CN108964812B - 一种面向ofdma蜂窝网络的动态信道分配方法 - Google Patents
一种面向ofdma蜂窝网络的动态信道分配方法 Download PDFInfo
- Publication number
- CN108964812B CN108964812B CN201810431122.4A CN201810431122A CN108964812B CN 108964812 B CN108964812 B CN 108964812B CN 201810431122 A CN201810431122 A CN 201810431122A CN 108964812 B CN108964812 B CN 108964812B
- Authority
- CN
- China
- Prior art keywords
- ofdma
- channels
- channel
- cell
- color
- 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
- 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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本专利提出了一种面向OFDMA蜂窝网络的信道分配方法,属移动通信技术领域。其实现步骤是:(1)用3种颜色对蜂窝网络进行着色,并找到彼此相邻的、信道需求数之和为最大的3色小区的信道需求数;(2)根据所找到的3色小区的信道需求数,产生编号从1开始且连续的OFDMA信道;(2)利用产生的OFDMA信道为蜂窝网络进行第一次OFDMA信道分配;(3)若第一次OFDMA信道分配不能满足所有小区对信道数的需求,则利用迟滞噪声混沌神经网络进行第二次OFDMA信道分配。本专利通过两次OFDMA信道分配,能够有效降低所需的OFDMA信道总数和动态信道分配的计算量,从而提高了OFDMA信道资源的利用率,保障了无线移动通信的实时性。
Description
技术领域
本专利设计一种面向OFDMA蜂窝网络的动态信道分配方法,属移动通信技术领域。
背景技术
正交频分多址接入(OFDMA)技术能够将频谱资源划分成若干个相互正交的信道,具有抗多径衰落、抗干扰和频谱资源利用率高等优点,已被广泛地应用于4G蜂窝网络的移动通信中,也成为下一代移动通信的候选空中接口技术。
据统计,我国目前频谱资源缺口已达到1553MHz。随着移动用户终端数量的快速增长,频谱资源的缺口也将越来越大。因此,最大程度地提高信道资源的利用率一直是移动通信的研究热点。OFDMA蜂窝网络的动态信道分配,是根据蜂窝网络中各小区对OFDMA信道资源数的实时需求,在避免相邻小区产生严重同频干扰的条件下,动态地给各小区分配其所需的OFDMA信道资源数量,从而保障用户的服务质量并提高信道资源的利用率。
国内外现有的动态信道分配方法,主要研究普通信道在蜂窝网络中的动态分配问题,即主要考虑由于普通信道的电磁兼容所形成的三种干扰约束:共道干扰约束、邻道干扰约束和同小区干扰约束。现有的动态信道分配方法主要有三类:第一类是基于图论的方法,主要是将蜂窝网络转化为图模型、将信道分配转化为图着色问题求解;第二类是基于启发式的方法,包括遗传算法、粒子群算法、免疫算法、模拟退火和禁忌搜索等方法;第三类是基于神经网络的方法,包括并行神经网络、暂态混沌神经网络和噪声混沌神经网络等方法。
由于OFDMA信道相互正交,OFDMA蜂窝网络的动态信道分配只需考虑共道干扰约束。但现有的动态信道分配方法,没有根据OFDMA信道的特性制定出合理有效的信道分配策略,因而导致或者无法有效地提高OFDMA信道资源的利用率,或者需要较大的计算耗费。因此,如果将现有的动态信道分配方法直接应用于OFDMA蜂窝网络中,会面临两个需要解决的难题:
首先,在信道资源比较紧缺的情况下,现有的动态信道分配方法由于没有尽可能地提高OFDMA蜂窝网络的信道资源利用率,其信道分配方案对信道数量的需求极易超出系统所规定的信道数量上限,从而导致阻塞率的上升,严重影响了用户的服务质量。
其次,现有的动态信道分配方法为了提高OFDMA蜂窝网络的信道资源利用率,往往需要较大的计算量,从而造成较大的计算延迟,严重影响了移动通信的实时性。
发明内容
本专利的目的在于:提供一种面向OFDMA蜂窝网络的动态信道分配方法,不仅能够最大程度地提高OFDMA信道资源的利用率,而且能够保障移动通信的实时性。
本专利是通过如下的技术方案来实现上述目的的:
一种面向OFDMA蜂窝网络的动态信道分配方法,其特征在于:它包括以下步骤:
(1)用A、B、C三种颜色对蜂窝网络中的小区进行着色,以使相邻小区的着色不相同,然后根据蜂窝网络内每个小区所需的信道数,找到3个彼此相邻的、信道数之和为最大的A色、B色、C色小区,并分别用a、b、c表示这3个小区所需的信道数;
(2)分别为A色、B色、C色小区生成a、b、c个编号从1开始且连续的OFDMA信道,信道编号分别为1至a、a+1至a+b、a+b+1至a+b+c;
(3)为蜂窝网络进行第一次OFDMA信道分配;
(4)若第一次OFDMA信道分配不能满足所有小区对信道数的需求,则进行第二次OFDMA信道分配。
其中,步骤(3)所述的第一次OFDMA信道分配,按如下执行:若某A色小区所需的信道数Na大于a,就为该A色小区分配编号为1至a的OFDMA信道,否则就为该A色小区分配编号为1至Na的OFDMA信道;若某B色小区所需的信道数Nb大于b,就为该B色小区分配编号为a+1至a+b的OFDMA信道,否则就为该B色小区分配编号为a+1至a+Nb的OFDMA信道;若某C色小区所需的信道数Nc大于c,就为该C色小区分配编号为a+b+1至a+b+c的OFDMA信道,否则就为该C色小区分配编号为a+b+1至a+b+Nc的OFDMA信道。
其中,步骤(4)所述的第二次OFDMA信道分配,包括以下步骤:
(4a)根据蜂窝网络内每个小区所需的信道数,分别找到A色小区所需的最大信道数amax、B色小区所需的最大信道数bmax、C色小区所需的最大信道数cmax;
(4b)建立一个M行N列的信道分配矩阵VM×N,M为蜂窝网络的小区总数,N=amax+bmax+cmax为所需的最大信道数,并根据OFDMA信道第一次分配的结果为信道分配矩阵中的相应元素赋值:若编号为n的OFDMA信道分配给了小区m,则令Vmn=1,否则令Vmn=0;
(4c)根据信道分配矩阵VM×N以及各小区所需的信道数构建能量函数,生成迟滞噪声混沌神经网络动态模型,并进行如下计算以使网络快速收敛:若信道分配矩阵VM×N某一行中元素1的个数等于相应小区所需的信道数,则不对该行中的任何元素进行计算更新;若信道分配矩阵VM×N某一行中元素1的个数不等于相应小区所需的信道数,则只对该行中不等于1的元素进行计算更新。
本专利的优点在于:
本专利基于两次信道分配策略实现整个OFDMA蜂窝网络的动态信道分配,有效地降低了动态信道分配的计算量。第一次信道分配首先找到彼此相邻的、所需信道数之和为最大的三色小区,然后根据该三色小区所需的信道数a、b、c来产生编号从1开始且连续的OFDMA信道资源,并利用这些信道资源对蜂窝网络中的三色小区进行信道分配,这不仅能够满足蜂窝网络中一部分小区的信道需求,而且能够有效地降低第二次信道分配的小区规模和信道规模。第二次信道分配首先是根据蜂窝网络中三色小区的最大信道数amax、bmax、cmax之和来限制OFDMA信道规模(即N=amax+bmax+cmax),然后再根据第一次信道分配的结果建立一个0-1信道分配矩阵,对于满足信道需求的小区,则跳过信道分配矩阵的对应行,不对其进行任何计算;而对于不满足信道需求的小区,则利用迟滞噪声混沌神经网络动态模型,只对信道分配矩阵相应行中的非1元素进行计算更新:对于不满足信道需求的A色、B色、C色小区,只需分别对N-a、N-b、N-c个信道进行计算更新。另外,本专利在两次OFDMA信道分配中均对信道总量进行了限制,从而免去了对多余信道的分配和计算,例如第一次OFDMA信道分配的信道总量为a+b+c,第二次OFDMA信道分配的信道总量为amax+bmax+cmax。而以前的混沌神经网络方法和噪声混沌神经网络方法,需要对其信道分配矩阵中的所有元素进行计算更新;另外,由于没有对分配的信道数量进行有效地限制,无法避免对多余信道的分配和计算。因此,与以前的混沌神经网络方法和噪声混沌神经网络方法相比,本专利的两次信道分配策略有效地降低了小区规模和信道规模,从而有效地降低了动态信道分配的计算量和计算延迟,并保证了移动通信的实时性。由于本专利的两次信道分配策略有效地降低了问题的规模,降低了动态信道分配的求解难度,因此有利于找到最优的信道分配结果,即能够用更少的信道数满足蜂窝网络中各小区对信道的需求,从而提高了信道资源的利用率。
附图说明:
图1是本专利实施例中具有12个小区的OFDMA蜂窝网络拓扑图;
图2是本专利实施例中用A、B、C三色对图1的着色图;
图3是本专利实施例中根据第一次OFDMA信道分配结果构建的信道分配矩阵V12×41;
图4是本专利仿真中具有27个小区的OFDMA蜂窝网络拓扑图。
具体实施方式:
该面向OFDMA蜂窝网络的动态信道分配方法,实施步骤如下:
步骤(1)、用A、B、C三种颜色对蜂窝网络中的小区进行着色,以使相邻小区的着色不相同,然后根据蜂窝网络内每个小区所需的信道数,找到3个彼此相邻的、信道数之和为最大的A色、B色、C色小区,并分别用a、b、c表示这3个小区所需的信道数。
本实施例主要针对图1所示的蜂窝网络进行OFDMA信道分配,图1所示的蜂窝网络包含12个小区,假定每个小区的OFDMA信道需求量分别为6、10、9、11、12、4、6、7、10、9、7,即信道需求矢量Nx=[6,10,9,11,12,4,6,7,10,9,7,20]。用A、B、C三色对图1进行着色,结果如图2所示。彼此相邻的三色小区集合有{(1、2、6),(2、3、7),(3、4、8),(1、5、6),(2、6、7),(3、7、8),(5、6、9),(6、7、10),(7、8、11),(6、9、10),(7、10、11),(8、11、12)},所对应的信道需求数集合为{20、25、27、22、20、22、26、19、20、23、22、34},其中(8、11、12)三小区所需的信道数之和34是最大的。由于小区8是B色小区且需7个OFDMA信道,小区11是C色小区且需7个OFDMA信道,小区12是A色小区且需20个OFDMA信道,所以a=20,b=7,c=7。
步骤(2)、分别为A色、B色、C色小区生成编号从1开始且连续的OFDMA信道:为A色小区生成编号为1至20的OFDMA信道,为B色小区生成编号为21至27的OFDMA信道,为C色小区生成编号为28至34的OFDMA信道。
步骤(3)、为蜂窝网络进行第一次OFDMA信道分配:
A色小区有1、4、7、9、12,它们所需的OFDMA信道数分别为6、11、6、10、20,由于所有A色小区所需的信道数均小于等于a=20,因此,为小区1分配编号为1至6的OFDMA信道,为小区4分配编号为1至11的OFDMA信道,为小区7分配编号为1至6的OFDMA信道,为小区9分配编号为1至10的OFDMA信道,为小区12分配编号为1至20的OFDMA信道;
B色小区有2、5、8、10,它们所需的OFDMA信道数分别为10、12、7、9,由于小区2、5、10所需的信道数均大于b=7、小区8所需的信道数小于等于b=7,因此,为小区2、5、10分配编号为21至27的OFDMA信道,为小区8分配编号为21至27的OFDMA信道;
C色小区有3、6、11,它们所需的OFDMA信道数分别为9、4、7,由于小区3所需的信道数大于c=7、小区6、11所需的信道数小于等于c=7,因此,为小区3分配编号为28至34的OFDMA信道,为小区6分配编号为28至31的OFDMA信道,为小区11分配编号为28至34的OFDMA信道。
步骤(4)、第一次OFDMA信道分配满足了小区1、4、6、7、8、9、11、12的信道需求,但没有满足小区2、3、5、10的信道需求,因此需要利用迟滞噪声混沌神经网络进行第二次OFDMA信道分配:
(4a)、根据蜂窝网络内每个小区所需的信道数,找到A色小区所需的最大信道数amax=20,B色小区所需的最大信道数bmax=12,C色小区所需的最大信道数cmax=9;
(4b)、由第一次OFDMA信道分配的结果以及M=12、N=amax+bmax+cmax=20+12+9=41建立12行41列的信道分配矩阵V12×41如图3所示;
(4c)、根据信道分配矩阵VM×N和信道需求矢量Nx构建的能量函数如下:式(1):
式(1)中各符号定义为:M表示蜂窝网络中小区的总数;N为所需的最大信道数,N=amax+bmax+cmax;x和y表示小区编号;|x-y|表示小区x和小区y的空间距离;i和j表示OFDMA信道编号;Vxi是信道分配矩阵的第x行第i列,对应着迟滞噪声混沌神经网络第x行第i列的神经元输出;若OFDMA信道i分配给了小区x,则Vxi=1,否则Vxi=0;Vyi的定义与Vxi相似;Nx表示小区x所需的OFDMA信道数;W1、W2、W3是能量函数各项的惩罚参数,对迟滞噪声混沌神经网络能否收敛起着决定作用。
式(1)中的第一项是能量函数的优化目标项,iVxi表示i与Vxi的乘积,若编号为i的OFDMA信道分配给了小区x,则Vxi=1且iVxi=i,反之Vxi=0且iVxi=0;迟滞噪声混沌神经网络方法在寻优过程中将对该项进行最小化,当信道分配矩阵满足了所有小区对信道数的需求时,信道分配矩阵中元素1所对应的最大i值越小,信道的利用率就越高;信道分配矩阵中元素1所对应的最大i值已由前述步骤进行了限定,即位于区间[a+b+c, amax+bmax+cmax]内。
式(2)中|x-y|<2意味着小区x和小区y相邻,|x-y|≥2意味着小区x和小区y不相邻。因此,函数f(|x-y|)的含义是,当小区x和小区y相邻时函数值为1,当小区x和小区y不相邻时函数值为0。若OFDMA信道i同时分配给不相邻的小区x和小区y,则Vxi=1,Vyi=1,f(|x-y|)=0,VxiVyif(|x-y|)=0;若OFDMA信道i同时分配给相邻的小区x和小区y,则Vxi=1,Vyi=1,f(|x-y|)=1,VxiVyif(|x-y|)=1。迟滞噪声混沌神经网络在寻优过程中将利用该项对违反共道干扰约束的信道分配进行惩罚,直至该项的值等于零。
式(1)中的第三项是小区的信道需求约束项,表示信道分配矩阵中第x行中元素1的个数,Nx表示小区x的信道需求数,只有当信道分配矩阵第x行中元素1的个数等于小区x所需的OFDMA信道数,的值才等于零。迟滞噪声混沌神经网络在寻优过程中将利用该项对违反信道需求约束的信道分配进行惩罚,直至该项的值等于零。
能量函数式(1)与神经网络的关系如下:式(3):
其中Wxi,zk表示第x行第i列神经元与第z行第k列神经元的连接权值,Ixi表示第x行第i列神经元的偏置。
将式(3)代入到迟滞噪声混沌神经网络中,得到的迟滞噪声混沌神经网络动态模型如下:
式(4):
式(5):
式(6):
式(7):
式(8):
其中Vxi(t)是t时刻信道分配矩阵第x行第i列的值,ε是神经网络激励函数的陡度因子,Uxi(t)是t时刻神经元输入矩阵第x行第i列的值,Uxi(t)的定义与Uxi(t)类似,n(t)是t时刻服从[-A[n(t)],+A[n(t)]]均匀分布的随机噪声,A[n(t)]是随机噪声n(t)的幅度值,n(t-1)的定义与n(t)类似,A[n(t+1)]的定义与A[n(t)]类似,ηxi(t)是对服从均匀分布的随机噪声进行控制所形成的迟滞激励函数中心参数,λ是神经膜阻尼因子,α是神经元间的耦合参数,I0是一正的参数,z(t)是神经元t时刻的自反馈连接权值,z(t+1)的定义与z(t)类似,β1是自反馈连接权值的模拟退火参数,β2是随机噪声幅度值的模拟退火参数。
能量函数中的W1、W2、W3参数对迟滞噪声混沌神经网络的收敛有着重要的影响。调节参数的方法是:若能量函数第二项的值不为零,就增加W2的值;若能量函数第三项的值不为零,就增加W3的值。当需要分配的最大信道编号较小时,可以减小W2和W3的值以提高网络的收敛速度,但过小的W2和W3易使网络收敛不到有效解;当需要分配的最大信道编号较大时,可以相应地增大W2和W3的值。
对于本实施例,式(4)、(5)、(6)、(7)、(8)中的参数根据以往经验设置为ε=250,λ=0.9999,α=0.0003,z(0)=0.1,I0=0.65,A[n(0)]=0.003,β1=0.06,β2=0.05;能量函数中的参数设置为W1=0.1,W2=40,W3=25,最大迭代次数设置为1000。利用式(4)、(5)、(6)、(7)、(8)形成的迟滞噪声混沌神经网络动态模型对信道分配矩阵V12×41进行计算,由于信道分配矩阵V12×41第1、4、6、7、8、9、11、12行中元素1的个数满足了小区1、4、6、7、8、9、11、12的信道需求,则不对这些行中的任何元素进行计算更新;由于信道分配矩阵V12×41第2、3、5、10行中元素1的个数不满足小区2、3、5、10的信道需求,则只对这些行中不等于1的元素进行计算更新。对于第2行,只需对第1至20列和第28至41列共34个非1元素进行计算更新;对于第3行,只需对第1至27列和第35至41列共34个非1元素进行计算更新;对于第5行,只需对第1至20列和第28至41列共34个非1元素进行计算更新;对于第10行,只需对第1至20列和第28至41列共34个非1元素进行计算更新。因此,在利用迟滞噪声混沌神经网络动态模型计算本实施例时,每一次迭代只需对34+34+34+34=136个神经元进行计算更新。而以前的混沌神经网络方法和噪声混沌神经网络方法,均是一次性的OFDMA信道分配方法,在计算本实施例时,每一次迭代均需对所有的12×41=492个神经元进行计算更新,计算量明显高于本专利的计算量。在迟滞噪声混沌神经网络动态模型的每一次迭代后,需要判断迭代后的信道分配矩阵是否满足收敛条件,即判断迭代后的信道分配矩阵能否使能量函数中的第二项和第三项同时为零。对于本实施例,判断信道分配矩阵能否满足收敛条件的方法是,在每一次迭代后,都计算出信道分配矩阵参与计算更新的136个非1元素的均值,若计算更新的元素值大于该均值,则令该计算更新的元素值暂时为1,否则令该计算更新的元素值暂时为0。若满足了收敛条件则迭代终止,保存暂时修改的值并输出信道分配矩阵,否则取消暂时修改的值并继续迭代。
本专利的效果可以通过以下仿真实验进一步说明:
在CPU为Core(TM) i7-3632QM 2.2GHz、内存为4GB、系统为Windows 8、仿真软件为Matlab 7.1的计算机上进行仿真。图4给出了仿真实验用的含有27个小区的蜂窝网络,表1给出了20个随机产生的OFDMA信道需求实例。本专利中迟滞噪声混沌神经网络动态模型的参数设置为ε=250,λ=0.9999,α=0.0003,z(0)=0.1,I0=0.65,A[n(0)]=0.003,β1=0.06,β2=0.05,最大迭代次数设置为1000,对于实例1至10,W1=0.1,W2=40,W3=25;对于实例11至20,W1=0.1,W2=50,W3=45。噪声混沌神经网络方法与本专利方法不同,是一次性的OFDMA信道分配方法。为了便于比较,噪声混沌神经网络方法的参数值与本专利中迟滞噪声混沌神经网络动态模型的参数值相同。表2给出了本专利方法与噪声混沌神经网络方法在这20个信道需求实例上获得的OFDMA最小信道编号和计算时间两种指标的仿真对比结果。
表1 20个随机产生的OFDMA信道需求情况
实例 | 各小区的OFDMA信道需求数 |
1 | 23 18 21 24 33 27 32 31 31 25 18 22 32 29 36 29 21 18 24 30 3621 22 26 36 20 39 |
2 | 35 25 27 29 28 24 30 22 23 19 19 18 17 13 17 22 29 24 24 31 2526 24 19 21 26 35 |
3 | 18 18 36 20 22 30 22 19 23 26 22 23 16 28 24 26 22 19 40 25 3714 29 28 34 29 33 |
4 | 23 22 24 24 22 19 26 25 27 24 43 21 16 26 24 21 27 25 42 19 2933 23 28 23 24 20 |
5 | 22 25 27 20 17 21 25 29 34 35 33 26 18 27 24 19 28 19 31 18 2924 35 27 26 21 22 |
6 | 18 25 33 30 30 27 24 20 34 31 18 21 24 22 22 26 25 26 27 17 2717 21 33 25 23 20 |
7 | 17 19 36 20 21 29 22 19 23 26 24 23 15 28 23 24 22 18 37 23 3715 28 29 33 29 32 |
8 | 21 27 27 38 32 31 24 21 35 29 26 24 30 23 21 30 27 34 23 22 3124 27 28 27 26 29 |
9 | 19 24 17 26 17 16 27 30 32 26 40 21 18 26 23 25 26 29 42 17 2831 23 27 27 22 18 |
10 | 16 20 27 31 30 30 27 22 28 28 21 23 28 22 25 25 22 28 24 19 3421 20 31 27 26 25 |
11 | 48 73 36 68 50 50 14 55 28 62 32 43 1 16 29 9 75 73 33 11 23 776 66 64 7 49 |
12 | 23 25 59 37 40 81 42 8 95 31 97 10 84 19 75 22 77 58 57 11 9377 75 77 29 90 35 |
13 | 42 52 59 1 4 84 39 5 48 95 30 67 20 73 46 63 55 30 66 50 12 3530 57 28 81 55 |
14 | 96 84 64 74 20 44 94 6 78 18 57 84 82 70 7 30 86 3 40 18 28 328 60 16 18 77 |
15 | 95 65 19 34 78 77 74 52 2 44 33 38 81 20 37 88 54 10 13 16 5189 38 27 19 82 53 |
16 | 3 20 88 86 32 70 26 6 54 21 12 43 87 87 27 7 73 47 59 51 12 1697 77 27 62 71 |
17 | 92 27 60 3 72 5 38 28 73 29 65 68 20 83 33 98 83 95 72 74 55 928 46 56 46 27 |
18 | 9 43 82 65 20 58 68 36 84 39 21 65 12 53 97 21 88 33 46 45 5134 81 79 96 23 4 |
19 | 22 81 54 79 65 51 54 5 70 14 94 94 33 88 10 47 34 22 36 15 2417 79 62 60 21 57 |
20 | 95 36 35 56 12 78 25 56 31 24 85 30 13 62 24 23 87 68 57 40 6122 11 76 85 4 75 |
表2 仿真实验结果
从表2中可以看出,相比于噪声混沌神经网络方法,本专利方法能够以更小的OFDMA信道编号和更少的计算时间完成所要求的OFDMA信道分配。因此,和现有的噪声混沌神经网络方法相比,本专利方法具有更好的实时性,而且能够提高OFDMA信道资源的利用率。
上述实施方式只是本专利的一个实例,不构成对本专利的任何限制,例如本专利还可以对含有更多小区的OFDMA蜂窝网络进行OFDMA信道分配。
Claims (1)
1.一种面向OFDMA蜂窝网络的动态信道分配方法,其特征在于:它包括以下步骤:
(1)用A、B、C三种颜色对蜂窝网络中的小区进行着色,以使相邻小区的着色不相同,然后根据蜂窝网络内每个小区所需的信道数,找到3个彼此相邻的、信道数之和为最大的A色、B色、C色小区,并分别用a、b、c表示这3个小区所需的信道数;
(2)分别为A色、B色、C色小区生成a、b、c个编号从1开始且连续的OFDMA信道,信道编号分别为1至a、a+1至a+b、a+b+1至a+b+c;
(3)为蜂窝网络进行第一次OFDMA信道分配:若某A色小区所需的信道数Na大于a,就为该A色小区分配编号为1至a的OFDMA信道,否则就为该A色小区分配编号为1至Na的OFDMA信道;若某B色小区所需的信道数Nb大于b,就为该B色小区分配编号为a+1至a+b的OFDMA信道,否则就为该B色小区分配编号为a+1至a+Nb的OFDMA信道;若某C色小区所需的信道数Nc大于c,就为该C色小区分配编号为a+b+1至a+b+c的OFDMA信道,否则就为该C色小区分配编号为a+b+1至a+b+Nc的OFDMA信道;
(4)若第一次OFDMA信道分配不能满足所有小区对信道数的需求,则进行第二次OFDMA信道分配,包括以下步骤:
(4a)根据蜂窝网络内每个小区所需的信道数,分别找到A色小区所需的最大信道数amax、B色小区所需的最大信道数bmax、C色小区所需的最大信道数cmax;
(4b)建立一个M行N列的信道分配矩阵VM×N,M为蜂窝网络的小区总数,N=amax+bmax+cmax为所需的最大信道数,并根据OFDMA信道第一次分配的结果为信道分配矩阵中的相应元素赋值:若编号为n的OFDMA信道分配给了小区m,则令Vmn=1,否则令Vmn=0;
(4c)根据信道分配矩阵VM×N以及各小区所需的信道数构建能量函数,生成迟滞噪声混沌神经网络动态模型,并进行如下计算以使网络快速收敛:若信道分配矩阵VM×N某一行中元素1的个数等于相应小区所需的信道数,则不对该行中的任何元素进行计算更新;若信道分配矩阵VM×N某一行中元素1的个数不等于相应小区所需的信道数,则只对该行中不等于1的元素进行计算更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810431122.4A CN108964812B (zh) | 2018-10-13 | 2018-10-13 | 一种面向ofdma蜂窝网络的动态信道分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810431122.4A CN108964812B (zh) | 2018-10-13 | 2018-10-13 | 一种面向ofdma蜂窝网络的动态信道分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108964812A CN108964812A (zh) | 2018-12-07 |
CN108964812B true CN108964812B (zh) | 2020-10-09 |
Family
ID=64499099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810431122.4A Active CN108964812B (zh) | 2018-10-13 | 2018-10-13 | 一种面向ofdma蜂窝网络的动态信道分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108964812B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930501B (zh) * | 2020-07-23 | 2022-08-26 | 齐齐哈尔大学 | 一种面向多小区网络的基于无监督学习的无线资源分配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101568124A (zh) * | 2009-05-15 | 2009-10-28 | 重庆大学 | 一种无线mesh网络中的信道分配方法 |
CN102891822A (zh) * | 2012-09-21 | 2013-01-23 | 北京邮电大学 | 一种多用户ofdm系统资源分配方法 |
CN102984108A (zh) * | 2012-10-30 | 2013-03-20 | 北京邮电大学 | 一种多用户ofdm系统的子信道—功率分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9912388B2 (en) * | 2014-06-12 | 2018-03-06 | Marvell World Trade Ltd. | Sub-channel allocation in orthogonal frequency division multiplex WLAN |
-
2018
- 2018-10-13 CN CN201810431122.4A patent/CN108964812B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101568124A (zh) * | 2009-05-15 | 2009-10-28 | 重庆大学 | 一种无线mesh网络中的信道分配方法 |
CN102891822A (zh) * | 2012-09-21 | 2013-01-23 | 北京邮电大学 | 一种多用户ofdm系统资源分配方法 |
CN102984108A (zh) * | 2012-10-30 | 2013-03-20 | 北京邮电大学 | 一种多用户ofdm系统的子信道—功率分配方法 |
Non-Patent Citations (1)
Title |
---|
基于混沌神经网络的蜂窝网络信道分配;李亮;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170415;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108964812A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112737837B (zh) | 一种高动态网络拓扑下无人机群带宽资源分配方法 | |
CN109474980A (zh) | 一种基于深度增强学习的无线网络资源分配方法 | |
CN111800828A (zh) | 一种超密集网络的移动边缘计算资源分配方法 | |
CN113596785B (zh) | 基于深度q网络的d2d-noma通信系统资源分配方法 | |
CN106358300B (zh) | 一种微蜂窝网络中的分布式资源分配方法 | |
CN113795049B (zh) | 一种基于深度强化学习的Femtocell异构网络功率自适应优化方法 | |
CN110365463A (zh) | 大规模mimo系统两次聚类划归的导频分配方法 | |
CN105873214A (zh) | 一种基于遗传算法的d2d通信系统的资源分配方法 | |
CN108712746A (zh) | 一种部分重叠信道聚合博弈模型及学习算法 | |
CN104796991B (zh) | 基于势博弈的ofdma系统的资源分配方法 | |
CN108964812B (zh) | 一种面向ofdma蜂窝网络的动态信道分配方法 | |
Csercsik et al. | Preallocation-based combinatorial auction for efficient fair channel assignments in multi-connectivity networks | |
Li et al. | Joint resource allocation for max-min throughput in multicell networks | |
CN110602718B (zh) | 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统 | |
Akl et al. | Mobility-based CAC algorithm for arbitrary call-arrival rates in CDMA cellular systems | |
CN113242064B (zh) | 基于用户空域特征和信道预测的多小区调度方法 | |
CN115038155B (zh) | 一种超密集多接入点的动态协同传输方法 | |
Kabir et al. | Twin delayed DDPG based dynamic power allocation for internet of robotic things | |
CN112243283B (zh) | 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法 | |
CN102752860B (zh) | 无线通信网络中的协作分布式资源分配方法 | |
CN114521024A (zh) | 无线网络中多用户信道的认知分配方法 | |
Nie et al. | Multi-agent deep reinforcement learning for resource allocation in the multi-objective HetNet | |
CN115250156A (zh) | 一种基于联邦学习的无线网络多信道频谱接入方法 | |
Liu et al. | Computation offloading optimization in mobile edge computing based on HIBSA | |
Wu et al. | Coalitional games for downlink multicell beamforming |
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 |