连,j=1,2,L,nk,j≠i,i=1,2,L,nk,nk是第k个簇内小基站的数量;
C3,采用图着色算法为Pk中的每个用户涂上颜色,用最少的颜色为相连的点涂不同的颜色,为不相连的点可以涂上相同的颜色也可以涂上不相同的颜色,将涂上相同颜色的用户分为一组,不同颜色的用户放在不同的组,k=1,2,…,K,K是该网络包含的簇的总数;
C4,在第k个簇内,若簇内用户组的数量大于子信道的总数M,则第k个簇的簇头将步骤C2中的ηk减去一个很小的正数后赋值给ηk,按照步骤C2和步骤C3构造簇内损耗图并且采用图着色算法将用户分组,若簇内用户组的数量仍大于子信道的总数M,则继续将ηk减去一个很小的正数后赋值给ηk并且执行步骤C2和步骤C3,直至第k个簇内用户组的数量小于或等于M,k=1,2,…,K,K是该网络包含的簇的总数;
D,第k个簇的簇头根据用户分组的情况为每组用户分配子信道,k=1,2,…,K,K是该网络包含的簇的总数,具体过程如下:
D4,对于序号为的簇,每个簇的簇头将子信道随机分配给本簇内的用户组,使得簇内每个用户组都分配了一个子信道,并且每个簇内任意两个用户组的子信道不同,y=1,2,…,Y,Y表示簇内用户组数量小于M的簇的总数,M是子信道的总数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711004561.9A CN107750056B (zh) | 2017-10-25 | 2017-10-25 | 超密集网络中的干扰消减方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711004561.9A CN107750056B (zh) | 2017-10-25 | 2017-10-25 | 超密集网络中的干扰消减方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107750056A CN107750056A (zh) | 2018-03-02 |
CN107750056B true CN107750056B (zh) | 2020-12-11 |
Family
ID=61253172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711004561.9A Active CN107750056B (zh) | 2017-10-25 | 2017-10-25 | 超密集网络中的干扰消减方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107750056B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108462964B (zh) * | 2018-03-21 | 2021-12-31 | 河南理工大学 | Udn中基于重叠分簇的干扰消减方法 |
CN108322271B (zh) * | 2018-03-21 | 2021-06-15 | 河南理工大学 | 基于负载的以用户为中心的动态分簇方法 |
CN108882252B (zh) * | 2018-06-14 | 2021-10-08 | 西安邮电大学 | 干扰增量降低的分簇方法 |
CN108924878B (zh) * | 2018-07-04 | 2020-11-03 | 北京邮电大学 | 一种基于图着色理论的共存无线体域网间干扰消除方法 |
CN109548073B (zh) * | 2018-11-16 | 2020-09-25 | 厦门大学 | 一种基于多对多匹配的自适应小小区分簇方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104135749A (zh) * | 2014-08-20 | 2014-11-05 | 河海大学常州校区 | 基于网络密度分簇的无线传感器网络移动信标路径规划方法 |
CN104159313A (zh) * | 2014-08-07 | 2014-11-19 | 重庆邮电大学 | 认知异构网络中基于可靠通信的家庭基站用户分簇方法 |
CN105813129A (zh) * | 2016-05-19 | 2016-07-27 | 重庆邮电大学 | 一种基于d2d分簇的资源分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9369845B2 (en) * | 2012-03-23 | 2016-06-14 | Skyhook Wireless, Inc. | Methods and systems of assigning estimated positions and attributes to wireless access points in a positioning system |
-
2017
- 2017-10-25 CN CN201711004561.9A patent/CN107750056B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104159313A (zh) * | 2014-08-07 | 2014-11-19 | 重庆邮电大学 | 认知异构网络中基于可靠通信的家庭基站用户分簇方法 |
CN104135749A (zh) * | 2014-08-20 | 2014-11-05 | 河海大学常州校区 | 基于网络密度分簇的无线传感器网络移动信标路径规划方法 |
CN105813129A (zh) * | 2016-05-19 | 2016-07-27 | 重庆邮电大学 | 一种基于d2d分簇的资源分配方法 |
Non-Patent Citations (2)
Title |
---|
A Dynamic Graph-Based Scheduling and;Li Zhou, Xiping Hu,;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20160531;第65卷(第5期);全文 * |
超密集小峰窝网中基于干扰协调的小区分簇和功率分配算法;朱晓荣、朱蔚然;《电子与信息学报》;20160331;第38卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107750056A (zh) | 2018-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107750056B (zh) | 超密集网络中的干扰消减方法 | |
CN107172682B (zh) | 基于动态分簇的超密集网络无线资源分配方法 | |
CN107770874B (zh) | 超密集网络中的分簇方法和子信道分配方法 | |
CN107613555B (zh) | 非正交多址接入蜂窝和终端直通密集网络资源管控方法 | |
CN104768162B (zh) | 一种多小区大规模mimo系统的导频动态分配方法 | |
CN102387587B (zh) | 一种资源分配方法及装置 | |
Zhao et al. | A coloring-based cluster resource allocation for ultra dense network | |
CN107197496A (zh) | 一种保证用户公平性的noma用户动态分簇方法 | |
CN108848482B (zh) | 基于mMTC分层接入框架的资源分配方法 | |
CN102256362B (zh) | 一种用于多信道无线网络的链路分配方法 | |
Zhang et al. | Subcarrier allocation algorithms based on graph-coloring in Cognitive Radio NC-OFDM system | |
Ullah et al. | Voronoi cell geometry based dynamic fractional frequency reuse for OFDMA cellular networks | |
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 | |
CN108513304B (zh) | 一种资源分配方法及装置 | |
CN106793126B (zh) | 一种认知无线电网络中动态频谱资源分配方法 | |
Dahrouj et al. | Coordinated scheduling for wireless backhaul networks with soft frequency reuse | |
CN110691383B (zh) | 一种资源分配方法及装置 | |
CN108307514B (zh) | 基于双重分簇和资源分配的簇间干扰消除方法 | |
CN110380808B (zh) | 以用户设备为中心的微小区半分簇干扰协调方法 | |
CN102480734B (zh) | 一种分配时频资源的方法和装置 | |
CN108134623B (zh) | 超密集网络中基于单频段分簇的干扰消减方法 | |
CN109348487B (zh) | 基于认知无线电的电力无线专网资源分配方法 | |
CN108112047B (zh) | 以用户为中心的半动态分簇方法 | |
CN108462964B (zh) | Udn中基于重叠分簇的干扰消减方法 | |
Shinde et al. | Hybrid channel allocation in wireless network using evolutionary strategy |
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 |