CN108260196A - 一种发射功率控制方法和装置 - Google Patents

一种发射功率控制方法和装置 Download PDF

Info

Publication number
CN108260196A
CN108260196A CN201611238057.0A CN201611238057A CN108260196A CN 108260196 A CN108260196 A CN 108260196A CN 201611238057 A CN201611238057 A CN 201611238057A CN 108260196 A CN108260196 A CN 108260196A
Authority
CN
China
Prior art keywords
vector
transmission power
groups
vector groups
generation
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
Application number
CN201611238057.0A
Other languages
English (en)
Other versions
CN108260196B (zh
Inventor
杜建凤
李智伟
赵伟
李长空
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Group Beijing Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Group Beijing Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201611238057.0A priority Critical patent/CN108260196B/zh
Publication of CN108260196A publication Critical patent/CN108260196A/zh
Application granted granted Critical
Publication of CN108260196B publication Critical patent/CN108260196B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W52/00Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04TPC
    • H04W52/06TPC algorithms
    • H04W52/14Separate analysis of uplink or downlink
    • H04W52/143Downlink power control
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W52/00Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04TPC
    • H04W52/18TPC being performed according to specific parameters
    • H04W52/24TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/243TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种发射功率控制方法和装置,所述方法包括:获取初始发射功率向量组,其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的;对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组;利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组;从所述末代发射功率向量组中选择要输出的发射功率向量。采用本发明提供的功率控制方法,减少了各接入点间覆盖范围的交叠,从而解决了无线局域网高密场景中网络整体吞吐量低以及干扰性较强的问题。

Description

一种发射功率控制方法和装置
技术领域
本发明涉及无线通信技术领域,尤其涉及一种发射功率控制方法和装置。
背景技术
随着WLAN(Wireless Local Area Network,无线局域网)普及率的提高,AP(Access Point,无线接入点)的分布密度越来越高。然而,随着AP的分布密度的提高,导致高密WLAN场景中存在严重系统干扰,同时造成系统的导致吞吐量下降。现有技术中主要通过在保证每个用户通信质量的前提下,调整AP发射功率来降低系统干扰,使系统中其他用户所受的干扰最小化,网络整体吞吐量最大化。但在现有的技术方案中,一般采用固定迭代的方法来实现功率的优化控制,调整AP的发射功率,但此方法收敛速度慢,计算复杂度较高。
因此,如何快速实现功率调整,且既能有效降低高密WLAN场景中系统的干扰,又能提高系统整体吞吐量,是亟待解决的问题之一。
发明内容
本发明实施例提供一种发射功率控制方法和装置,用以解决现有技术中WLAN高密场景中WLAN系统内干扰性强、网络整体吞吐量低的问题。
本发明实施例提供一种发射功率控制方法,包括:
获取初始发射功率向量组,其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的;
对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组;
利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组;
从所述末代发射功率向量组中选择要输出的发射功率向量。
可选地,利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组,具体包括:
利用遗传算法对所述第一发射功率向量组进行预设次数的遗传进化得到末代发射功率向量组;或者
利用遗传算法对所述第一发射功率向量组进行遗传进化,确定满足以下条件的发射功率向量组为所述末代发射功率向量组:包含的至少一个发射功率向量与预设的目标发射功率向量之间差值小于预设阈值。
可选地,从所述末代发射功率向量组中选择要输出的发射功率向量,具体包括:
确定所述末代发射功率向量组所包含的每一发射功率向量对应的适应度值;
确定适应度值最小的发射功率向量为要输出的发射功率向量。
优选地,针对每一代发射功率向量组,利用遗传算法按照以下流程进行遗传进化得到下一代发射功率向量组:
确定所述第一代发射功率向量组的适应度值;
根据所述第一代发射功率向量组和所述第一代发射功率向量组的适应度值,按照预设算法从所述第一代发射功率向量组中随机选择若干个发射功率向量;并
对选择出的若干个发射功率向量进行两两随机组合得到多个功率向量组;
针对每一功率向量组,对该功率向量组中的发射功率向量进行交叉运算得到运算后的发射功率向量;
针对每一运算后的发射功率向量,利用变异算子分别对随机选择出的、运算后的发射功率向量进行变异得到变异后的发射功率向量;
确定未变异的、运算后的发射功率向量和变异后的发射功率向量组成下一代发射功率向量组。
进一步地,根据所述第一代发射功率向量组和所述第一代发射功率向量组的适应度值,按照预设算法从所述第一代发射功率向量组中随机选择若干个发射功率向量,具体包括:
根据所述第一代发射功率向量组,确定所述第一代发射功率向量组中的每一向量的适应度值;
根据所述第一代发射功率向量组的适应度值和每一向量的适应度值,确定每一向量在所述第一代发射功率向量组中的比重;
根据每一向量在所述第一代发射功率向量组中的比重,从所述第一代发射功率向量组中随机选择若干个发射功率向量。
较佳地,针对每一功率向量组,按照以下公式对该功率向量组合中的发射功率向量进行交叉运算:
P′i=αPi+(1-α)Pj
P′j=(1-α)Pi+αPj
其中,Pi和Pj分别表示该功率向量组合中的发射功率向量;P′i和P′j分别表示运算后的发射功率向量;α为[0,1]之间均匀分布的随机数。
进一步地,针对每一运算后的发射功率向量,利用变异算子分别对随机选择出的、运算后的发射功率向量进行变异得到变异后的发射功率向量,具体包括:
针对每一运算后的发射功率向量,利用变异算子按照如下公式对该运算后的发射功率向量进行变异:
其中,pm表示第m个AP对应的运算后的发射功率;p′m表示第m个AP变异后的发射功率;l是[1,M]之间的随机整数,M为AP的个数;q表示变异算子,是一个均匀分布的随机数且满足预设的功率约束条件。
进一步地,在对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组之前,还包括:
判断所述初始发射功率向量组中的每一向量包含的初始发射功率是否满足预设的功率约束条件;
如果满足,则对所述初始发射功率向量组中的每一向量进行染色体编码;
如果不满足,则重新获取初始发射功率向量组,直至满足预设的功率约束条件。
可选地,所述预设的功率约束条件为:
其中,表示第m个AP在第n个无线终端STA处所受的干扰;
A为使用同一通信链路的所有AP的集合;
m表示第m个AP;
n表示第n个STA;
pm表示第m个AP的初始发射功率;
gmn表示第m个AP与第n个STA之间的通信链路增益;
表示第n个STA的热噪声功率;
Thn为预设的目标值;
pmax表示每一AP所能承受的发射功率的最大值。
本发明实施例提供一种发射功率控制装置,包括:
获取单元,用于获取初始发射功率向量组,其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的;
编码单元,用于对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组;
遗传进化单元,用于利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组;
选择单元,用于从所述末代发射功率向量组中选择要输出的发射功率向量。
可选地,所述遗传进化单元,具体用于利用遗传算法对所述第一发射功率向量组进行预设次数的遗传进化得到末代发射功率向量组;或者利用遗传算法对所述第一发射功率向量组进行遗传进化,确定满足以下条件的发射功率向量组为所述末代发射功率向量组:包含的至少一个发射功率向量与预设的目标发射功率向量之间差值小于预设阈值。
较佳地,所述选择单元,具体包括第一确定子单元和第二确定子单元,其中:
所述第一确定子单元,用于确定所述末代发射功率向量组所包含的每一发射功率向量对应的适应度值;
所述第二确定子单元,用于确定适应度值最小的发射功率向量为要输出的发射功率向量。
较佳地,所述遗传进化单元,具体包括第三确定子单元、选择子单元,组合子单元、交叉运算子单元、变异子单元和第四确定子单元,其中:
所述第三确定子单元,用于确定所述第一代发射功率向量组的适应度值;
所述选择子单元,用于根据所述第一代发射功率向量组和所述第一代发射功率向量组的适应度值,按照预设算法从所述第一代发射功率向量组中随机选择若干个发射功率向量;并
所述组合子单元,用于对选择出的若干个发射功率向量进行两两随机组合得到多个功率向量组;
所述交叉运算子单元,用于针对每一功率向量组,对该功率向量组中的发射功率向量进行交叉运算得到运算后的发射功率向量;
所述变异子单元,用于针对每一运算后的发射功率向量,利用变异算子分别对随机选择出的、运算后的发射功率向量进行变异得到变异后的发射功率向量;
所述第四确定子单元,用于确定未变异的、运算后的发射功率向量和变异后的发射功率向量组成下一代发射功率向量组。
进一步地,所述选择子单元,具体包括第一确定模块、第二确定模块和随机选择模块,其中:
所述第一确定模块,用于根据所述第一代发射功率向量组,确定所述第一代发射功率向量组中的每一向量的适应度值;
所述第二确定模块,用于根据所述第一代发射功率向量组的适应度值和每一向量的适应度值,确定每一向量在所述第一代发射功率向量组中的比重;
所述随机选择模块,用于根据每一向量在所述第一代发射功率向量组中的比重,从所述第一代发射功率向量组中随机选择若干个发射功率向量。
进一步地,所述交叉运算子单元,具体用于针对每一功率向量组,按照以下公式对该功率向量组合中的发射功率向量进行交叉运算:
P′i=αPi+(1-α)Pj
P′j=(1-α)Pi+αPj
其中,Pi和Pj分别表示该功率向量组合中的发射功率向量;P′i和P′j分别表示运算后的发射功率向量;α为[0,1]之间均匀分布的随机数。
进一步地,所述变异子单元,具体用于针对每一运算后的发射功率向量,利用变异算子按照如下公式对该运算后的发射功率向量进行变异:
其中,pm表示第m个AP对应的运算后的发射功率;p′m表示第m个AP变异后的发射功率;l是[1,M]之间的随机整数,M为AP的个数;q表示变异算子,是一个均匀分布的随机数且满足预设的功率约束条件。
具体实施时,所述装置,还包括判断单元,其中:
所述判断单元,用于在所述编码单元对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组之前,判断所述初始发射功率向量组中的每一向量包含的初始发射功率是否满足预设的功率约束条件;如果满足,则对所述初始发射功率向量组中的每一向量进行染色体编码;如果不满足,则重新获取初始发射功率向量组,直至满足预设的功率约束条件。
较佳地,所述预设的功率约束条件为:
其中,表示第m个AP在第n个无线终端STA处所受的干扰;
A为使用同一通信链路的所有AP的集合;
m表示第m个AP;
n表示第n个STA;
pm表示第m个AP的初始发射功率;
gmn表示第m个AP与第n个STA之间的通信链路增益;
表示第n个STA的热噪声功率;
Thn为预设的目标值;
pmax表示每一AP所能承受的发射功率的最大值。
本发明有益效果:
本发明实施例提供的发射功率控制方法和装置,获取初始发射功率向量组,其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的;对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组;利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组;从所述末代发射功率向量组中选择要输出的发射功率向量,在保证通信质量的前提下实现了对WLAN高密场景中接入点的发射功率的调整,既保证了各个AP的覆盖范围,又减少了各个AP间覆盖范围的交叠,进而减小了WLAN系统内的干扰,同时也提高了网络整体的吞吐量。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例在无线局域网高密场景的组网模式的结构示意图;
图2为本发明实施例提供的发射功率控制方法的实施流程示意图;
图3为本发明实施例提供的发射功率控制方法中在对所述初始发射功率向量组中的每一向量进行染色体编码之前执行的判断过程的实施流程示意图;
图4为本发明实施例提供的发射功率控制方法中针对每一代发射功率向量组,利用遗传算法进行遗传进化得到下一代发射功率向量组的实施流程示意图;
图5a为本发明实施例提供的发射功率控制方法中从所述第一代发射功率向量组中随机选择若干个发射功率向量的实施流程示意图;
图5b为本发明实施例提供的发射功率控制方法中执行轮盘赌选择算法随机选择若干个发射功率向量的示意图;
图6为本发明实施例提供的发射功率控制方法中选择要输出的发射功率向量的实施流程示意图;
图7为本发明实施例提供的发射功率控制方法的实施流程示意图;
图8为本发明实施例提供的发射功率控制装置的结构示意图。
具体实施方式
本发明实施例提供的发射功率控制方法和装置,用以解决现有技术中WLAN高密场景中WLAN系统内干扰性强、网络整体吞吐量低的问题。
需要说明的是,本发明提供的发射功率控制方法可以应用于WLAN高密场景中,如图1所示,为本发明实施例在无线局域网高密场景的组网模式的结构示意图,集中式WLAN主要包含接入点1~接入点M(Access Point,AP)和无线终端1~无线终端N(Station,STA)和接入控制器(Access Control,AC)等网络组件,其中,AP接收前端用户STA的实时数据,如发射功率和频道号等,通过CAPWAP(Control and Provisioning of Wireless AccessPoints Protocol Specification,无线接入点的控制和配置协议)协议封装传至AC,AC通过CAPWAP控制通道利用本发明实施例提供的发射功率控制方法实现对AP的集中控制与管理,具体的发射功率控制方法参考图2~图7进行详细描述。
以下结合说明书附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明,并且在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
如图2所示,为本发明实施例提供的发射功率控制方法的实施流程示意图,可以包括以下步骤:
S21、获取初始发射功率向量组。
其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的。
具体的说,可以实时采集组网中各个AP的发射功率,然后将同一时刻的各个AP的发射功率组成一个初始发射功率向量,将不同时刻的初始发射功率向量组成初始发射功率向量组。本发明实施例以组网中有M个AP为例进行说明,获取某一时刻i各个AP的发射功率pim,其中,m的范围为[1,M],i为任意采集时刻。将时刻i各个AP的发射功率组成初始发射功率向量Pi=[pi1 pi2 ... pim ... piM],将获取的各个采集时刻的初始发射功率向量组成一个初始发射功率向量组P=[P1 P2 P3 ... Pi],其中获取的初始发射功率向量组相当于遗传算法中的种群,但是种群的个数可以根据实际情况或经验值确认。此外,根据遗传算法的基本原理可知,种群中的个体为一个染色体,每一个染色体由基因构成,即初始发射功率向量组中的每一初始发射功率向量Pi为一个染色体,初始发射功率向量Pi中的pim为组成染色体的基因。
较佳地,参考图1,为了保证组网中AP能全覆盖接入该AP的STA,且减小相邻AP间的覆盖交叠面积,本发明实施例还需在执行步骤S21后,以及执行步骤S22之前,执行如图3所示的方法,可以包括以下步骤:
S31、判断所述初始发射功率向量组中的每一向量包含的初始发射功率是否满足预设的功率约束条件,如果否,则执行步骤S32;如果是,则执行步骤S34。
具体实施时,本发明实施例提供的预设的功率约束条件如公式(1)所示:
其中,表示第m个AP在第n个无线终端STA处所受的干扰;
A为使用同一通信链路的所有AP的集合;
m表示第m个AP;
n表示第n个STA;
pm表示第m个AP的初始发射功率;
gmn表示第m个AP与第n个STA之间的通信链路增益;
表示第n个STA的热噪声功率;
Thn为预设的目标值;
pmax表示每一AP所能承受的发射功率的最大值。
具体地,公式(1)是在考虑AP全覆盖和AP间交叠范围小的条件下得出的,具体可按照下述方法得出:
设图1组网中包含M个AP和N个STA,其中所有STA都使用相同的通信链路。如果用SINR(n,m)表示STAn接入APm时的信号干扰噪声比(Signal to Interference Plus NoiseRatio,SINR),则SINR(n,m)可以用公式(2)表示为:
为了保证STAn的信号可以被正确接收,则要求在STAn处接收APm的SINR(n,m)大于或等于预设的目标值Thn,如公式(3)所示:
SINR(n,m)≥Thn (3)
将公式(2)和(3)联立,则可以得出APm的发射功率pm的第一范围,如公式(4)所示:
由于每一个AP所承受的发射功率pm是有限的,所以可以得出APm的发射功率pm的第二范围,如公式(5)所示:
pm≤pmax (5)
由公式(4)和(5),可以得到初始发射功率向量中的每一发射功率pm的功率约束条件,即公式(1)所表示的预设的功率约束条件。
根据公式(1)所示预设的功率约束条件,可以判断初始发射功率向量组中每一初始发射功率向量包含的发射功率是否满足公式(1)的功率约束条件,如果是,则执行步骤S34;如果不满足,则确定不满足预设的功率约束条件的发射功率对应的初始发射功率向量,将确定出的该初始发射功率向量丢弃,再继续采集各个AP的初始发射功率组成一个初始发射功率向量,即得到步骤S32重新获取的初始发射功率向量组。
S32、重新获取初始发射功率向量组。
具体的说,在步骤S31中重新获取的初始发射功率向量与其他满足预设的功率约束条件的初始发射功率向量组成重新获取的初始发射功率向量组。
S33、判断重新获取的初始发射功率向量组中的每一向量包含的初始发射功率是否满足预设的功率约束条件,如果是,则执行步骤S34;如果否,则再次执行步骤S32。
在执行步骤S33时,判断步骤S31中重新获取的初始发射功率向量中的每一发射功率是否满足公式(1),如果满足,则执行步骤S34,否则继续执行步骤S32,直至确定出重新获取的初始发射功率向量组只能怪的每一初始发射功率向量包含的各个初始发射功率均满足预设的功率约束条件。
S34、对获取的初始发射功率向量组中的每一向量进行染色体编码。
具体的说,步骤S34中的得到的初始发射功率向量组均满足公式(1)的功率约束条件,能够保证各个AP的全覆盖。其中,步骤S34即为遗传算法中编码步骤,也即步骤S22。
为了进一步减少组网中各个AP的干扰,提高网络整体吞吐量,本发明实施例还需要进一步对各个AP的发射功率进行调整,得出最优发射功率向量。具体引入遗传算法,该遗传算法通过模拟自然进化过程进行最优解搜索。在选择、交叉和变异的作用下,自动创建并逐代定向优化搜索空间,使得种群(初始发射功率向量组)中较优解的数据呈指数规律增长。该遗传算法能以较快的速度收敛,快速得到最优解(即本发明功率控制方法中的各个AP的最优解)。该遗传算法能够快速得到既能保证网络全覆盖和AP间覆盖范围交叠少,又能够进一步提高网络整体吞吐量的最优发射功率,以下详细介绍之。
S22、对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组。
在对所述初始发射功率向量组中的每一向量进行染色体编码时,参照步骤S21中的初始发射功率向量为Pi=[pi1 pi2 ... pim ... piM]为例进行说明,该初始发射功率向量表示遗传算法中的一个染色体,每个向量中的发射功率pim代表染色体中的一个基因,本申请在对初始发射功率向量进行染色体编码时,可以采用二进制编码方式,具体对每一发射功率pim进行二进制编码,会产生2l中码子,编码的准确性可由公式(6)表示:
其中,公式(6)中δ表示每一发射功率向量进行染色体编码时的编码准确性;pmax表示每一发射功率向量中包含的发射功率的最大值;pmin为每一发射功率向量中包含的发射功率的最小值;l表示对发射功率向量进行染色体编码时采用的编码位数。
具体发射功率的编码方式如表1所示:
AP的发射功率 二进制码
pmin 00…00
pmin 00…01
pmin+2·δ 00…10
…… ……
pmax 11…11
根据二进制编码方式,任意基因pm的二进制编码结果为blbl-1bl-2…b2b1,相应的编码公式为:
根据公式(7),可以获取每一发射功率向量中的每一发射功率的二进制码。由二进制码组成的发射功率向量即为第一代发射功率向量。各个AP编码得到的第一代发射功率向量组成第一代发射功率向量组。假设AP的个数M为4,即P=[p1 p2 p3 p4]。在对发射功率进行二进制编码时,采用4位二进制对发射各个AP的发射功率进行编码,以P=[p1 p2 p3 p4]=[1 2 3 4]为例进行说明,则采用4位二进制编码时,该发射功率向量的二进制编码为P=[1 2 3 4]=[0001 0010 0011 0100]。编码得到的P=[0001 0010 0011 0100]即为第一代发射功率向量,进而得到第一代发射功率向量组。
S23、利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组。
具体实施时,在利用遗传算法对步骤S22中的第一代发射功率向量组进行遗传进化时,可以包括以下条件:
条件一、利用遗传算法对所述第一代发射功率向量组进行预设次数的遗传进化得到末代发射功率向量组。
具体的说,所述预设次数可以根据经验进行确定。在执行遗传算法时,每进行一次遗传进化,判断统计当前进行遗传进化的次数是否达到预设次数,如果达到预设次数,则将执行该预设次数得到的发射功率向量组作为末代发射功率向量组。
条件二、利用遗传算法对所述第一发射功率向量组进行遗传进化,确定满足以下条件的发射功率向量组为所述末代发射功率向量组:包含的至少一个发射功率向量与预设的目标发射功率向量之间差值小于预设阈值。
具体的说,所述预设的目标发射功率向量可以根据当前组网中各个AP位置和数量以及接入各个AP的STA的位置和数量而定,还可以根据经验确定等等。当然,现有技术中确定目标发射功率的方法也可以适用于本发明。同时,所述预设阈值也可以根据经验值确定。
具体的说,在根据条件二得到末代发射功率向量组时,所述发射功率向量组中的至少一个发射功率向量与预设的目标发射功率向量之间差值小于预设阈值,具体执行过程为:在进行一次遗传进化时,判断下一代发射功率向量组中包含的至少一个发射功率向量中的发射功率与预设的目标发射功率向量中的发射功率之间的差值是否小于预设阈值,如某次遗传进行得到的下一代发射功率向量组为P=[P1 P2 P3 P4],每一向量包含4个发射功率,预设的目标发射功率向量为P0=[0011 0010 0001 0010]。针对下一代发射功率向量组中的每一发射功率向量,将该向量中的4个发射功率分别与目标发射功率向量P0中的发射功率进行差值计算,如果其差值均小于预设阈值,则将该代发射功率向量组作为末代发射功率向量组。如果不满足,再判断其它3个发射功率向量中的发射功率与目标发射功率向量中的发射功率差值是否小于预设阈值,如果其他3个发射功率向量中的任一向量满足该条件,则将该代发射功率向量组作为末代发射功率向量组。如果均不满足,则继续进行遗传进化,直至确定出满足该条件的发射功率向量组,并将确定出的发射功率向量组确定为末代发射功率向量组。
进一步地,在利用遗传算法进行遗传进化时,可以只满足条件一和条件二中任一个即可,或者也可以两个条件均满足,具体可根据实际情况确定遗传进化条件。
本发明实施例以条件一为例执行本发明实施例的遗传进化算法。
具体地,针对每一代发射功率向量组,利用遗传算法可以按照图4所示的流程进行遗传进化得到下一代发射功率向量组,包括以下步骤:
S41、确定所述第一代发射功率向量组的适应度值。
具体地,在确定第一代发射功率向量组的适应度值时,本发明实施例采用的适应度函数是对第一代发射功率向量组中的发射功率进行求和得到的即为该代发射功率向量组的适应度值。设该第一代发射功率向量组包含4个发射功率向量,则该代发射功率向量组的适应度值为4个发射功率向量包含的发射功率的总和。而遗传进化过程中每一发射功率向量的发射功率总和可以用公式(8)表示:
其中,M表示AP的个数;t表示遗传次数;pm(t)为遗传次数为t时发射功率向量中各个发射功率的功率;P(t)为发射功率向量中各个发射功率的总和。
根据公式(8)即可得到遗传进化过程中每一代发射功率向量组的适应度值,即公式(9)所示:
其中,K表示每一代发射功率向量组中发射功率向量的个数,且当前代发射功率向量的个数和下一代发射功率向量的个数可以不同;Pi(t)表示每一代发射功率向量组中每一个发射功率向量的功率和;U(t)为每一代发射功率向量组的适应度值。
S42、根据所述第一代发射功率向量组和所述第一代发射功率向量组的适应度值,按照预设算法从所述第一代发射功率向量组中随机选择若干个发射功率向量。
本发明实施例在随机选择若干个发射功率向量时采用轮盘赌选择方法,具体实施时,可以按照图5a所示的方法从所述第一代发射功率向量组中随机选择若干个发射功率向量,可以包括以下步骤:
S51、根据所述第一代发射功率向量组,确定所述第一代发射功率向量组中的每一向量的适应度值。
在确定第一代发射功率向量组中的每一向量的适应度值时,可以根据公式(8)确定,即每一发射功率向量的适应度值即为该向量中包含的发射功率的功率总和。
S52、根据所述第一代发射功率向量组的适应度值和每一向量的适应度值,确定每一向量在所述第一代发射功率向量组中的比重。
具体的说,在确定每一向量在所述第一代发射功率向量组中的比重时,可以按照公式(10)确定:
根据公式(10)可以确定该第一代发射功率向量中每一向量所占的比重,假设该第一代发射功率向量组P=[P1 P2 P3 P4],可以根据公式(10)确定这四个向量在第一代发射功率向量组中的比重,如分别为p1,p2,p3和p4,易得出p1+p2+p3+p4=1,则可以得到图5b所示的轮盘。
S53、根据每一向量在所述第一代发射功率向量组中的比重,从所述第一代发射功率向量组中随机选择若干个发射功率向量。
具体地,参考图5b,在执行轮盘赌选择算法时,可以随机旋转该轮盘中的箭头,当箭头停驻时,确定停驻位置对应的概率,将该概率对应的发射功率向量选择出来,然后再按着该方法进行随机选择,至于选择出的发射功率向量的个数可以根据实际情况确定。执行选择算法后,根据第一代发射功率向量组的适应度值和每一向量的适应度值进行合理的选择,可以将第一代发射功率向量组中的发射功率向量进行优胜劣汰的操作,用于提高全局收敛性和计算效率。需要说的是,由图5b可知,该图中四个概率在轮盘中的面积是不同的,可以得出面积越大,该概率对应的发射功率向量被选择的几率会比较大,因此,在对第一代发射功率向量组P=[P1 P2 P3 P4]进行轮盘赌选择时,选择出的有可能是P1,P2,P3和P2,也可能是P2,P2,P3,P1等,本发明实施例以选择出的若干个发射功率向量为P1,P2,P3和P2为例进行说明。至于选择的发射功率向量的个数可以自行设定。
S43、对选择出的若干个发射功率向量进行两两随机组合得到多个功率向量组。
在对步骤S42选择出的发射功率向量进行两两组合,可以根据P1,P2,P3和P2随机选择的功率向量组可以为P1和P2、P2和P3、P1和P3。至于选择的功率向量组的个数可以自行设定。本发明实施例以这三个组合为例进行后续计算。
S44、针对每一功率向量组,对该功率向量组中的发射功率向量进行交叉运算得到运算后的发射功率向量。
针对每一功率向量组,按照公式(11)对该功率向量组合中的发射功率向量进行交叉运算:
其中,Pi和Pj分别表示该功率向量组合中的发射功率向量;P′i和P′j分别表示运算后的发射功率向量;α为[0,1]之间均匀分布的随机数。
针对步骤S43得到的随机功率向量组合P1和P2、P2和P3、P1和P3,将其分别代入公式(11),分别得到交叉后的功率向量,需要说明的是,本发明实施例采用的交叉操作,使选择出的父代功率向量进行交叉形成新的子代功率向量。
S45、针对每一运算后的发射功率向量,利用变异算子分别对随机选择出的、运算后的发射功率向量进行变异得到变异后的发射功率向量。
在步骤S44进行交叉运算时,交叉后得到的子代功率向量可能为1个,有可能为2个,但是本发明中在获得运算后的发射功率向量时,对于交叉后得到2个子代功率向量时,随机选择一个作为运算后的发射功率向量。
具体地,针对每一运算后的发射功率向量,利用变异算子按照公式(12)对该运算后的发射功率向量进行变异:
其中,pm表示第m个AP对应的运算后的发射功率;p′m表示第m个AP变异后的发射功率;l是[1,M]之间的随机整数,M为AP的个数;q表示变异算子,是一个均匀分布的随机数且满足预设的功率约束条件。
具体地,所示预设的功率约束条件参加公式(1)所示。
具体的说,以运算后的向量为P′=[0001 0010 0011 0010]为例进行说明,得出M=4,设k=3,则根据公式(12)可知,m=k=3时,p3=q,假设q=1100,则P′=[0001 00100011 0010]在执行变异算法后得到的P″=[0001 0010 1100 0010]。从而在对每一个运算后的向量执行变异算法后,得到每一个变异后的向量。
S46、确定未变异的、运算后的发射功率向量和变异后的发射功率向量组成下一代发射功率向量组。
从步骤S45中可以得出,在对随机选择出的功率向量组进行变异时,并不是对每一个都进行变异,因此,将未变异的、运算后的发射功率向量和变异后的发射功率向量组成下一代发射功率向量组。
在得到下一代发射功率向量组时,继续判断该代发射功率向量组是否满足条件一和/或条件二,如果满足,则将该代发射功率向量组作为末代发射功率向量组,如果不满足,继续执行步骤S41~S46的遗传进化过程,直至满足条件一和/或条件二为止。
S24、从所述末代发射功率向量组中选择要输出的发射功率向量。
具体实施时,在执行步骤S24时,可以按照图6所示的方法选择要输出的发射功率向量,可以包括以下步骤:
S61、确定所述末代发射功率向量组所包含的每一发射功率向量对应的适应度值。
假设末代发射功率向量组为P=[P″′1 P′2 P″3],可以根据公式(8)确定这三个发射功率向量对应的适应度值,如P1(T)、P2(T)和P3(T),其中T为遗传进化过程中的预设次数。
S62、确定适应度值最小的发射功率向量为要输出的发射功率向量。
比较这三个适应度值的大小,假设P1(T)<P2(T)<P3(T),则将适应度值最小P1(T)对应的发射功率向量P″′1作为要输出的发射功率向量。
本发明实施例提供的发射功率控制方法,获取初始发射功率向量组,其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的;在执行遗传算法之前,为了保证各个AP能够全覆盖接入其AP的无线终端STA,还需要判断所述初始发射功率向量组中的每一向量的发射功率是否满足预设的功率约束条件,如果满足,则对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组;利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组;从所述末代发射功率向量组中选择要输出的发射功率向量,在保证通信质量的前提下实现了对WLAN高密场景中接入点的发射功率的调整,既保证了各个AP的全覆盖,又减少了各个AP间的交叠范围,更减小了WLAN系统内干扰,同时也提高了网络整体的吞吐量。
实施例二
如图7所示,为本发明实施例提供的发射功率控制方法的实施流程示意图,可以包括以下步骤:
S71、获取初始发射功率向量组。
S72、判断所述初始发射功率向量组中的每一向量包含的初始发射功率是否满足预设的功率约束条件,如果是,则执行步骤S75;否则,执行步骤S73。
S73、重新获取初始发射功率向量组。
S74、判断重新获取的初始发射功率向量组中的每一向量包含的初始发射功率是否满足预设的功率约束条件,如果是,则执行步骤S75;否则,执行步骤S73。
S75、对获取的初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组。
S76、判断是否达到预设次数,如果是,则执行步骤S713;否则,执行步骤S77。
S77、确定所述第一代发射功率向量组的适应度值。
S78、根据所述第一代发射功率向量组和所述第一代发射功率向量组的适应度值,按照预设算法从所述第一代发射功率向量组中随机选择若干个发射功率向量。
具体实施时,可按照步骤S51~步骤S53所述的方法从所述第一代发射功率向量组中随机选择若干个发射功率向量。
S79、对选择出的若干个发射功率向量进行两两随机组合得到多个功率向量组。
S710、针对每一功率向量组,对该功率向量组中的发射功率向量进行交叉运算得到运算后的发射功率向量。
S711、针对每一运算后的发射功率向量,利用变异算子分别对随机选择出的、运算后的发射功率向量进行变异得到变异后的发射功率向量。
S712、确定未变异的、运算后的发射功率向量和变异后的发射功率向量组成下一代发射功率向量组。
再次执行步骤S76,即:判断是否达到预设次数,如果是,则执行步骤S713,否则,再次执行步骤S77~S712。按此方法循环操作,直至达到预设次数为止。
S713、确定实施末代发射功率向量组所包含的每一发射功率向量对应的适应度值。
S714、确定适应度值最小的发射功率向量为要输出的发射功率向量。
本发明实施例提供的发射功率控制方法和装置,获取初始发射功率向量组,其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的;在执行遗传算法之前,为了保证各个AP能够全覆盖接入其AP的无线终端STA,还需要判断所述初始发射功率向量组中的每一向量的发射功率是否满足预设的功率约束条件,如果满足,则对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组;利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组,判断是否达到预设次数,如果没有达到预设次数,则确定所述第一代发射功率向量组的适应度值,并根据所述第一代发射功率向量组和所述第一代发射功率向量组的适应度值,按照预设算法从所述第一代发射功率向量组中随机选择若干个发射功率向量;针对每一功率向量组,对该功率向量组中的发射功率向量进行交叉运算得到运算后的发射功率向量对选择出的若干个发射功率向量进行两两随机组合得到多个功率向量组,针对每一功率向量组,对该功率向量组中的发射功率向量进行交叉运算得到运算后的发射功率向量,然后针对每一运算后的发射功率向量,利用变异算子分别对随机选择出的、运算后的发射功率向量进行变异得到变异后的发射功率向量,确定未变异的、运算后的发射功率向量和变异后的发射功率向量组成下一代发射功率向量组;再次判断是否达到预设次数。如果没有达到,则再次执行遗传进化过程,直至满足预设次数为止,如果达到预设次数,则从所述末代发射功率向量组中选择要输出的发射功率向量,在保证通信质量的前提下实现了对WLAN高密场景中接入点的发射功率的调整,减小了WLAN系统内干扰,同时也提高了网络整体的吞吐量。
实施例三
基于同一发明构思,本发明实施例中还提供了一种发射功率控制装置,由于上述装置解决问题的原理与发射功率控制方法相似,因此上述装置的实施可以参见方法的实施,重复之处不再赘述。
如图8所示,为本发明实施例提供的发射功率控制装置的结构示意图,可以包括:获取单元81、编码单元82、遗传进化单元83和选择单元84,其中:
获取单元81,用于获取初始发射功率向量组,其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的;
编码单元82,用于对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组;
遗传进化单元83,用于利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组;
选择单元84,用于从所述末代发射功率向量组中选择要输出的发射功率向量。
具体实施时,所述遗传进化单元83,具体用于利用遗传算法对所述第一发射功率向量组进行预设次数的遗传进化得到末代发射功率向量组;或者利用遗传算法对所述第一发射功率向量组进行遗传进化,确定满足以下条件的发射功率向量组为所述末代发射功率向量组:包含的至少一个发射功率向量与预设的目标发射功率向量之间差值小于预设阈值。
较佳地,所述选择单元84,具体包括:第一确定子单元和第二确定子单元,其中:
所述第一确定子单元,用于确定所述末代发射功率向量组所包含的每一发射功率向量对应的适应度值;
所述第二确定子单元,用于确定适应度值最小的发射功率向量为要输出的发射功率向量。
较佳地,所述遗传进化单元83,具体包括:第三确定子单元、选择子单元,组合子单元、交叉运算子单元、变异子单元和第四确定子单元,其中:
所述第三确定子单元,用于确定所述第一代发射功率向量组的适应度值;
所述选择子单元,用于根据所述第一代发射功率向量组和所述第一代发射功率向量组的适应度值,按照预设算法从所述第一代发射功率向量组中随机选择若干个发射功率向量;并
所述组合子单元,用于对选择出的若干个发射功率向量进行两两随机组合得到多个功率向量组;
所述交叉运算子单元,用于针对每一功率向量组,对该功率向量组中的发射功率向量进行交叉运算得到运算后的发射功率向量;
所述变异子单元,用于针对每一运算后的发射功率向量,利用变异算子分别对随机选择出的、运算后的发射功率向量进行变异得到变异后的发射功率向量;
所述第四确定子单元,用于确定未变异的、运算后的发射功率向量和变异后的发射功率向量组成下一代发射功率向量组。
可选地,所述选择子单元,具体包括第一确定模块、第二确定模块和随机选择模块,其中:
所述第一确定模块,用于根据所述第一代发射功率向量组,确定所述第一代发射功率向量组中的每一向量的适应度值;
所述第二确定模块,用于根据所述第一代发射功率向量组的适应度值和每一向量的适应度值,确定每一向量在所述第一代发射功率向量组中的比重;
所述随机选择模块,用于根据每一向量在所述第一代发射功率向量组中的比重,从所述第一代发射功率向量组中随机选择若干个发射功率向量。
可选地,所述交叉运算子单元,具体用于针对每一功率向量组,按照以下公式对该功率向量组合中的发射功率向量进行交叉运算:
P′1=αP1+(1-α)P2
P′2=(1-α)P1+αP2
其中,P1和P2分别表示该功率向量组合中的发射功率向量;P′1和P′2分别表示运算后的发射功率向量;α为[0,1]之间均匀分布的随机数。
可选地,所述变异子单元,具体用于针对每一运算后的发射功率向量,利用变异算子按照如下公式对该运算后的发射功率向量进行变异:
其中,pm表示第m个AP对应的运算后的发射功率;p′m表示第m个AP变异后的发射功率;l是[1,M]之间的随机整数,M为AP的个数;q表示变异算子,是一个均匀分布的随机数且满足预设的功率约束条件。
具体实施时,所述装置,还包括判断单元85,其中:
所述判断单元85,用于在所述编码单元82对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组之前,判断所述初始发射功率向量组中的每一向量包含的初始发射功率是否满足预设的功率约束条件;如果满足,则对所述初始发射功率向量组中的每一向量进行染色体编码;如果不满足,则重新获取初始发射功率向量组,直至满足预设的功率约束条件。
优选地,所述预设的功率约束条件为:
其中,表示第m个AP在第n个无线终端STA处所受的干扰;
A为使用同一通信链路的所有AP的集合;
m表示第m个AP;
n表示第n个STA;
pm表示第m个AP的初始发射功率;
gmn表示第m个AP与第n个STA之间的通信链路增益;
表示第n个STA的热噪声功率;
Thn为预设的目标值;
pmax表示每一AP所能承受的发射功率的最大值。
为了描述的方便,以上各部分按照功能划分为各模块(或单元)分别描述。当然,在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。例如,本发明实施例三提供的发射功率控制装置可以设置于接入控制器AC中,由接入控制器AC完成对接入点AP的发射功率的控制。
本申请的实施例所提供的发射功率控制装置可通过计算机程序实现。本领域技术人员应该能够理解,上述的模块划分方式仅是众多模块划分方式中的一种,如果划分为其他模块或不划分模块,只要发射功率控制装置具有上述功能,都应该在本申请的保护范围之内。
本发明实施例提供的发射功率控制方法和装置,获取初始发射功率向量组,其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的;对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组;利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组;从所述末代发射功率向量组中选择要输出的发射功率向量,在保证通信质量的前提下实现了对WLAN高密场景中接入点的发射功率的调整,减小了WLAN系统内干扰,同时也提高了网络整体的吞吐量。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,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 (18)

1.一种发射功率控制方法,其特征在于,包括:
获取初始发射功率向量组,其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的;
对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组;
利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组;
从所述末代发射功率向量组中选择要输出的发射功率向量。
2.如权利要求1所述的方法,其特征在于,利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组,具体包括:
利用遗传算法对所述第一发射功率向量组进行预设次数的遗传进化得到末代发射功率向量组;或者
利用遗传算法对所述第一发射功率向量组进行遗传进化,确定满足以下条件的发射功率向量组为所述末代发射功率向量组:包含的至少一个发射功率向量与预设的目标发射功率向量之间差值小于预设阈值。
3.如权利要求1所述的方法,其特征在于,从所述末代发射功率向量组中选择要输出的发射功率向量,具体包括:
确定所述末代发射功率向量组所包含的每一发射功率向量对应的适应度值;
确定适应度值最小的发射功率向量为要输出的发射功率向量。
4.如权利要求1所述的方法,其特征在于,针对每一代发射功率向量组,利用遗传算法按照以下流程进行遗传进化得到下一代发射功率向量组:
确定所述第一代发射功率向量组的适应度值;
根据所述第一代发射功率向量组和所述第一代发射功率向量组的适应度值,按照预设算法从所述第一代发射功率向量组中随机选择若干个发射功率向量;并
对选择出的若干个发射功率向量进行两两随机组合得到多个功率向量组;
针对每一功率向量组,对该功率向量组中的发射功率向量进行交叉运算得到运算后的发射功率向量;
针对每一运算后的发射功率向量,利用变异算子分别对随机选择出的、运算后的发射功率向量进行变异得到变异后的发射功率向量;
确定未变异的、运算后的发射功率向量和变异后的发射功率向量组成下一代发射功率向量组。
5.如权利要求4所述的方法,其特征在于,根据所述第一代发射功率向量组和所述第一代发射功率向量组的适应度值,按照预设算法从所述第一代发射功率向量组中随机选择若干个发射功率向量,具体包括:
根据所述第一代发射功率向量组,确定所述第一代发射功率向量组中的每一向量的适应度值;
根据所述第一代发射功率向量组的适应度值和每一向量的适应度值,确定每一向量在所述第一代发射功率向量组中的比重;
根据每一向量在所述第一代发射功率向量组中的比重,从所述第一代发射功率向量组中随机选择若干个发射功率向量。
6.如权利要求4所述的方法,其特征在于,针对每一功率向量组,按照以下公式对该功率向量组合中的发射功率向量进行交叉运算:
P′i=αPi+(1-α)Pj
P′j=(1-α)Pi+αPj
其中,Pi和Pj分别表示该功率向量组合中的发射功率向量;P′i和P′j分别表示运算后的发射功率向量;α为[0,1]之间均匀分布的随机数。
7.如权利要求4所述的方法,其特征在于,针对每一运算后的发射功率向量,利用变异算子分别对随机选择出的、运算后的发射功率向量进行变异得到变异后的发射功率向量,具体包括:
针对每一运算后的发射功率向量,利用变异算子按照如下公式对该运算后的发射功率向量进行变异:
其中,pm表示第m个AP对应的运算后的发射功率;p'm表示第m个AP变异后的发射功率;l是[1,M]之间的随机整数,M为AP的个数;q表示变异算子,是一个均匀分布的随机数且满足预设的功率约束条件。
8.如权利要求1所述的方法,其特征在于,在对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组之前,还包括:
判断所述初始发射功率向量组中的每一向量包含的初始发射功率是否满足预设的功率约束条件;
如果满足,则对所述初始发射功率向量组中的每一向量进行染色体编码;
如果不满足,则重新获取初始发射功率向量组,直至满足预设的功率约束条件。
9.如权利要求7或8所述的方法,其特征在于,所述预设的功率约束条件为:
其中,表示第m个AP在第n个无线终端STA处所受的干扰;
A为使用同一通信链路的所有AP的集合;
m表示第m个AP;
n表示第n个STA;
pm表示第m个AP的初始发射功率;
gmn表示第m个AP与第n个STA之间的通信链路增益;
表示第n个STA的热噪声功率;
Thn为预设的目标值;
pmax表示每一AP所能承受的发射功率的最大值。
10.一种发射功率控制装置,其特征在于,包括:
获取单元,用于获取初始发射功率向量组,其中,所述初始发射功率向量组中的初始发射功率向量是由每一接入点AP的初始发射功率构成的;
编码单元,用于对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组;
遗传进化单元,用于利用遗传算法对所述第一代发射功率向量组进行遗传进化得到末代发射功率向量组;
选择单元,用于从所述末代发射功率向量组中选择要输出的发射功率向量。
11.如权利要求10所述的装置,其特征在于,所述遗传进化单元,具体用于利用遗传算法对所述第一发射功率向量组进行预设次数的遗传进化得到末代发射功率向量组;或者利用遗传算法对所述第一发射功率向量组进行遗传进化,确定满足以下条件的发射功率向量组为所述末代发射功率向量组:包含的至少一个发射功率向量与预设的目标发射功率向量之间差值小于预设阈值。
12.如权利要求10所述的装置,其特征在于,所述选择单元,具体包括第一确定子单元和第二确定子单元,其中:
所述第一确定子单元,用于确定所述末代发射功率向量组所包含的每一发射功率向量对应的适应度值;
所述第二确定子单元,用于确定适应度值最小的发射功率向量为要输出的发射功率向量。
13.如权利要求10所述的装置,其特征在于,所述遗传进化单元,具体包括第三确定子单元、选择子单元,组合子单元、交叉运算子单元、变异子单元和第四确定子单元,其中:
所述第三确定子单元,用于确定所述第一代发射功率向量组的适应度值;
所述选择子单元,用于根据所述第一代发射功率向量组和所述第一代发射功率向量组的适应度值,按照预设算法从所述第一代发射功率向量组中随机选择若干个发射功率向量;并
所述组合子单元,用于对选择出的若干个发射功率向量进行两两随机组合得到多个功率向量组;
所述交叉运算子单元,用于针对每一功率向量组,对该功率向量组中的发射功率向量进行交叉运算得到运算后的发射功率向量;
所述变异子单元,用于针对每一运算后的发射功率向量,利用变异算子分别对随机选择出的、运算后的发射功率向量进行变异得到变异后的发射功率向量;
所述第四确定子单元,用于确定未变异的、运算后的发射功率向量和变异后的发射功率向量组成下一代发射功率向量组。
14.如权利要求13所述的装置,其特征在于,所述选择子单元,具体包括第一确定模块、第二确定模块和随机选择模块,其中:
所述第一确定模块,用于根据所述第一代发射功率向量组,确定所述第一代发射功率向量组中的每一向量的适应度值;
所述第二确定模块,用于根据所述第一代发射功率向量组的适应度值和每一向量的适应度值,确定每一向量在所述第一代发射功率向量组中的比重;
所述随机选择模块,用于根据每一向量在所述第一代发射功率向量组中的比重,从所述第一代发射功率向量组中随机选择若干个发射功率向量。
15.如权利要求13所述的装置,其特征在于,所述交叉运算子单元,具体用于针对每一功率向量组,按照以下公式对该功率向量组合中的发射功率向量进行交叉运算:
P′i=αPi+(1-α)Pj
P′j=(1-α)Pi+αPj
其中,Pi和Pj分别表示该功率向量组合中的发射功率向量;P′i和P′j分别表示运算后的发射功率向量;α为[0,1]之间均匀分布的随机数。
16.如权利要求13所述的装置,其特征在于,所述变异子单元,具体用于针对每一运算后的发射功率向量,利用变异算子按照如下公式对该运算后的发射功率向量进行变异:
其中,pm表示第m个AP对应的运算后的发射功率;p'm表示第m个AP变异后的发射功率;l是[1,M]之间的随机整数,M为AP的个数;q表示变异算子,是一个均匀分布的随机数且满足预设的功率约束条件。
17.如权利要求10所述的装置,其特征在于,还包括判断单元,其中:
所述判断单元,用于在所述编码单元对所述初始发射功率向量组中的每一向量进行染色体编码得到第一代发射功率向量组之前,判断所述初始发射功率向量组中的每一向量包含的初始发射功率是否满足预设的功率约束条件;如果满足,则对所述初始发射功率向量组中的每一向量进行染色体编码;如果不满足,则重新获取初始发射功率向量组,直至满足预设的功率约束条件。
18.如权利要求16或17所述的装置,其特征在于,所述预设的功率约束条件为:
其中,表示第m个AP在第n个无线终端STA处所受的干扰;
A为使用同一通信链路的所有AP的集合;
m表示第m个AP;
n表示第n个STA;
pm表示第m个AP的初始发射功率;
gmn表示第m个AP与第n个STA之间的通信链路增益;
表示第n个STA的热噪声功率;
Thn为预设的目标值;
pmax表示每一AP所能承受的发射功率的最大值。
CN201611238057.0A 2016-12-28 2016-12-28 一种发射功率控制方法和装置 Active CN108260196B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611238057.0A CN108260196B (zh) 2016-12-28 2016-12-28 一种发射功率控制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611238057.0A CN108260196B (zh) 2016-12-28 2016-12-28 一种发射功率控制方法和装置

Publications (2)

Publication Number Publication Date
CN108260196A true CN108260196A (zh) 2018-07-06
CN108260196B CN108260196B (zh) 2021-03-09

Family

ID=62720485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611238057.0A Active CN108260196B (zh) 2016-12-28 2016-12-28 一种发射功率控制方法和装置

Country Status (1)

Country Link
CN (1) CN108260196B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070072638A1 (en) * 2005-09-26 2007-03-29 Cisco Technology, Inc. Protocol extension for a high density network
US20070133504A1 (en) * 2005-12-05 2007-06-14 Hyun Soon Shin Method for selecting broadcast routing path using genetic algorithm in Ad-hoc network
US20100202560A1 (en) * 2009-02-02 2010-08-12 Qualcomm Incorporated Antenna virtualization in a wireless communication environment
CN102892188A (zh) * 2012-10-09 2013-01-23 中兴通讯股份有限公司 通信网络中基于遗传算法的上行功率控制方法及装置
CN103220761A (zh) * 2013-05-07 2013-07-24 西安电子科技大学 密集wlan环境下分布式的ap功率动态调整方法
CN103347299A (zh) * 2013-06-07 2013-10-09 北京邮电大学 一种基于遗传算法的集中式资源管理方法
CN103957585A (zh) * 2014-04-22 2014-07-30 福建三元达通讯股份有限公司 一种无线局域网接入点设备的功率控制方法及装置
CN103957586A (zh) * 2014-04-30 2014-07-30 京信通信系统(中国)有限公司 无线局域网的功率调整方法和装置
CN103987047A (zh) * 2014-04-23 2014-08-13 深圳市磊科实业有限公司 一种面向密集用户区域的集群ap频道分配和功率调整方法
EP3010215A1 (en) * 2014-10-14 2016-04-20 Alcatel Lucent A bad wiring detection tool and method
CN105913150A (zh) * 2016-04-12 2016-08-31 河海大学常州校区 一种基于遗传算法的bp神经网络光伏电站发电量预测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070072638A1 (en) * 2005-09-26 2007-03-29 Cisco Technology, Inc. Protocol extension for a high density network
US20070133504A1 (en) * 2005-12-05 2007-06-14 Hyun Soon Shin Method for selecting broadcast routing path using genetic algorithm in Ad-hoc network
US20100202560A1 (en) * 2009-02-02 2010-08-12 Qualcomm Incorporated Antenna virtualization in a wireless communication environment
CN102892188A (zh) * 2012-10-09 2013-01-23 中兴通讯股份有限公司 通信网络中基于遗传算法的上行功率控制方法及装置
CN103220761A (zh) * 2013-05-07 2013-07-24 西安电子科技大学 密集wlan环境下分布式的ap功率动态调整方法
CN103347299A (zh) * 2013-06-07 2013-10-09 北京邮电大学 一种基于遗传算法的集中式资源管理方法
CN103957585A (zh) * 2014-04-22 2014-07-30 福建三元达通讯股份有限公司 一种无线局域网接入点设备的功率控制方法及装置
CN103987047A (zh) * 2014-04-23 2014-08-13 深圳市磊科实业有限公司 一种面向密集用户区域的集群ap频道分配和功率调整方法
CN103957586A (zh) * 2014-04-30 2014-07-30 京信通信系统(中国)有限公司 无线局域网的功率调整方法和装置
EP3010215A1 (en) * 2014-10-14 2016-04-20 Alcatel Lucent A bad wiring detection tool and method
CN105913150A (zh) * 2016-04-12 2016-08-31 河海大学常州校区 一种基于遗传算法的bp神经网络光伏电站发电量预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JUN ZHANG等: "Clustering-Based Adaptive Crossover and Mutation Probabilities for Genetic Algorithms", 《IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION》 *
KANDASAMY ILLANKO等: "Sub-channel and power allocation for multiuser OFDM with rate constraints using Genetic Algorithm", 《2009 IEEE PACIFIC RIM CONFERENCE ON COMMUNICATIONS, COMPUTERS AND SIGNAL PROCESSING》 *
王薇等: "基于干扰矩阵的高密WLAN场景下集中式功率控制", 《电讯技术》 *
肖海林等: "基于遗传算法的多基站协作通信功率分配方案", 《电子科技大学学报》 *

Also Published As

Publication number Publication date
CN108260196B (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
EP3583797B1 (en) Methods and systems for network self-optimization using deep learning
CN106982436B (zh) 一种室内外网络覆盖的检测调整方法及装置
CN106792451B (zh) 一种基于多种群遗传算法的d2d通信资源优化方法
CN111246416B (zh) 一种基于遗传算法的水下无线传感器网络拓扑控制方法
US20130130707A1 (en) Method and System for Dynamic, Joint Assignment of Power and Scheduling of Users for Wireless Systems
CN105873214A (zh) 一种基于遗传算法的d2d通信系统的资源分配方法
CN114205791A (zh) 一种基于深度q学习的社交感知d2d协同缓存方法
Valavanis et al. Base-station location optimization for LTE systems with genetic algorithms
CN114585006A (zh) 基于深度学习的边缘计算任务卸载和资源分配方法
CN107786989B (zh) 一种Lora智能水表网络网关部署方法及装置
CN109362093A (zh) 网络功能虚拟化的总吞吐量最大化的资源优化方法
CN110505681B (zh) 基于遗传方法的非正交多址接入场景用户配对方法
CN109195222B (zh) 一种基于统计特性参考的功率分配方法
Shakya et al. A GA based network optimization tool for passive in-building distributed antenna systems
Xiong et al. An optimal resource allocation algorithm based on sum rate maximization for uplink SCMA system
CN108260196A (zh) 一种发射功率控制方法和装置
CN113038583A (zh) 适用于超密集网络的小区间下行链路干扰控制方法、装置和系统
CN108260193B (zh) 一种异构网络中基于信道聚合的联合资源分配方法及装置
CN114037363B (zh) 一种基于协同智能优化算法的多平台任务分配方法
Robbi et al. A modified genetic algorithm for resource allocation in cognitive radio networks
CN108566645A (zh) 基于Neyman-Scott簇过程的网络用户接入方法
CN104868985B (zh) 基于比例公平的认知ofdm网络中的资源分配方法
Yin et al. Multi-cell cooperative outage compensation in cloud-RANs based 5G public safety network
CN107919931A (zh) 认知网中一种基于隐马尔可夫的多信道功率控制机制
CN113873525A (zh) 一种超密集边缘计算网络的任务卸载方法及终端

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