CN108770005B - 一种基于粒子群算法的非正交接入上行传输时间优化方法 - Google Patents
一种基于粒子群算法的非正交接入上行传输时间优化方法 Download PDFInfo
- Publication number
- CN108770005B CN108770005B CN201810477060.0A CN201810477060A CN108770005B CN 108770005 B CN108770005 B CN 108770005B CN 201810477060 A CN201810477060 A CN 201810477060A CN 108770005 B CN108770005 B CN 108770005B
- Authority
- CN
- China
- Prior art keywords
- orrcm
- transmission time
- uplink transmission
- mobile users
- follows
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
- H04W52/06—TPC algorithms
- H04W52/14—Separate analysis of uplink or downlink
- H04W52/146—Uplink power control
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于粒子群算法的非正交接入上行传输时间优化方法,包括以下步骤:(1)在基站的覆盖范围下总共有I个移动用户,提出了一种满足移动用户的服务质量同时,最小化移动用户的上行传输时间和所有移动用户总能量消耗。其中,优化问题描述为一个非凸性优化问题;(2)将ORRCM问题等价转换为ORRCM‑E问题;(3)基于粒子群算法,在移动用户的上传量给定的情况下优化整体无线资源消耗(上行传输时间与所有移动用户总能量消耗)。本发明提供一种最小化上行传输时间与所有移动用户总能量消耗的基于粒子群算法的非正交接入上行传输时间优化方法。本发明的技术效果主要表现在:1、对于上行整体而言,利用非正交接入技术大大提高了系统传输效率;2、对于上行整体而言,利用非正交接入技术大大节省带宽资源;3、对于移动用户而言,通过非正交接入技术获得更优质的无线网络体验质量。
Description
技术领域
本发明属于通信领域,一种基于粒子群算法的非正交接入上行传输时间优化方法。
背景技术
移动互联网业务的快速发展,对蜂窝无线接入网造成了巨大的流量压力。由于有限的无线资源,利用非正交接入技术使移动用户同时共用同一信道为无线接入提供一种有效的方法,实现在未来的5G网中超高吞吐量和大规模连接的目标。
发明内容
为了克服现有技术的上行传输时间较长、所有用户总能量消耗较大缺点,本发明提供一种最小化上行传输时间与所有用户总能量消耗的基于粒子群算法的非正交接入上行传输时间优化方法,本发明针对上行传输时间过大的难点,主要考虑的是利用非正交接入技术来传输数据,研究了一种基于粒子群算法的非正交接入上行传输时间优化方法。
本发明解决其技术问题所采用的技术方案是:
一种基于粒子群算法的非正交接入上行传输时间优化方法,包括以下步骤:
在保证发送完成所有移动用户数据量的条件下,最小化上行传输时间与所有移动用户总能量消耗的优化问题描述为如下所示的优化问题ORRCM(Overall Radio ResourceConsumption Minimization)问题,ORRCM指的是整体无线资源消耗最小化:
0≤t≤Tmax (1-3)
Variables:t
下面将问题中的各个变量做一个说明,如下:
α:上行传输时间的权重因子;
β:上行传输总能量消耗的权重因子;
t:移动用户发送数据到基站的上行传输时间,单位是秒;
W:移动用户到基站的信道带宽,单位是赫兹;
n0:信道背景噪声的频谱功率密度;
giB:移动用户i到基站的信道功率增益;
Tmax:移动用户发送数据到基站的最大上行传输时间,单位是秒;
通过引入一个辅助变量求解ORRCM优化问题;
(2)ORRCM问题表示如下:
s.t.constraint(1-1)
constraint(1-2)
Variable:0≤t≤Tmax
ORRCM问题等价为ORRCM-E问题,“E”表示的是等价地,如下:
ORRCM-E:minθ
Variable:x≥1/Tmax
定义函数G(x)如下:
因此,得到函数G(x)的一阶导数如下:
(3)求解ORRCM-E问题的算法ORRCM-Algorithm,采用粒子群算法的基本思想,用随机解初始化一群随机例子,然后通过迭代找到最小的θ值,该θ值要满足ORRCM-E问题中约束条件(2-2)和(2-3),是ORRCM所对应的整体资源消耗(即上行传输时间与所有移动用户总能量消耗)的最小值,步骤如下:
步骤3.1:初始化种群个数N=50,最大迭代次数ger=50,当前迭代次数iter=1,惯性权重w=0.08,自我学习因子c1=0.03,群体学习因子c2=0.03,利用对分法求出函数Gi(x)=0的零点;如果且则ORRCM-E问题不可行;如果且或者则得到 更新设定xmin=1/Tmax;初始位置每个个体的历史最佳位置{smi}=0,每个个体的历史最佳适应度{fsmi}0<i≤N=0,种群的历史最佳位置ym=0,种群的历史最佳适应度fym=-∞,随机初始种群速度{vi}0<i≤N∈(0,0.01),更新速度的限制Δ=0.05;
步骤3.3:如果iter≤ger,则执行步骤3.4;否则转至执行步骤3.19;
步骤3.4:令i=1;
步骤3.5:如果i≤N,则执行步骤3.6;否则转至执行步骤3.8;
步骤3.6:如果fsmi>θ(si),则更新fsmi=θ(si),smi=si,执行步骤3.7;否则转至执行步骤3.8;
步骤3.7:更新i=i+1,返回步骤3.5;
步骤3.8:如果fym大于{fsmi}0<i≤N中的最小值fsmi,则更新fym=fsmi,ym=smi;否则执行步骤3.9;
步骤3.9:令i=1;
步骤3.10:如果i≤N,则执行步骤3.11;否则转至执行步骤3.13;
步骤3.11:更新速度vi=vi*w+c1*(smi-si)+c2*(ym-si);
步骤3.12:更新i=i+1,返回步骤3.10;
步骤3.13:如果发现vi>Δ,则更新vi=Δ;否则执行步骤3.14;
步骤3.14:如果发现vi<-Δ,则更新vi=-Δ,否则执行步骤3.15;
步骤3.15:更新种群位置,上一时刻的每个位置si加上更新速度vi,得最新的位置{si}0<i≤N;
步骤3.18:更新iter=iter+1,返回步骤3.3;
步骤3.19:如果ORRCM-E问题可行,输出θ*=fym以及x*=ym;否则输出ORRCM-E问题不可行;
本发明的技术构思为:首先,考虑在蜂窝无线网络中,移动用户通过非正交接入技术传输数据实现最小化上行传输时间与所有移动用户总能量消耗来获得一定的经济效益和服务质量。在此处,考虑的前提是移动用户的上传能量消耗及上行传输时间的限制。接着,通过对问题的特性分析,提出基于粒子群算法的方法,从而在保证发送完成所有移动用户数据量的条件下,实现最小化上行传输时间与所有移动用户总能量消耗。
本发明的有益效果主要表现在:1、对于上行整体而言,利用非正交接入技术大大提高了系统传输效率;2、对于上行整体而言,利用非正交接入技术大大节省带宽资源;3、对于移动用户而言,通过非正交接入技术获得更优质的无线网络体验质量。
附图说明
图1是无线网络中多个移动用户和基站的上行场景示意图。
具体实施方式
下面结合附图对于本发明作进一步详细描述。
参照图1,一种基于粒子群算法的非正交接入上行传输时间优化方法,实行该方法能在同时保证发送完成所有移动用户数据量的条件下,使得上行传输时间与所有移动用户总能量消耗最小化,提高整个系统的无线网络体验质量。本发明可以应用于无线网络,如图1所示场景中。针对该目标设计对问题的优化方法主要包括如下步骤:
在保证发送完成所有移动用户数据量的条件下,最小化上行传输时间与所有移动用户总能量消耗的优化问题描述为如下所示的优化问题ORRCM(Overall Radio ResourceConsumption Minimization)问题,ORRCM指的是整体无线资源消耗最小化:
0≤t≤Tmax (1-3)
Variables:t
下面将问题中的各个变量做一个说明,如下:
α:上行传输时间的权重因子;
β:上行传输总能量消耗的权重因子;
t:移动用户发送数据到基站的上行传输时间,单位是秒;
W:移动用户到基站的信道带宽,单位是赫兹;
n0:信道背景噪声的频谱功率密度;
giB:移动用户i到基站的信道功率增益;
Tmax:移动用户发送数据到基站的最大上行传输时间,单位是秒;
通过引入一个辅助变量求解ORRCM优化问题;
(2)ORRCM问题表示如下:
s.t.constraint(1-1)
constraint(1-2)
Variable:0≤t≤Tmax
ORRCM问题等价为ORRCM-E问题,“E”表示的是等价地,如下:
ORRCM-E:minθ
Variable:x≥1/Tmax
为了更方便的表达,定义函数G(x)如下:
因此,得到函数G(x)的一阶导数如下:
(3)求解ORRCM-E问题的算法ORRCM-Algorithm,采用粒子群算法的基本思想,用随机解初始化一群随机例子,然后通过迭代找到最小的θ值,该θ值要满足ORRCM-E问题中约束条件(2-2)和(2-3),是ORRCM所对应的整体资源消耗(即上行传输时间与所有移动用户总能量消耗)的最小值,步骤如下:
步骤3.1:初始化种群个数N=50,最大迭代次数ger=50,当前迭代次数iter=1,惯性权重w=0.08,自我学习因子c1=0.03,群体学习因子c2=0.03,利用对分法求出函数Gi(x)=0的零点;如果且则ORRCM-E问题不可行;如果且或者则得到 更新设定xmin=1/Tmax;初始位置每个个体的历史最佳位置{smi}=0,每个个体的历史最佳适应度{fsmi}0<i≤N=0,种群的历史最佳位置ym=0,种群的历史最佳适应度fym=-∞,随机初始种群速度{vi}0<i≤N∈(0,0.01),更新速度的限制Δ=0.05;
步骤3.3:如果iter≤ger,则执行步骤3.4;否则转至执行步骤3.19;
步骤3.4:令i=1;
步骤3.5:如果i≤N,则执行步骤3.6;否则转至执行步骤3.8;
步骤3.6:如果fsmi>θ(si),则更新fsmi=θ(si),smi=si,执行步骤3.7;否则转至执行步骤3.8;
步骤3.7:更新i=i+1,返回步骤3.5;
步骤3.8:如果fym大于{fsmi}0<i≤N中的最小值fsmi,则更新fym=fsmi,ym=smi;否则执行步骤3.9;
步骤3.9:令i=1;
步骤3.10:如果i≤N,则执行步骤3.11;否则转至执行步骤3.13;
步骤3.11:更新速度vi=vi*w+c1*(smi-si)+c2*(ym-si);
步骤3.12:更新i=i+1,返回步骤3.10;
步骤3.13:如果发现vi>Δ,则更新vi=Δ;否则执行步骤3.14;
步骤3.14:如果发现vi<-Δ,则更新vi=-Δ,否则执行步骤3.15;
步骤3.15:更新种群位置,上一时刻的每个位置si加上更新速度vi,得最新的位置{si}0<i≤N;
步骤3.18:更新iter=iter+1,返回步骤3.3;
步骤3.19:如果ORRCM-E问题可行,输出θ*=fym以及x*=ym;否则输出ORRCM-E问题不可行。
Claims (1)
1.一种基于粒子群算法的非正交接入上行传输时间优化方法,其特征在于,所述方法包括以下步骤:
在保证发送完成所有移动用户数据量的条件下,最小化上行传输时间与所有移动用户总能量消耗的优化问题描述为如下所示的优化问题ORRCM问题,ORRCM指的是整体无线资源消耗最小化:
0≤t≤Tmax (1-3)
变量:t
下面将问题中的各个变量做一个说明,如下:
α:上行传输时间的权重因子;
β:上行传输总能量消耗的权重因子;
t:移动用户发送数据到基站的上行传输时间,单位是秒;
W:移动用户到基站的信道带宽,单位是赫兹;
n0:信道背景噪声的频谱功率密度;
giB:移动用户i到基站的信道功率增益;
Tmax:移动用户发送数据到基站的最大上行传输时间,单位是秒;通过引入一个辅助变量求解ORRCM优化问题;
(2)ORRCM问题表示如下:
s.t.约束条件(1-1)
约束条件(1-2)
变量:0≤t≤Tmax
ORRCM问题等价为ORRCM-E问题,“E”表示的是等价地,如下:
ORRCM-E:minθ
变量:x≥1/Tmax
定义函数G(x)如下:
因此,得到函数G(x)的一阶导数如下:
(3)求解ORRCM-E问题的算法ORRCM-Algorithm,采用粒子群算法的基本思想,用随机解初始化一群随机例子,然后通过迭代找到最小的θ值,该θ值满足ORRCM-E问题中约束条件(2-2)和(2-3),是ORRCM所对应的整体资源消耗的最小值,步骤如下:
步骤3.1:初始化种群个数N=50,最大迭代次数ger=50,当前迭代次数iter=1,惯性权重w=0.08,自我学习因子c1=0.03,群体学习因子c2=0.03,利用对分法求出函数Gi(x)=0的零点;如果且则ORRCM-E问题不可行;如果且或者则得到 更新设定xmin=1/Tmax;初始位置每个个体的历史最佳位置{smi}=0,每个个体的历史最佳适应度{fsmi}0<i≤N=0,种群的历史最佳位置ym=0,种群的历史最佳适应度fym=-∞,随机初始种群速度{vi}0<i≤N∈(0,0.01),更新速度的限制Δ=0.05;
步骤3.3:如果iter≤ger,则执行步骤3.4;否则转至执行步骤3.19;
步骤3.4:令i=1;
步骤3.5:如果i≤N,则执行步骤3.6;否则转至执行步骤3.8;
步骤3.6:如果fsmi>θ(si),则更新fsmi=θ(si),smi=si,执行步骤3.7;否则转至执行步骤3.8;
步骤3.7:更新i=i+1,返回步骤3.5;
步骤3.8:如果fym大于{fsmi}0<i≤N中的最小值fsmi,则更新fym=fsmi,ym=smi;否则执行步骤3.9;
步骤3.9:令i=1;
步骤3.10:如果i≤N,则执行步骤3.11;否则转至执行步骤3.13;
步骤3.11:更新速度vi=vi*w+c1*(smi-si)+c2*(ym-si);
步骤3.12:更新i=i+1,返回步骤3.10;
步骤3.13:如果发现vi>Δ,则更新vi=Δ;否则执行步骤3.14;
步骤3.14:如果发现vi<-Δ,则更新vi=-Δ,否则执行步骤3.15;
步骤3.15:更新种群位置,上一时刻的每个位置si加上更新速度vi,得最新的位置{si}0<i≤N;
步骤3.18:更新iter=iter+1,返回步骤3.3;
步骤3.19:如果ORRCM-E问题可行,输出θ*=fym以及x*=ym;否则输出ORRCM-E问题不可行;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810477060.0A CN108770005B (zh) | 2018-05-18 | 2018-05-18 | 一种基于粒子群算法的非正交接入上行传输时间优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810477060.0A CN108770005B (zh) | 2018-05-18 | 2018-05-18 | 一种基于粒子群算法的非正交接入上行传输时间优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108770005A CN108770005A (zh) | 2018-11-06 |
CN108770005B true CN108770005B (zh) | 2021-05-18 |
Family
ID=64007220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810477060.0A Active CN108770005B (zh) | 2018-05-18 | 2018-05-18 | 一种基于粒子群算法的非正交接入上行传输时间优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108770005B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107466069A (zh) * | 2017-07-17 | 2017-12-12 | 浙江工业大学 | 无线网络中基于双连接与非正交多址接入的能效优化方法 |
CN107509243A (zh) * | 2017-08-10 | 2017-12-22 | 浙江工业大学 | 基于下行非正交多址接入系统的带宽与功率联合控制方法 |
CN107613567A (zh) * | 2017-09-27 | 2018-01-19 | 广东工业大学 | 一种基于无线输能的无线传感网络资源分配方法 |
CN107645731A (zh) * | 2017-09-21 | 2018-01-30 | 北京邮电大学 | 一种非正交多址接入系统中基于自组织资源分配的负载均衡方法 |
CN108040364A (zh) * | 2017-11-07 | 2018-05-15 | 浙江工业大学 | 非正交多址链路中信道带宽与功率联合分配的线性搜索方法 |
-
2018
- 2018-05-18 CN CN201810477060.0A patent/CN108770005B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107466069A (zh) * | 2017-07-17 | 2017-12-12 | 浙江工业大学 | 无线网络中基于双连接与非正交多址接入的能效优化方法 |
CN107509243A (zh) * | 2017-08-10 | 2017-12-22 | 浙江工业大学 | 基于下行非正交多址接入系统的带宽与功率联合控制方法 |
CN107645731A (zh) * | 2017-09-21 | 2018-01-30 | 北京邮电大学 | 一种非正交多址接入系统中基于自组织资源分配的负载均衡方法 |
CN107613567A (zh) * | 2017-09-27 | 2018-01-19 | 广东工业大学 | 一种基于无线输能的无线传感网络资源分配方法 |
CN108040364A (zh) * | 2017-11-07 | 2018-05-15 | 浙江工业大学 | 非正交多址链路中信道带宽与功率联合分配的线性搜索方法 |
Non-Patent Citations (3)
Title |
---|
Energy-Efficient NOMA-Enabled Traffic Offloading via Dual-Connectivity in Small-Cell Networks;Yuan Wu等;《IEEE COMMUNICATIONS LETTERS》;20170321;全文 * |
Joint Channel Bandwidth and Power Allocations for Downlink Non-Orthogonal Multiple Access Systems;Yuan Wu等;《2017 IEEE 86th Vehicular Technology Conference(VTC-Fall)》;20170927;全文 * |
Secrecy-Based Energy-Efficient Data Offloading via Dual Connectivity Over Unlicensed Spectrums;Yuan Wu等;《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》;20160920;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108770005A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110062377B (zh) | 安全携能通信中功率分割因子与波束成型联合优化方法 | |
CN112583566B (zh) | 一种基于空天地一体化系统的网络资源分配方法 | |
CN111918320B (zh) | 时分双工下非正交多址接入的无线通信资源优化分配方法 | |
CN105813189B (zh) | 一种蜂窝网中的d2d分布式功率优化方法 | |
CN110149127A (zh) | 一种基于noma技术的d2d通信系统预编码向量优化方法 | |
CN107241799B (zh) | 异构网络中能量有效的资源分配和干扰对齐联合方法 | |
CN111446992A (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 | |
CN108712755B (zh) | 基于深度强化学习的非正交接入上行传输时间优化方法 | |
CN108770005B (zh) | 一种基于粒子群算法的非正交接入上行传输时间优化方法 | |
CN108668304B (zh) | 一种基于深度强化学习的非正交接入下行传输时间优化方法 | |
CN109451584B (zh) | 一种多天线数能一体化通信网络的最大化上行吞吐量方法 | |
Zhang et al. | Energy efficient resource allocation in millimeter-wave-based fog radio access networks | |
CN107182116A (zh) | 全双工蜂窝移动通信系统中基于功率分配的干扰控制方法 | |
CN116760448A (zh) | 一种基于mimo-noma的星地融合网络资源高效分配方法 | |
CN106330608A (zh) | 在数能一体化通信网络中上行用户吞吐量公平性优化方法 | |
CN110933716A (zh) | 一种基于边缘缓存的安全低时延毫米波传输方法 | |
Kim et al. | Cloud-based Wi-Fi network using immediate ACK in uplink data transmissions | |
CN113490277B (zh) | H-cran中基于swipt的能量分配与时隙切换系数联合优化方法 | |
CN110087320A (zh) | 一种面向实时控制的无线资源分配方法 | |
CN115633402A (zh) | 一种面向混合业务吞吐量优化的资源调度方法 | |
CN108768708B (zh) | 一种基于线性搜索式的非正交接入上行传输时间优化方法 | |
CN112492530B (zh) | 基于基站缓存和前向链路组播传输的联合波束设计方法 | |
CN110868756B (zh) | 一种noma系统中的功率分配方法及装置 | |
CN108810986B (zh) | 一种基于深度确定性策略梯度的非正交接入下行传输时间优化方法 | |
CN108777868B (zh) | 一种基于对分搜索式的非正交接入上行传输时间优化方法 |
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 |