CN107911853A - 一种基于蚁群算法的scma系统资源分配算法 - Google Patents
一种基于蚁群算法的scma系统资源分配算法 Download PDFInfo
- Publication number
- CN107911853A CN107911853A CN201710977949.0A CN201710977949A CN107911853A CN 107911853 A CN107911853 A CN 107911853A CN 201710977949 A CN201710977949 A CN 201710977949A CN 107911853 A CN107911853 A CN 107911853A
- Authority
- CN
- China
- Prior art keywords
- mrow
- user
- msub
- layer
- ant
- 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
Classifications
-
- 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
- H04W40/246—Connectivity information discovery
-
- 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
- H04L5/0001—Arrangements for dividing the transmission path
- H04L5/0003—Two-dimensional division
- H04L5/0005—Time-frequency
- H04L5/0007—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT
- H04L5/0008—Wavelet-division
-
- 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
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- 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
Abstract
本发明请求保护一种基于蚁群算法的资源分配算法，将原来的问题等价为一个求解最佳路径的问题，并使蚂蚁在信息素及启发式信息的指导下寻找最优的路径，那么这个最优的路径就是原问题的解。因为该算法具备正反馈和启发式的优点，所以可以使得算法可以通过相对较少的迭代次数得到一个较好的资源分配方案。仿真表明本发明提出的算法在达到一定的迭代次数后，算法收敛，此时系统的吞吐量达到最大值，且该算法相对于随机层分配算法来说能获得较好的系统吞吐量增益。
Description
技术领域
本发明属于无线通信领域的资源分配领域，涉及到一种收敛块，吞吐量相对于随机层分配算法能获得较好的系统吞吐量的基于蚁群算法的资源分配算法。
背景技术
SCMA是由华为公司提出的一种新的非正交多址接入技术，把来自不同用户的输入比特流直接映射到相应的多维码本的码字上(每个码字代表一个扩频传输层)，从而实现多个SCMA层/码本占用相同的OFDMA的时频资源。由于SCMA 码字的稀疏性，因而接收端可以利用低复杂度的检测算法(Message Passing Algorithm,MPA)达到最优的检测性能。基于SCMA的资源分配问题就是研究怎么样为不同的用户分配层资源和功率。根据优化目标的不同，可以分为下面两种形式：一种是基于总发射功率最小化的问题，另一种是吞吐量最大化的问题。
目前针对述关于SCMA的研究尽管取得了一些成果，但是大多数都没有考虑信道条件，且在性能分析中用户大多数都是采用随机码本，功率分配方面只是采用简单的功率均分方式，这些都没有充分利用SCMA特性。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种能获得较好的系统吞吐量增益、迭代次数较少的基于蚁群算法的SCMA系统资源分配算法、。本发明的技术方案如下：
一种基于蚁群算法的SCMA系统资源分配算法，其首先将最大化SCMA系统吞吐量分配问题等价为一个求解最佳路径的问题，即将最大化SCMA系统吞吐量分配问题建模成一个二部图，所述二部图中多个边的集合组成一条可行路径，对于SCMA系统吞吐量问题的一种分配方案对应着一种解，而求该问题的最优解对应二部图中的一条最优路径；采用蚁群算法求解该最优路径：将蚂蚁随机的放在用户集上，让蚂蚁在信息素和启发式信息的引导下构建最优的路径，并按照求解的最优路径对应资源分配。
进一步的，所述最大化SCMA系统吞吐量分配问题为一个非凸优化问题，采用先对用户进行功率均分，再对用户进行层分配的方法来求解，所述层分配采用蚁群算法进行分配，对用户层分配完之后进行注水功率分配。
进一步的，所述层分配采用蚁群算法进行分配具体包括步骤：
步骤1：参数初始化，将Q只蚂蚁随机放在二部图用户集U上，并设置SCMA层集M用户集U之间的信息素τk,m及启发信息ηk,m的初始分布，N表示子载波总数；步骤2:每只蚂蚁按照一定的概率为用户选择层m，当蚂蚁位于用户k上时，按照公式(5)将层m分配给用户k
其中,是第q只蚂蚁可以将层m分配用户k的所有SCMA层，τk,m为SCMA层集 M用户集U之间的信息素，ηk,m为SCMA层集M和用户集U之间的启发信息，α,β为蚁群算法参数，取值为α＝1,β＝2；
步骤3：蚂蚁随机移动到下一个未分配SCMA层资源的用户上，重复步骤2；
步骤4：当所有蚂蚁遍历完所有用户时完成一次迭代，也就构成q个解，计算每个解，得系统吞吐量，选择吞吐量最大的那个解去更新信息素；
步骤5：如果迭代次数达到最大迭代次数T,或者所有蚂蚁构造的解一致，算法停止；
步骤6：对步骤5得到的最优解使用注水算法进行用户间的功率分配。
进一步的，所述启发信息ηk,mηk,m定义为：
其中αn,m为用户k使用层m上的子载波n时的功率比例因子，它的取值为αn,m＝0.5，pk,m为用户k占用m时的功率，在该步骤中功率采用均分的方式分配，由总功率和码本层数可以计算得到用户k占用层m时的功率，hk,n为用户k 在子载波n上的信道增益，信道模型为小尺度衰落瑞利信道，由此得到hk,n，为噪声的方差。
进一步的，所述步骤4更新信息素的更新规则如下：
τk,m＝(1-ρ)τk,m+△τk,m (6)
且当用户k占用层m时，
其他情况△τk,m＝0；
其中，0≤ρ≤1为信息素挥发系数，△τk,m为将层m分配给用户k的信息增量，Rk,m为用户k占用层m时的速率，Rk,m可以由公式(8)计算得到
Rk,m＝sk,mlog2(1+SNRk,m) (8)
为蚁群当前循环中求得的最大吞吐量。
进一步的，所述步骤6对步骤5得到的最优解使用注水算法进行用户间的功率分配可以通过公式(9),(10),(11)得到，其中μ为注水基准，hk,n为用户k 在子载波n上的信道增益，Pmax为基站的最大传输功率，为噪声的方差。
本发明的优点及有益效果如下：
本发明通过基于蚁群算法的SCMA系统资源分配算法，将原来的问题等价为一个求解最佳路径的问题，并使蚂蚁在信息素及启发式信息的指导下寻找最优的路径，那么这个最优的路径就是原问题的解。因为该算法具备正反馈和启发式的优点，所以可以使得算法可以通过相对较少的迭代次数得到一个较好的资源分配方案。仿真表明在达到一定的迭代次数后，算法收敛，此时系统的吞吐量达到最大值，且该算法相对于随机层分配算法来说能获得较好的系统吞吐量增益。
附图说明
图1是本发明的SCMA系统网络框图；
图2为二部图；
图3为系统吞吐量随迭代次数的变化图；
图4为不同资源分配算法的系统吞吐量对比图。
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：
本发明SCMA是由华为公司提出的一种新的非正交多址接入技术，把来自不同用户的输入比特流直接映射到相应的多维码本的码字上(每个码字代表一个扩频传输层)，从而实现多个SCMA层/码本占用相同的OFDMA的时频资源。由于 SCMA码字的稀疏性，因而接收端可以利用低复杂度的检测算法(Message Passing Algorithm,MPA)达到最优的检测性能。
本发明所要解决的技术问题就是提供一种基于蚁群算法的资源分配方法，首先将最大化SCMA系统吞吐量分配问题建模成一个二部图，图中多个边的集合组成一条可行路径，对于该问题的一种分配方案对应着一种解，而求该问题的最优解对应寻求图中的一条最优路径。然后将蚂蚁随机的放在用户集上，让蚂蚁在信息素和启发式信息的引导下构建最优的路径。本发明通过采用基于蚁群算法的资源分配方法可以显著提高SCMA系统吞吐量。
假设在一个时频资源块中SCMA层为m，子载波个数为n。用指示变量cn,m来表示表示层m和子载波n的映射关系，定义分配给用户k使用层m上的子载波n 的功率比例因子为αn,m,如果层m占用了子载波n则cn,m＝1，否则cn,m＝0，如果 cn,m＝0，则αn,m＝0。SCMA系统网络框图如图1所示，层一对应码本一，层二对应码本二，层六对应码本六，由于SCMA码字的稀疏性，接收机可以利用MPA算法来进行多用户检测，从而降低接收机信号检测的复杂度。使用理想MPA接收机，可以认为不同层之间的码字相互没有干扰，那么，分配到不同层的码字可以视为正交资源，因而干扰仅仅发生在复用相同层或码本的用户之间。本文假设在理想同步情况以及理想MPA接收下，。SCMA网络中的多用户干扰可以忽略。
则使用SCMA层m时用户k的信噪比为
其中pk,m为用户k占用m时的功率，为噪声的方差，hk,n为用户k在子载波n 上的信道增益，假定SCMA系统总层数为M，用户k的可达数据速率可以表示为
其中sk,m＝1表示层m分给了用户k，否则sk,m＝0。以上述系统模型为基础，为了最大化系统吞吐量，同时考虑最大传输功率等限制，联合分配SCMA层资源及SCMA 层资源上的功率，其优化模型可以建立为
S,t,
其中,Rk是用户k的速率，Pmax是指最大传输功率。约束(3a)保证基站处的传输总功率不大于其最大传输功率，约束(3b)保证每个SCMA层只能被一个用户占用。
原优化问题是是一个非凸优化问题，解决起来比较麻烦，本发明提出的解决办法是先对用户进行功率均分，再对用户进行层分配，层分配采用下面将要讲的蚁群算法，对用户层分配完之后进行注水功率分配，这样可以极大降低原问题的复杂度。
在图2中集合M表示n个节点的层集合，对于每个层M,U表示K个节点的用户集合，bk,n是连接用户节点和层节点边的集合，如果层m分配给用户k，则层m 和用户k有边相连。图中多个边组成一条可行路径，对于原优化问题的一种分配方案，求原优化问题的最优解就是寻求最优的路径，从而构成原优化问题的解，在达到预定的迭代次数后，算法就会收敛。
本发明提出的一种基于蚁群算法的资源分配方法的具体技术方案如下:
步骤1：参数初始化，将Q只蚂蚁随机放在图2中的用户集U上，并设置SCMA 层集M用户集U之间的信息素τk,m及启发信息ηk,m的初始分布。信息素使得蚂蚁偏向与选择那些速率较大的层，N表示子载波总数，ηk,m在本文中定义为：
其中αn,m为用户k使用层m上的子载波n时的功率比例因子，它的取值为αn,m＝0.5，pk,m为用户k占用m时的功率，在该步骤中功率采用均分的方式分配，由总功率和码本层数可以计算得到用户k占用层m时的功率，hk,n为用户k 在子载波n上的信道增益，信道模型为小尺度衰落瑞利信道，由此可以得到hk,n，为噪声的方差，本发明中蚂蚁个数Q＝6，层数为6层。
步骤2:每只蚂蚁按照一定的概率为用户选择层m，当蚂蚁位于用户k上时，按照公式(5)将层m分配给用户k。
其中,是第q只蚂蚁可以将层m分配用户k的所有SCMA层，
τk,m为SCMA层集M用户集U之间的信息素，ηk,m为SCMA层集M和用户集U之间的启发信息，α,β为蚁群算法参数，取值为α＝1,β＝2。
步骤3：蚂蚁随机移动到下一个未分配SCMA层资源的用户上，重复步骤二。
步骤4：当所有蚂蚁遍历完所有用户时完成一次迭代，也就构成q个解，计算每个解，得系统吞吐量，选择吞吐量最大的那个解去更新信息素，更新规则如下：
τk,m＝(1-ρ)τk,m+△τk,m (6)
且当用户k占用层m时，
其他情况△τk,m＝0。
其中，0≤ρ≤1为信息素挥发系数，本发明中ρ＝0.1，△τk,m为将层m分配给用户k的信息增量，Rk,m为用户k占用层m时的速率，Rk,m可以由公式(8)计算得到
Rk,m＝sk,mlog2(1+SNRk,m) (8)
为蚁群当前循环中求得的最大吞吐量。
步骤5：如果迭代次数达到最大迭代次数T,或者所有蚂蚁构造的解一致，算法停止。
步骤6：对步骤五得到的最优解使用注水算法进行用户间的功率分配，可以通过公式(9),(10),(11)得到，其中μ为注水基准，hk,n为用户k在子载波n上的信道增益，Pmax为基站的最大传输功率，为噪声的方差，其中sk,m＝1表示层m 分给了用户k，否则sk,m＝0，cn,m来表示表示层m和子载波n的映射关系，如果层 m占用了子载波n则cn,m＝1，否则cn,m＝0，如果cn,m＝0，则αn,m＝0。
本发明使用的系统参数为：码本采用华为公司提供的4点码本，子载波带宽为156kHz，子载波个数为4个，非零元个数为2,用户数K＝6，SCMA总层数为 6层，加性高斯白噪声功率谱密度10dBW/Hz,基站最大传输功率为1W,5W,10W, 蚂蚁个数Q＝6，信道模型为小尺度衰落瑞利信道，所有层的功率分配因子为0.5。
蚁群算法参数：ρ＝0.1,α＝1,β＝2，信息素初始值τ0＝0.1。
本发明提出的基于蚁群算法的资源分配算法首先将最大化SCMA系统吞吐量分配问题建模成一个二部图，如图2所示，图中多个边的集合组成一条可行路径，求解该问题得到的一种分配方案对应着一种解，而求该问题的最优解对应寻求图中的一条最优路径。然后将蚂蚁随机的放在用户集上，让蚂蚁在信息素和启发式信息的引导下构建最优的路径。本方案通过采用蚁群层分配算法可以显著提高SCMA系统吞吐量。
接下来对上述实施方案进行仿真，图3为总功率为1W时采用蚁群算法对 SCMA进行层分配，用户间功率采用功率均分算法后最终得到的系统吞吐量随迭代次数的变化，从图中可以得出最优的吞吐量随着迭代次数的增加而增加,当迭代次数超过15次以后，算法收敛，所有蚂蚁构造的解都一致，系统吞吐量达到最大值。图4为系统采用蚁群算法层分配+注水功率分配，蚁群算法层分配+功率均分与随机层分配+功率均分时系统吞吐量随功率变化的对比图，从图中可以看出蚁群算法层分配+注水功率分配时系统吞吐量相对于后两种算法系统吞吐量有显著提高，并且随着基站的传输功率增加，系统吞吐量跟着提高。
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 (6)
1.一种基于蚁群算法的SCMA系统资源分配算法，其特征在于：首先将最大化SCMA系统吞吐量分配问题等价为一个求解最佳路径的问题，即将最大化SCMA系统吞吐量分配问题建模成一个二部图，所述二部图中多个边的集合组成一条可行路径，对于SCMA系统吞吐量问题的一种分配方案对应着一种解，而求该问题的最优解对应二部图中的一条最优路径；采用蚁群算法求解该最优路径：将蚂蚁随机的放在用户集上，让蚂蚁在信息素和启发式信息的引导下构建最优的路径，并按照求解的最优路径对应资源分配。
2.根据权利要求1所述的基于蚁群算法的SCMA系统资源分配算法，其特征在于：所述最大化SCMA系统吞吐量分配问题为一个非凸优化问题，采用先对用户进行功率均分，再对用户进行层分配的方法来求解，所述层分配采用蚁群算法进行分配，对用户层分配完之后进行注水功率分配。
3.根据权利要求2所述的基于蚁群算法的SCMA系统资源分配算法，其特征在于：所述层分配采用蚁群算法进行分配具体包括步骤：
步骤1：参数初始化，将Q只蚂蚁随机放在二部图用户集U上，并设置SCMA层集M用户集U之间的信息素τk,m及启发信息ηk,m的初始分布，N表示子载波总数；
步骤2:每只蚂蚁按照一定的概率为用户选择层m，当蚂蚁位于用户k上时，按照公式(5)将层m分配给用户k
<mrow>
<mi>m</mi>
<mo>=</mo>
<munder>
<mrow>
<mi>arg</mi>
<mi>max</mi>
</mrow>
<mrow>
<mi>m</mi>
<mo>&Element;</mo>
<msubsup>
<mi>J</mi>
<mi>k</mi>
<mi>m</mi>
</msubsup>
</mrow>
</munder>
<mo>{</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mi>&alpha;</mi>
</msup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mi>&beta;</mi>
</msup>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,是第q只蚂蚁可以将层m分配用户k的所有SCMA层，τk,m为SCMA层集M用户集U之间的信息素，ηk,m为SCMA层集M和用户集U之间的启发信息，α,β为蚁群算法参数，取值为α＝1,β＝2；
步骤3：蚂蚁随机移动到下一个未分配SCMA层资源的用户上，重复步骤2；
步骤4：当所有蚂蚁遍历完所有用户时完成一次迭代，也就构成q个解，计算每个解，得系统吞吐量，选择吞吐量最大的那个解去更新信息素；
步骤5：如果迭代次数达到最大迭代次数T,或者所有蚂蚁构造的解一致，算法停止；
步骤6：对步骤5得到的最优解使用注水算法进行用户间的功率分配。
4.根据权利要求3所述的基于蚁群算法的SCMA系统资源分配算法，其特征在于：所述启发信息ηk,mηk,m定义为：
<mrow>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<msub>
<mi>p</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中αn,m为用户k使用层m上的子载波n时的功率比例因子，它的取值为αn,m＝0.5，pk,m为用户k占用m时的功率，在该步骤中功率采用均分的方式分配，由总功率和码本层数可以计算得到用户k占用层m时的功率，hk,n为用户k在子载波n上的信道增益，信道模型为小尺度衰落瑞利信道，由此得到hk,n，为噪声的方差。
5.根据权利要求3所述的基于蚁群算法的SCMA系统资源分配算法，其特征在于：所述步骤4更新信息素的更新规则如下：
τk,m＝(1-ρ)τk,m+Δτk,m (6)
且当用户k占用层m时，
Δτk,m＝Rk,m/Rgb (7)，其他情况Δτk,m＝0；
其中，0≤ρ≤1为信息素挥发系数，Δτk,m为将层m分配给用户k的信息增量，Rk,m为用户k占用层m时的速率，Rk,m可以由公式(8)计算得到
Rk,m＝sk,mlog2(1+SNRk,m) (8)
Rgb为蚁群当前循环中求得的最大吞吐量。
6.根据权利要求3所述的基于蚁群算法的SCMA系统资源分配算法，其特征在于：所述步骤6对步骤5得到的最优解使用注水算法进行用户间的功率分配可以通过公式(9),(10),(11)得到，其中μ为注水基准，hk,n为用户k在子载波n上的信道增益，Pmax为基站的最大传输功率，为噪声的方差,其中sk,m＝1表示层m分给了用户k，否则sk,m＝0，cn,m来表示表示层m和子载波n的映射关系，如果层m占用了子载波n则cn,m＝1，否则cn,m＝0，如果cn,m＝0，则αn,m＝0；
<mrow>
<msubsup>
<mi>&delta;</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>s</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<msub>
<mi>c</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>/</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&mu;</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>K</mi>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mfrac>
<mn>1</mn>
<msubsup>
<mi>&delta;</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<msubsup>
<mi>&delta;</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710977949.0A CN107911853B (zh) | 2017-10-18 | 2017-10-18 | 一种基于蚁群算法的scma系统资源分配算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710977949.0A CN107911853B (zh) | 2017-10-18 | 2017-10-18 | 一种基于蚁群算法的scma系统资源分配算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107911853A true CN107911853A (zh) | 2018-04-13 |
| CN107911853B CN107911853B (zh) | 2021-05-18 |
Family
ID=61841553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710977949.0A Active CN107911853B (zh) | 2017-10-18 | 2017-10-18 | 一种基于蚁群算法的scma系统资源分配算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107911853B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108770054A (zh) * | 2018-05-08 | 2018-11-06 | 南京邮电大学 | 一种scma资源动态优化分配方法 |
| CN109548153A (zh) * | 2018-11-08 | 2019-03-29 | 西安电子科技大学 | 基于模块度sc-fdma系统的资源分配方法 |
| CN109768851A (zh) * | 2019-01-18 | 2019-05-17 | 重庆邮电大学 | 一种scma下行系统中基于能效的资源分配方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008003195A1 (fr) * | 2006-06-29 | 2008-01-10 | Zte Corporation | Procédé d'affectation adaptative des ressources dans un système à accès multiple par répartition orthogonale de la fréquence |
| CN101895421A (zh) * | 2010-07-02 | 2010-11-24 | 北京邮电大学 | 通信资源调配方法 |
| CN102164370A (zh) * | 2010-05-12 | 2011-08-24 | 中国人民解放军信息工程大学 | 分布式多入多出正交频分复用系统及多维资源分配方法 |
| CN104360908A (zh) * | 2014-10-31 | 2015-02-18 | 东北大学 | 基于蚁群优化算法的云环境下sbs资源配置方法 |
| CN105530707A (zh) * | 2015-12-21 | 2016-04-27 | 东南大学 | 一种异构融合场景中基于混合优化的资源分配方法 |
-
2017
- 2017-10-18 CN CN201710977949.0A patent/CN107911853B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008003195A1 (fr) * | 2006-06-29 | 2008-01-10 | Zte Corporation | Procédé d'affectation adaptative des ressources dans un système à accès multiple par répartition orthogonale de la fréquence |
| CN102164370A (zh) * | 2010-05-12 | 2011-08-24 | 中国人民解放军信息工程大学 | 分布式多入多出正交频分复用系统及多维资源分配方法 |
| CN101895421A (zh) * | 2010-07-02 | 2010-11-24 | 北京邮电大学 | 通信资源调配方法 |
| CN104360908A (zh) * | 2014-10-31 | 2015-02-18 | 东北大学 | 基于蚁群优化算法的云环境下sbs资源配置方法 |
| CN105530707A (zh) * | 2015-12-21 | 2016-04-27 | 东南大学 | 一种异构融合场景中基于混合优化的资源分配方法 |
Non-Patent Citations (1)
| Title |
|---|
| 罗艳: "基于SCMA的蜂窝系统下行链路无线资源管理研究", 《信息科技》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108770054A (zh) * | 2018-05-08 | 2018-11-06 | 南京邮电大学 | 一种scma资源动态优化分配方法 |
| CN108770054B (zh) * | 2018-05-08 | 2021-03-16 | 南京邮电大学 | 一种scma资源动态优化分配方法 |
| CN109548153A (zh) * | 2018-11-08 | 2019-03-29 | 西安电子科技大学 | 基于模块度sc-fdma系统的资源分配方法 |
| CN109548153B (zh) * | 2018-11-08 | 2021-07-27 | 西安电子科技大学 | 基于模块度sc-fdma系统的资源分配方法 |
| CN109768851A (zh) * | 2019-01-18 | 2019-05-17 | 重庆邮电大学 | 一种scma下行系统中基于能效的资源分配方法 |
| CN109768851B (zh) * | 2019-01-18 | 2021-07-13 | 重庆邮电大学 | 一种scma下行系统中基于能效的资源分配方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107911853B (zh) | 2021-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cui et al. | Estimation diversity and energy efficiency in distributed sensing | |
| US7778247B2 (en) | Cross layer network optimization for OFDMA systems using message passing algorithm | |
| CN110430613B (zh) | 多载波非正交多址接入系统基于能效的资源分配方法 | |
| CN102316594B (zh) | 认知无线网络中跨层资源分配和分组调度的方法 | |
| CN109561504B (zh) | 一种基于深度强化学习的URLLC和eMBB的资源复用方法 | |
| CN101980470A (zh) | 一种基于混沌粒子群优化的ofdm系统资源分配算法 | |
| CN107911853A (zh) | 一种基于蚁群算法的scma系统资源分配算法 | |
| Gulbahar et al. | Information theoretical optimization gains in energy adaptive data gathering and relaying in cognitive radio sensor networks | |
| Mehrjoo et al. | Resource allocation in OFDMA networks based on interior point methods | |
| Zhao et al. | Joint subchannel and power allocation in multiuser OFDM systems with minimal rate constraints | |
| Bai et al. | Diversity-multiplexing tradeoff in OFDMA systems: An H-matching approach | |
| Saggese et al. | Deep Reinforcement Learning for URLLC data management on top of scheduled eMBB traffic | |
| CN107734697A (zh) | 基于noma系统的低复杂度多用户分组方法 | |
| CN104135769B (zh) | 不完备信道状态信息下ofdma遍历容量最大化资源分配方法 | |
| WO2021188022A1 (en) | Radio resource allocation | |
| CN107508646A (zh) | 一种面向认知无线电网络的跨层干扰受限的功率分配方法 | |
| CN104066098A (zh) | 用于分布式无线网络的方法和设备 | |
| CN105978673A (zh) | 大规模分布式天线系统中基于用户距离的导频分配方法 | |
| Wolkerstorfer et al. | Column generation for discrete-rate multi-user and multi-carrier power control | |
| Ren et al. | Age of information in SIC-based non-orthogonal multiple access | |
| CN103634834B (zh) | 基于并行结构的协作网络系统级仿真方法 | |
| Leith et al. | Flexible proportional-rate scheduling for OFDMA system | |
| CN116112934A (zh) | 一种基于机器学习的端到端网络切片资源分配方法 | |
| Ho et al. | Cross-layer design of FDD-OFDM systems based on ACK/NAK feedbacks | |
| Liu et al. | Intelligent water drops based joint subcarrier pairing and power allocation with fairness in cooperative relay networks |
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 |