CN108322938B - 超密集组网下基于双层非合作博弈理论的功率分配方法及其建模方法 - Google Patents
超密集组网下基于双层非合作博弈理论的功率分配方法及其建模方法 Download PDFInfo
- Publication number
- CN108322938B CN108322938B CN201810063116.8A CN201810063116A CN108322938B CN 108322938 B CN108322938 B CN 108322938B CN 201810063116 A CN201810063116 A CN 201810063116A CN 108322938 B CN108322938 B CN 108322938B
- Authority
- CN
- China
- Prior art keywords
- power
- game
- representing
- sbs
- base station
- 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
- 230000006855 networking Effects 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims description 25
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000001613 Gambling Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
-
- 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)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种超密集组网下基于双层非合作博弈理论的功率分配方法,其特征在于,包括如下步骤:设定各SBS和MUE的功率初始分配值,依据预先设定好的定价因子,同时根据各自的博弈收益函数进行博弈,选择各自的博弈策略,也即功率分配策略,直到达到均衡值;设定各SUE的功率初始分配值,在SBS得到各自博弈的均衡值后,依据设定的定价因子和博弈收益函数进行功率博弈,直到达到均衡值。本发明能够协调各个网络间的功率分配,在控制各层干扰的同时,也能有效地通过博弈求得最优的功率分配集合。
Description
技术领域
本发明涉及一种超密集组网下基于双层非合作博弈理论的功率分配方法,具体涉及超密集组网下功率分配的建模,并在此场景下建立了基于双层非合作博弈理论的功率分配模型,属于无线通信技术领域。
背景技术
在过去三十年里,移动通信经历了从语音业务到移动宽带数据业务的飞跃式发展。移动互联网和物联网作为未来移动通信发展的两大主要驱动力,为第五代移动通信(5G)提供了广阔的应用前景。综合未来移动互联网和物联网各类场景和业务需求,5G主要技术场景可归纳为连续广域覆盖、热点高容量、低功耗大连接和低时延高可靠四个场景。面向2020年及未来,数据流量的千倍增长,千亿设备连接和多样化业务需求都将对5G系统设计提出严峻挑战。
现有的网络架构中,基站之间的交互功能不强。现有网络小区中心与边缘接入速率性能差异较大,很难满足广域覆盖下100Mbps用户体验速率以及热点地区1Gbps体验速率需求。现有核心网网关的部署位置较高,数据转发模式单一,导致业务数据流量向网络中心汇聚,特别是在热点高容量场景下,容易对移动网络造成较大的容量压力。超密集组网技术应运而生。
超密集组网采用频谱资源的空间复用带来的频谱效率提升的增益达到千倍以上,通过减小小区半径,增加单位面积内小基站的密度,并引入超大规模低功率节点实现热点增强、消除盲点、改善网络覆盖,可显著提高频谱,改善网络覆盖,通过小区数和信道数,容量成倍提升,大幅度提升系统容量,成为解决未来5G热点高容量场景下极高网络数据流量和机制用户体验速率的有效解决方案。在热点高容量地区,宏基站与多个微基站共存,共同为宏蜂窝用户与微蜂窝用户提供资源,但是在满足用户高数据速率需求的同时,也存在严重的干扰问题。如何解决热点高容量地区,在满足用户对功率需求的同时,又可以有效地解决用户间的干扰问题成为研究的热点。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容:
本发明的目的在于结合超密集组网的特性,提供一种超密集组网下基于双层非合作博弈理论功率分配的建模方法,对功率进行分配,从而克服上述现有技术中的缺陷。
为实现上述目的,本发明提供了一种超密集组网下基于双层非合作博弈理论的功率分配的建模方法,包括如下步骤:
S1,在热点高容量场景下,搭建超密集组网结构的网络环境;
S2,根据搭建的超密集的网络环境,建立双层非合作功率博弈模型;
S3,根据步骤2建立的双层博弈模型,进行分布式非合作的功率博弈。
本发明进一步限定的技术方案为:
优选地,上述技术方案,S2中所述双层非合作功率博弈模型具体为:S2.1,建立上层博弈模型,上层博弈是MUE和SBS之间关于MBS发射功率的博弈;
S2.2,建立下层SUE功率博弈模型,根据SUE的SINR水平为基准进行评判,确定博弈的效用函数和约束条件。
优选地,上述技术方案,步骤S2.1具体为:
S2.1.1,建立上层MUE功率博弈模型,根据MUE的信干噪比SINR水平为基准进行评判,确定博弈的效用函数和约束条件;S2.1.2,建立上层SBS功率博弈模型,根据SBS的信道传输容量为基准,确定博弈的效用函数和约束条件。
优选地,上述技术方案,步骤2.1.1中所述效用函数和约束条件具体为:
其中:MU表示宏基站提供服务的MUE集合;
pSS表示所有SBS的功率分配集合;
bj为常量,反映了用户对QoS的敏感度;
cj为常量,体现了用户对QoS的需求;
优选地,上述技术方案,步骤2.1.2所述效用函数和约束条件表达式为:
其中:K表示信道个数,并且信道集合为K={1,2,…,k};
SSs表示微基站集合,sS表示具体一个SBS;
s0表示MBS;
Γk是常量值,它表示了基站相应信道上的相应的SINR需求;
优选地,上述技术方案,步骤2.2所述效用函数和约束条件表达式为:
其中,SUs表示基站s覆盖范围内的SUE构成的集合;
ni表示SUEi受到的干扰噪声;
优选地,上述技术方案,S3进行双层分布式非合作的功率博弈方法具体为:
步骤3.1,定义领导者参与的博弈为上层子博弈,跟随者参与的博弈定义为下层子博弈,其中,领导者最先指定自己的策略,之后跟随者再根据领导者的决策制定自己的策略;
步骤3.2,MUE和SBS作为功率资源的授权者在上层网络中以非合作博弈的模式进行功率调整,并且对SUE的响应进行实时预测。
步骤3.3,SBS执行完策略之后,SUE作为非功率资源的授权者在下层网络中也以非合作博弈的模式进行功率调整。步骤3.4,各层不断地进行功率的博弈与迭代,以求得纳什均衡解。
一种超密集组网下基于双层非合作博弈理论的功率分配方法,其特征在于,包括如下步骤:
S1:设定各SBS和MUE的功率初始分配值,依据预先设定好的定价因子,同时根据各自的博弈收益函数进行博弈,选择各自的博弈策略,也即功率分配策略,直到达到均衡值;
S2:设定各SUE的功率初始分配值,在SBS得到各自博弈的均衡值后,依据设定的定价因子和博弈收益函数进行功率博弈,直到达到均衡值。
优选地,上述技术方案,所述分配方法建立在以下三个条件上:一、网络中只存在一个宏基站,且宏基站的功率也是变化的,参与系统的博弈;二、同一层同类博弈问题的干扰噪声和加性噪声相同;三、信道为等效信道,且信道带宽大小归一化。
与现有技术相比,本发明具有如下有益效果:
本发明能够协调各个网络间的功率分配,在控制各层干扰的同时,也能有效地通过博弈求得最优的功率分配集合。
附图说明:
图1是本发明超密集组网的网络场景图。
图2是超密集组网下基于双层非合作博弈理论的功率分配方法流程图。
具体实施方式:
下面对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
本发明研究在超密集组网架构下,如何进行无线网络中功率的分配。本文所涉及的无线网络的功率分配主要指的是在超密集组网的网络架构下,按照一定规则将系统内的宏基站的下行链路的功率分配给其覆盖范围内的各微基站和宏蜂窝用户,并且各微基站将功率分配给其覆盖范围内的各微蜂窝用户。功率分配的最终目的是实现在满足用户需求的同时,也能降低各用户间的干扰。
在本发明的博弈模型中,考虑下行传输信道场景,并作了如下的假设:
1)网络中只存在一个宏基站,且宏基站的功率也是变化的,并参与到系统的博弈中;
2)同一层同类博弈问题的干扰噪声和加性噪声相同;
3)信道为等效信道,且信道带宽大小归一化。
如图2所示,本发明主要包括三个内容:一是热点高容量场景下的超密集组网的网络环境;二是双层分布式非合作功率博弈,涉及SBS、MUE和SUE三个博弈群体的功率博弈;三是根据模型进行不断地博弈,以获得纳什均衡解,达到合理分配功率的目的。
1、超密集组网的网络环境
在热点高容量区域,由于用户需求极高,传统的宏基站部署已无法满足用户的业务需求。超密集组网的网络架构应运而生。在传统的宏基站网络中引入微基站后,超密集的组网网络架构可以视为由两个相互独立的层组成。在图1所示的热点高容量的网络场景中,假设只考虑在单个宏基站MBS的覆盖范围内,部署若干个微基站SBS。在这种密集组网的网络架构下,用户集合可分为宏蜂窝用户MUE和微蜂窝用户SUE。由微基站构成的基站集合为SSs={s1,s2,...,ss},其中基站ss∈SSs。基站s覆盖范围内的SUE构成的集合为SUs={1,2,...,i},其中i∈SUs。由宏基站提供服务的MUE集合为MU={1,2,...,j},其中j∈MU。
2、双层非合作博弈模型
步骤1:在双层博弈中,MUE和SBS作为功率资源的授权者在上层网络中以非合作博弈的模式进行功率调整,并且对SUE的响应进行实时预测。SBS执行完策略之后,SUE作为非功率资源的授权者在下层网络中也以非合作博弈的模式进行功率调整。定义领导者参与的博弈为上层子博弈,跟随者参与的博弈定义为下层子博弈。其中,领导者最先指定自己的策略,之后跟随者再根据领导者的决策制定自己的策略。
步骤2:MUE功率博弈
一般情况下,服务质量是以用户的SINR水平为基准进行评判,设MUE的SINR函数为:
其中代表用户j所受到的用户间干扰和加性干扰。考虑到S型函数在反应用户需求方面更加具有真实性,所以选择S型函数作为MUE的收益函数其收益函数是γj上的增函数且满足:Lj(0)=0和Lj(∞)=1,因此,当用户的服务质量水平提高时,用户的满意度会随之增加。定义MUE的收益函数和惩罚函数分别为:
所以,MUE间博弈的优化问题定义为:
其中,表示MUE中除了j外,MBS分配给其他MUE的功率集合,pSS表示所有SBS的功率分配集合,表示MUEj的最大传输功率,bj为常量,反映了用户对QoS的敏感度,cj为常量,体现了用户对QoS的需求。S型收益函数的选择保证了MUE的最低SINR需求。
步骤3:SBS功率博弈
其中,表示SBS中ss在各信道的传输功率的决策,Γk是常量值,它表示了基站相应信道上的相应的SINR需求,表示策略约束,设定了功率需求的上限。其中表示对基站ss的功率总和的约束,表示对基站ss功率的掩码约束,以防造成更多的干扰。
步骤4:SUE功率博弈
考虑在单个SBS覆盖的网络范围内,共有M个子载波供用户使用。因此,SUEi的SINR可以表示为:
由于效用函数应该是非负的凸函数,因此考虑将用户SINR的平方值作为效用函数。综上,定义基站ss的用户i的效用函数为:
3、功率分配的流程
本发明所提出的功率博弈算法,指的是在超密集组网网络架构下的基站和用户间功率分配的问题。功率分配的最终目的是既可以满足用户对无线网络资源的需求,保证用户的业务体验,又尽可能的降低用户间的干扰。
步骤1:设定各SBS和MUE的功率初始分配值,依据预先设定好的定价因子,同时根据各自的博弈收益函数进行博弈,选择各自的博弈策略,也即功率分配策略,直到达到均衡值。
步骤2:设定各SUE的功率初始分配值,在SBS得到各自博弈的均衡值后,依据设定的定价因子和博弈收益函数进行功率博弈,直到达到均衡值。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (2)
1.一种超密集组网下无线网络功率分配的建模方法,其特征在于,包括如下步骤:
S1,在热点高容量场景下,搭建超密集组网结构的网络环境;
S2,根据搭建的超密集的网络环境,建立双层非合作功率博弈模型;
S3,根据步骤2建立的双层博弈模型,进行分布式非合作的功率博弈;
S2中,所述双层非合作功率博弈模型具体为:S2.1,建立上层博弈模型,上层博弈是宏蜂窝用户MUE和微基站SBS之间关于宏基站MBS发射功率的博弈;
S2.2,建立下层微蜂窝用户SUE功率博弈模型,根据SUE的信干噪比SINR水平为基准进行评判,确定博弈的效用函数和约束条件;
步骤S2.1具体为:
S2.1.1,建立上层MUE功率博弈模型,根据MUE的SINR水平为基准进行评判,确定博弈的效用函数和约束条件;S2.1.2,建立上层SBS功率博弈模型,根据SBS的信道传输容量为基准,确定博弈的效用函数和约束条件;
步骤2.1.1中所述效用函数和约束条件具体为:
其中:MU表示MUE的集合;
pSS表示所有SBS的功率分配集合;
bj为常量,反映了用户对服务质量QoS的敏感度;
cj为常量,体现了用户对服务质量QoS的需求;
步骤2.1.2所述效用函数和约束条件表达式为:
其中:SSs表示SBS集合,sS表示具体一个SBS;
K表示信道个数,并且信道集合为K={1,2,…,k,…,K};
s0表示MBS;
Γk是常量值,它表示了基站相应信道上的相应的SINR需求;
表示SBS中基站ss在信道k上分配的传输功率,表示SBS中基站ss在信道k上的功率增益,表示SBS中不是基站ss的基站si在信道k上分配的传输功率,表示SBS中基站ss在信道k上受到来自基站si的干扰增益;
步骤2.2所述效用函数和约束条件表达式为:
其中,SUs表示基站s覆盖范围内的SUE构成的集合;
ni表示SUEi受到的干扰噪声;
S3进行双层分布式非合作的功率博弈方法具体为:
步骤3.1,定义领导者参与的博弈为上层子博弈,跟随者参与的博弈定义为下层子博弈,其中,领导者最先指定自己的策略,之后跟随者再根据领导者的决策制定自己的策略;
步骤3.2,MUE和SBS作为功率资源的授权者在上层网络中以非合作博弈的模式进行功率调整,并且对SUE的响应进行实时预测;
步骤3.3,SBS执行完策略之后,SUE作为非功率资源的授权者在下层网络中也以非合作博弈的模式进行功率调整;
步骤3.4,各层不断地进行功率的博弈与迭代,以求得纳什均衡解;
功率分配流程如下:
步骤1:设定各SBS和MUE的功率初始分配值,依据预先设定好的定价因子,同时根据各自的博弈收益函数进行博弈,选择各自的博弈策略,也即功率分配策略,直到达到均衡值;
步骤2:设定各SUE的功率初始分配值,在SBS得到各自博弈的均衡值后,依据设定的定价因子和博弈收益函数进行功率博弈,直到达到均衡值。
2.根据权利要求1所述超密集组网下无线网络功率分配的建模方法,其特征在于,所述分配流程建立在以下三个条件上:一、网络中只存在一个宏基站,且宏基站的功率也是变化的,参与系统的博弈;二、同一层同类博弈问题的干扰噪声和加性噪声相同;三、信道为等效信道,且信道带宽大小归一化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810063116.8A CN108322938B (zh) | 2018-01-23 | 2018-01-23 | 超密集组网下基于双层非合作博弈理论的功率分配方法及其建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810063116.8A CN108322938B (zh) | 2018-01-23 | 2018-01-23 | 超密集组网下基于双层非合作博弈理论的功率分配方法及其建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108322938A CN108322938A (zh) | 2018-07-24 |
CN108322938B true CN108322938B (zh) | 2022-01-11 |
Family
ID=62888061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810063116.8A Active CN108322938B (zh) | 2018-01-23 | 2018-01-23 | 超密集组网下基于双层非合作博弈理论的功率分配方法及其建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108322938B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109104735B (zh) * | 2018-09-13 | 2021-09-24 | 南京邮电大学 | 超密集组网下多点协作传输的功率分配策略 |
CN109362081A (zh) * | 2018-12-05 | 2019-02-19 | 重庆邮电大学 | 一种超密集异构网络下带内回程基站的部署方法 |
CN109640386B (zh) * | 2019-01-16 | 2020-05-12 | 北京科技大学 | 一种无线供电传感器网络最优功率分配方法及装置 |
CN109842887B (zh) * | 2019-03-06 | 2021-10-29 | 南京邮电大学 | 面向超密集场景考虑用户移动性的资源映射方法 |
CN110049566B (zh) * | 2019-04-29 | 2020-09-01 | 西北工业大学 | 一种基于多无人机辅助通信网络的下行功率分配方法 |
CN110868730B (zh) * | 2019-11-14 | 2022-07-26 | 中国人民解放军国防科技大学 | 一种基于非合作博弈的移动传感器覆盖增强方法 |
CN112788765B (zh) * | 2020-12-30 | 2022-09-09 | 北京邮电大学 | 用户设备能效的功率优化方法、通信方法及装置 |
CN112785094B (zh) * | 2021-03-09 | 2024-06-28 | 南京工程学院 | 基于斯塔克尔伯格博弈的光伏储能电站容量配置优化方法 |
CN112804744B (zh) * | 2021-04-16 | 2021-08-13 | 翱捷科技股份有限公司 | 一种适用于nr的自动增益控制方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103260192A (zh) * | 2013-06-04 | 2013-08-21 | 北京邮电大学 | 一种基于双效用的家庭基站和宏基站异构双层网络功率分配方法 |
CN104105193A (zh) * | 2014-07-01 | 2014-10-15 | 西安交通大学 | 一种异构网络中基于Starckelberg 博弈的功率分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9730242B2 (en) * | 2012-12-20 | 2017-08-08 | Telecom Italia S.P.A. | Method and system for scheduling radio resources in cellular networks |
-
2018
- 2018-01-23 CN CN201810063116.8A patent/CN108322938B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103260192A (zh) * | 2013-06-04 | 2013-08-21 | 北京邮电大学 | 一种基于双效用的家庭基站和宏基站异构双层网络功率分配方法 |
CN104105193A (zh) * | 2014-07-01 | 2014-10-15 | 西安交通大学 | 一种异构网络中基于Starckelberg 博弈的功率分配方法 |
Non-Patent Citations (4)
Title |
---|
Energy-efficient resource allocation strategy in ultra dense small-cell networks: A Stackelberg game approach;Liang Xu等;《2017 IEEE International Conference on Communications (ICC)》;20170525;全文 * |
基于博弈论的Femtocell上行链路功率控制方法研究;潘晓亮;《中国优秀博硕士学位论文全文数据库(硕士)》;20120415;全文 * |
基于认知无线电系统的新型合作功率控制博弈算法;程世伦;《通信学报》;20070831;全文 * |
面向分层异构网络的资源分配:一种稳健分层博弈学习方案;邵鸿翔;《电子与信息学报》;20170131;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108322938A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108322938B (zh) | 超密集组网下基于双层非合作博弈理论的功率分配方法及其建模方法 | |
Yan et al. | A game theory approach for joint access selection and resource allocation in UAV assisted IoT communication networks | |
CN106604401B (zh) | 一种异构网络中的资源分配方法 | |
Dai et al. | The multi-objective deployment optimization of UAV-mounted cache-enabled base stations | |
CN109982434B (zh) | 无线资源调度一体智能化控制系统及方法、无线通信系统 | |
CN104378772B (zh) | 一种蜂窝网络中面向小区无定形覆盖的小基站部署方法 | |
Ahmad et al. | Quality-of-service aware game theory-based uplink power control for 5G heterogeneous networks | |
CN105792233B (zh) | 一种在异构蜂窝网络中基于效能理论接入移动终端的方法 | |
Munir et al. | A game theoretical network-assisted user-centric design for resource allocation in 5G heterogeneous networks | |
CN107708157A (zh) | 基于能效的密集小蜂窝网络资源分配方法 | |
CN105490794B (zh) | Ofdma毫微微小区双层网络基于分组的资源分配方法 | |
Xu et al. | A Stackelberg game-based spectrum allocation scheme in macro/femtocell hierarchical networks | |
Rohoden et al. | Game theoretical framework for clustering and resource allocation in macro-femtocell networks | |
Bartelt et al. | Joint bandwidth allocation and small cell switching in heterogeneous networks | |
Marshoud et al. | Macrocell–femtocells resource allocation with hybrid access motivational model | |
Maloku et al. | A decentralized approach for self-coexistence among heterogeneous networks in TVWS | |
Yuan et al. | Cooperative bandwidth sharing for 5g heterogeneous network using game theory | |
CN116567667A (zh) | 一种基于深度强化学习的异构网络资源能效优化方法 | |
CN104581910B (zh) | 面向小区无定形覆盖的协作簇内小基站异步功率控制方法 | |
CN112543498B (zh) | 一种基于分层博弈模型的功率自适应分配方法 | |
CN108055670A (zh) | 基于匹配博弈的带宽动态性优化方法 | |
Shang et al. | Resource allocation and admission control algorithm based on non-cooperation game in wireless mesh networks | |
Fazliu et al. | Distributed downlink power control for dense networks with carrier aggregation | |
CN110312320A (zh) | 一种超密集网络中基于演化博弈理论的解耦多接入方法 | |
CN103945514A (zh) | 基于公平性的扩散式自适应上行功率控制方法 |
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 |