CN108833183B - 一种多时隙能量采集多归属异构网络的功率分配方法 - Google Patents
一种多时隙能量采集多归属异构网络的功率分配方法 Download PDFInfo
- Publication number
- CN108833183B CN108833183B CN201810688097.8A CN201810688097A CN108833183B CN 108833183 B CN108833183 B CN 108833183B CN 201810688097 A CN201810688097 A CN 201810688097A CN 108833183 B CN108833183 B CN 108833183B
- Authority
- CN
- China
- Prior art keywords
- time slot
- nsij
- energy
- base station
- network
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- 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
- H04W52/18—TPC being performed according to specific parameters
- H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
-
- 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
- H04W52/18—TPC being performed according to specific parameters
- H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
- H04W52/265—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the quality of service QoS
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于能量采集技术领域,具体的说是一种多时隙能量采集多归属异构网络的功率分配方法。本发明的基本思路是将能量采集技术在多时隙的多归属异构网络中进行分析,并且以网络的能效作为优化目标建立相应的分数规划模型,考虑连接的损耗。本发明的有益效果为,本发明将能量采集技术引入到异构网络模型中,同时在网络模型中加入多归属技术,弥补能量采集技术不稳定的特性。
Description
技术领域
本发明属于能量采集(Energy Harvesting)技术领域,具体涉及一种采用能量采集技术的多归属(multi-homing)异构网络(Herterogeneous)的优化接入方法。
背景技术
在通信行业重视能量采集之前,能量采集主要是指把大自然中的一些能源收集起来转化为电能给系统供电,这些能量主要包括动能、光能、电磁能、热能的收集。而通信行业将其与无线通信进行结合,即通过利用能量采集到的能源进行无线通信。这样就实现了通信设备可以随时随地的有能量供给,不再因电池能量不足而困扰。同时,也解决了废弃电池对环境的污染,是绿色通信研究的一个重要研究课题。
在异构网络中,移动终端可以装备多个功能的系统模块,如声音,图像和数据处理模块。特别地,移动终端能够通过多个无线接口和使用多归属特性,与基站进行通信,同时,通过接入点接入不同的网络。将能量采集技术加入到异构网络中,即网络中每一个基站具有能量采集系统,可以从自然界采集能量。
在单时隙能量采集的多归属异构网络最大吞吐量问题的研究中,由于采用能量采集技术,使得在每个时隙进行传输时受到了能量的限制,并且在每个时隙传输数据的多少就会受到此时隙能量采集的限制,而在每个时隙的结束采集的能量都将使用完。这使得当采集能量过少时,可能会无法进行传输。这样就不能体现出能量采集的优势性,只能说是在每个利用贪婪的思想达到最大,但并不是最优的功率分配方式。所以将单个时隙扩大到多个时隙进行分析,并且为了简化模型,假设基站配备有容量无限大的电池,避免因电池容量不足而浪费了能量。同时,为了弥补能量采集不稳定的因素引进了多归属技术,而在优化目标仍然沿用最大化吞吐量。而对于网络系统,多数是以能效来比较网络的性能,所以以能效为优化目标进行优化。为了更贴近实际模型,在与基站进行连接通信时,加入了连接损耗,从而也尽可能的降低了用户在一些基站之间的连续切换,降低了对基站系统的损耗。
将能量采集技术和多重归属技术一起应用在异构网络中,因为异构网络允许同时接入多层网络,当某层基站的采集能量不足时,因为用户是接入多层网络,所以可以间接从其他层的基站中获得吞吐量保持系统的稳定性。
发明内容
本发明将能量采集技术引入到异构网络模型中,同时在网络模型中加入多归属技术弥补能量采集技术不稳定的特性。将能量采集技术在多时隙的多归属异构网络中进行分析,并且以网络的能效作为优化目标建立相应的分数规划模型,考虑连接的损耗。因为是否连接使得模型引入0-1变量,为了降低采用遍历算法的复杂度,本发明采用交叉熵算法来确定0-1变量。
本发明的技术方案是:
首先介绍系统模型:
假设一共有N层网络,在每层网络中有S个基站,并设在整个异构网络系统中有I个用户。因为本发明考虑的是多时隙能量采集系统,所以假设一共有J个时隙。为了保证用户的QoS,每个用户存在一个传输速率的下限值同时,由于用户所使用的时隙的不同,本发明假设用户在不同时隙传输速率的下限值也会随时间随机变化,所以第i个用户在第j个时隙所要求的下限值记为Rij。所以对于任何用户和任何时隙对于服务质量的约束条件为
其中rnsij为在第j个时隙第n层网络中的第s个基站传输给第i个用户的速率。
因为能量采集所到达的能量是随机的,所以当用户在传输数据时会受到能量多少的限制,并且由于时间的约束,采集的能量可以在余留一部分能量提供为未来时隙使用。综上所述,系统的能量因果约束为:
其中,tj表示第j个时隙的时长;同样仿照前文能量采集对于时隙的定义,即每个能量采集的时刻到下一个能量采集时刻之间的时长记为一个时隙。pnsij表示在第j个时隙时,第n层网络第s个基站对于第i个用户的分配功率。表示在第j个时隙时,第n层网络第s个基站采集的能量。Cnsij为在第j个时隙时,第n层网络第s个基站与第i个用户进行通信链接产生的损耗。
链接的损耗分为两种情况,一种是第j-1时隙第n层网络第s个基站与第i个用户并没有链接,在第j时隙两者进行链接,此时的损耗为α;第二种是第j-1时隙第n层网络第s个基站与第i个用户链接,在第j时隙两者依旧保持链接,此时的损耗为β。具体Cnsij的表达式为
Cnsij=αδ(pnsij-1)H(pnsij)+βH(pnsij-1)H(pnsij)
其中,δ(·)为狄拉克函数,即
H(·)为阶跃函数,定义为
因为本发明采用多归属技术是为了在一定程度上弥补能量采集不稳定的性质,但是与单纯的能量采集供能相比,由于能量采集技术对通信系统引进的能量受限的约束,所以如果只是单纯对吞吐量进行对比多归属技术必然存在一定的优势。进而,为了可以充分体现在网络模型中引入能量采集技术和多归属技术系统的优势,以能效作为优化目标,即单位能量传输的吞吐量为目标,体现系统的高效性,具体的优化模型表达为:
其中,rnsij为在第j个时隙第n层网络中的第s个基站传输给第i个用户的速率,并且rnsij=0.5log(1+hpnsij)。为了简化模型,假设基站与用户之间的信道为常数h。
具体的功率分配模型分析与算法如下:
根据上文对于多时隙能量采集多归属异构网络中约束条件以及优化目标的分析,以最大化网络能效的目标的优化模型为:
这是一个经典的分数规划问题。首先η分子的对数函数为凹函数;当所有功率分配是否为是已知的情况下,η分母的第二项和第三项是常数,分子就只剩下pnsij为变量,则为线性函数,即为凸函数。所以问题是一个凹凸分数规划(concave-convex fractionalprogram)。对于凹凸分数规划问题,使用参数方法,给定一个参数λ。参数λ决定了优化问题中分配功率的最优值,而参数λ的最优值可以通过迭代算法获得。为了使得优化问题为凹凸分数规划模型,上文假设已知分配功率pnsij是否为0,进而使得两个链接损耗项为常数,所以本发明这里假设两个链接损耗项为常数,下文将提出相应算法来解决如何判断分配功率是否为0的问题。
首先,设定参数λ=R/P,优化目标转化为:
其中,
当F(λ)=0时,优化模型的最优解可以求解出来,具体的可以使用Dinkelbach-type算法进行求解。
当λ确定后,优化模型的目标函数为凹函数,约束条件为凸函数,模型为凸优化模型。所以,在已知分配功率pnsij在各个时隙是否为0的情况下,采用求解标准凹凸分数规划的参数求解算法,其中涉及的凸优化问题的求解采用梯度算法。
对于分配功率在各个时隙是否为0可以先引入一个函数,具体表达式为
因为功率分配pnsij≥0,所以上式只有两种情况。将参数lnsij考虑进去后,优化目标可以重新写为:
其中,
最为简单的方式来确定分配功率pnsij各个时隙是否为0的情况为采用遍历的方式。根据分配功率的个数,算法一共需要遍历2N×S×I×J种情况。但是随着用户量、层数和时隙数的增加,遍历的情况快速增加,从而整个复杂度较高。
对于变量lnsij来看,优化模型则为组合优化问题(Combinatiorial Optimiza-tion Problem,COP)。对于COP问题,可以通过使用不断变化概率结构的采用交叉熵算法(Cross-Entropy-Based Solution,CE)来求解,进而降低整个算法的复杂度。
综上所述,对于该优化问题的算法流程步骤如下:
步骤1:先随机初始化每个lnsij的概率。
步骤2:根据步骤1得到的概率,采用CE算法确定分配功率pnsij各个时隙是否为0。
步骤3:对于不为0的功率随机产生一个每个基站对于每个用户的分配功率pnsij,然后使用Dinkelbach-type算法判断F(λ)是否为0。
步骤4:采用梯度算法对优化模型进行求解,并将功率分配结果跳转到步骤3。
步骤5:根据CE算法,更新相关参数。当算法中的条件满足时,终止算法;否则,跳转到步骤2。
本发明的有益效果为,本发明将能量采集技术引入到异构网络模型中,同时在网络模型中加入多归属技术,弥补能量采集技术不稳定的特性。
附图说明
图1为多归属异构网络通信系统示意图。
具体实施方式
发明内容部分已经对本发明的方案进行了详细描述,在此不再赘述。
Claims (1)
1.一种多时隙能量采集多归属异构网络的功率分配方法,设异构网络系统中共有N层网络,在每层网络中有S个基站,共有I个用户,J个时隙,且第i个用户在第j个时隙的传输速率下限为Rij;其特征在于,所述功率分配方法包括以下步骤:
S1、建立目标功率分配模型:
设定任意用户和任意时隙对于网络服务质量的约束条件为:
其中rnsij为在第j个时隙第n层网络中的第s个基站传输给第i个用户的速率;
系统的能量因果约束为:
其中,tj表示第j个时隙的时长,pnsij表示在第j个时隙时,第n层网络第s个基站对于第i个用户的分配功率,表示在第j个时隙时,第n层网络第s个基站采集的能量,Cnsij为在第j个时隙时,第n层网络第s个基站与第i个用户进行通信链接产生的损耗;
将通信链接产生的损耗定义为:第j-1时隙第n层网络第s个基站与第i个用户并没有链接,在第j时隙两者进行链接,此时的损耗为α;第j-1时隙第n层网络第s个基站与第i个用户链接,在第j时隙两者依旧保持链接,此时的损耗为β;则:
Cnsij=αδ(pnsij-1)H(pnsij)+βH(pnsij-1)H(pnsij)
其中,δ(·)为狄拉克函数,即:
H(·)为阶跃函数,定义为:
结合上述约束条件,以最大化网络能效为目标,建立目标功率分配模型为:
其中,设定rnsij=0.5log(1+hpnsij),基站与用户之间的信道为常数h;
S2、求解建立的目标功率分配模型,具体为:
设定参数λ=R/P,将目标转化为:
其中,
当F(λ)=0时,使用Dinkelbach-type算法获得模型的最优解,当λ确定后,目标函数为凹函数,约束条件为凸函数,模型为凸优化模型,假设已知分配功率pnsij在各个时隙是否为0,采用求解标准凹凸分数规划的参数求解算法即可。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810688097.8A CN108833183B (zh) | 2018-06-28 | 2018-06-28 | 一种多时隙能量采集多归属异构网络的功率分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810688097.8A CN108833183B (zh) | 2018-06-28 | 2018-06-28 | 一种多时隙能量采集多归属异构网络的功率分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108833183A CN108833183A (zh) | 2018-11-16 |
CN108833183B true CN108833183B (zh) | 2020-12-18 |
Family
ID=64133516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810688097.8A Expired - Fee Related CN108833183B (zh) | 2018-06-28 | 2018-06-28 | 一种多时隙能量采集多归属异构网络的功率分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108833183B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113115425B (zh) * | 2021-02-23 | 2022-11-25 | 龙文华丰(北京)科技有限公司 | 一种基于时分多址的多时隙功率分配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102404804A (zh) * | 2011-09-26 | 2012-04-04 | 北京航空航天大学 | 多中继竞争的协作通信mac层传输方法 |
CN104185292A (zh) * | 2014-08-31 | 2014-12-03 | 电子科技大学 | 一种能量效率最大化的数据包调度方法 |
EP2864943A1 (de) * | 2012-06-21 | 2015-04-29 | Siemens Aktiengesellschaft | Verfahren zum betreiben eines versorgungsnetzwerks und versorgungsnetzwerk |
-
2018
- 2018-06-28 CN CN201810688097.8A patent/CN108833183B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102404804A (zh) * | 2011-09-26 | 2012-04-04 | 北京航空航天大学 | 多中继竞争的协作通信mac层传输方法 |
EP2864943A1 (de) * | 2012-06-21 | 2015-04-29 | Siemens Aktiengesellschaft | Verfahren zum betreiben eines versorgungsnetzwerks und versorgungsnetzwerk |
CN104185292A (zh) * | 2014-08-31 | 2014-12-03 | 电子科技大学 | 一种能量效率最大化的数据包调度方法 |
Non-Patent Citations (2)
Title |
---|
"Energy Borrowing An Efficient Way to Bridge Energy Harvesting and Power Grid in Wireless Communications";Lilin Dan 等;《2016 IEEE 83rd Vehicular Technology Conference (VTC Spring)》;20160707;第1-5页 * |
"Power Allocation for Multi-Homing Heterogeneous Network Aided by Energy Harvesting";Peibo Wen 等;《2018 IEEE 8th Annual Computing and Communication Workshop and Conference (CCWC)》;20180227;第515-519页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108833183A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111970733B (zh) | 超密集网络中基于深度强化学习的协作式边缘缓存算法 | |
CN108901075B (zh) | 一种基于gs算法的资源分配方法 | |
CN113543284A (zh) | 节能方法、基站、控制单元及存储介质 | |
CN108738151B (zh) | 一种基于粗略信息的无线预测资源分配方法 | |
CN109195207B (zh) | 一种基于深度强化学习的集能型无线中继网络吞吐量最大化方法 | |
CN112020103A (zh) | 一种移动边缘云中的内容缓存部署方法 | |
CN106792995B (zh) | 一种5g网络中保障内容低时延传输的用户接入方法 | |
Sesto-Castilla et al. | Use of Machine Learning for energy efficiency in present and future mobile networks | |
CN104684095A (zh) | 一种异构网络融合场景中基于遗传运算的资源分配方法 | |
CN109831808A (zh) | 一种基于机器学习的混合供电c-ran的资源分配方法 | |
Lei et al. | Learning-based resource allocation: Efficient content delivery enabled by convolutional neural network | |
CN115052325A (zh) | 适用于变电站业务的多频异构无线通信网络接入选择算法 | |
CN108833183B (zh) | 一种多时隙能量采集多归属异构网络的功率分配方法 | |
CN102364893A (zh) | 一种基于认知网络的重配置管理平面及重配置方法 | |
Li et al. | Joint optimization of BBU pool allocation and selection for C-RAN networks | |
CN108990141B (zh) | 一种基于深度多网络学习的集能型无线中继网络吞吐量最大化方法 | |
CN103618674B (zh) | 基于自适应服务模型的联合分组调度和信道分配路由方法 | |
Wang et al. | Energy conserved computation offloading for O-RAN based IoT systems | |
CN109089307B (zh) | 一种基于异步优势行动者评论家算法的集能型无线中继网络吞吐量最大化方法 | |
CN109104734B (zh) | 一种集能型无线中继网络吞吐量最大化方法 | |
CN108834003B (zh) | 一种量子通信业务的电力光载通信多维资源分配优化方法 | |
CN113473449A (zh) | 基于物联网终端的智能连接的系统 | |
CN113473580A (zh) | 异构网络中基于深度学习的用户关联联合功率分配策略 | |
CN102209369B (zh) | 基于无线网络接口选择的增强智能手机用户体验的方法 | |
CN1946231A (zh) | 一种无线接入系统下行链路资源调度的方法和装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201218 Termination date: 20210628 |
|
CF01 | Termination of patent right due to non-payment of annual fee |