CN110012483A - 一种联合不对称接入和无线携能通信的干扰协调方法 - Google Patents

一种联合不对称接入和无线携能通信的干扰协调方法 Download PDF

Info

Publication number
CN110012483A
CN110012483A CN201811510449.7A CN201811510449A CN110012483A CN 110012483 A CN110012483 A CN 110012483A CN 201811510449 A CN201811510449 A CN 201811510449A CN 110012483 A CN110012483 A CN 110012483A
Authority
CN
China
Prior art keywords
user
microcellulor
macrocellular
downlink
access
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
CN201811510449.7A
Other languages
English (en)
Other versions
CN110012483B (zh
Inventor
郑杰
许鹏飞
汪霖
刘艺
高岭
王海
杨旭东
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.)
Northwest University
Original Assignee
Northwest University
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 Northwest University filed Critical Northwest University
Priority to CN201811510449.7A priority Critical patent/CN110012483B/zh
Publication of CN110012483A publication Critical patent/CN110012483A/zh
Application granted granted Critical
Publication of CN110012483B publication Critical patent/CN110012483B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H04B17/327—Received signal code power [RSCP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/345—Interference values
    • 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
    • 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
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • 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
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种联合不对称接入和无线携能通信的干扰协调方法，利用上下行非对称接入和下行链路携能通信的方法改善超密异构网络容量的联合优化的方法，通过配置上行链路的传输和下行链路的无线携能通信，对上行链路和下行链路同时进行干扰管理。利用乘子法交替方向对该问题进行求解。此外，基于现有标准增强的小区间干扰协调协议(Enhanced inter‑cell interference coordination，eICIC)，便于集成到现有的协议和基础设施。本发明的方法将系统效用提高20％以上，本发明提出的方法不仅便于扩展收敛速度快，而且可以得到较好的用户公平性和速率体验。

Description

一种联合不对称接入和无线携能通信的干扰协调方法
技术领域
本发明属于移动通信蜂窝网络技术领域，涉及超密异构网络中联合不对称接入和无线携能通信的干扰协调优化，具体涉及一种联合不对称接入和无线携能通信的干扰协调方法。
背景技术
通过在宏蜂窝中部署密集的微蜂窝，超密异构网络(Heterogeneous Network,HetNet)被广泛视为是未来5G的重要研究方向之一。然而，到目前为止还没有就如何充分利用超密异构网络中的异构基础设施进行建设达成共识。虽然针对下行链路的性能优化已经做了大量的工作，但是，像增强现实等类型的新兴的移动应用程序，还有社交网络等其他上传密集型应用程序，都对上行链路的性能提出了更高的要求。最近，已有研究关注超密异构网络中上行链路传输的性能，其中包括允许用户(User Equipment,UE)的上行链路和下行链路接入不同基站(上下行的非对称接入)，或者利用下行无线携能通信以使用户能够利用所传输的能量来改善其上行链路传输。同时，还可以利用增强小区间干扰协调(eICIC)中的几乎空白子帧(Almost Blank Subframe,ABS)来配置宏蜂窝的上行传输以改善上行链路传输性能。
现有的方法是对优化参数分别考虑，只能通过固定其他参数来一次优化一个参数，并非同时对参数进行整体优化。造成这样优化方法的原因很明显，虽然许多优化参数(例如联合上下接入、携能通信和干扰管理)具有相互影响，理想情况下应同时考虑，但由于大量的优化空间，联合优化的开销通常过于昂贵而无法在实践中使用。这个问题在未来的超密网络中变得更加严重，超密网络依赖于大量异构基站来满足未来爆炸的移动流量需求，需要更有效的解决方案，进一步提升的网络的系统吞吐量以及用户的速率。
最新的方法联合优化了动态时分双工(Time Division Duplexing,TDD)框架下的用户接入和资源分配，但是将上行链路与下行链路接入相同的基站，并没有考虑下行链路中的携能传输。本发明通过联合考虑上下行非对称接入、资源分配和携能传输来改善超密异构网络的系统容量。
发明内容
为了克服上述现有技术的不足，本发明的目的是提供一种联合不对称接入和无线携能通信的干扰协调方法，将高度复杂的优化空间映射到较小的问题空间，利用乘法交替方向法(ADMM)—用于解决大规模分布式优化问题的鲁棒性强且有效的方法，本的方案不仅可以显著提高性能，还可以在几乎空白子帧中实现新的携能传输优化配置。实验结果表明，本发明的方法将系统效用提高了20％以上，特别针对超密网络优化，提供了95％的上限性能(通过详尽地搜索所有可能的参数设置)，具有较低的计算复杂度。保证用户的公平性和用户速率。
为了实现上述目的，本发明采用的技术方案是：
一种联合不对称接入和无线携能通信的干扰协调方法，包括以下步骤：
1)构建一个由宏蜂窝和微蜂窝构成的超密异构网络，以及可以动态分配用户的上行链路和下行链路的子帧，其中用户只能选择接入单个的宏蜂窝或者微蜂窝；
2)对于每一个宏蜂窝，在其覆盖的区域内微蜂窝和用户测量信道状态和干扰状态，将结果上报给宏蜂窝，宏蜂窝计算后进行干扰协调；
3)对于每一个用户，只能选择接入单个的宏蜂窝或者微蜂窝，下行的接入根据在整个带宽计算接收到的下行信号强度，分别选择一个宏蜂窝和一个微蜂窝作为候选接入基站的集合，上行根据接收的信号强度确定接入的基站，计算候选宏蜂窝和微蜂窝之间参考信号接收功率(RSRP，reference signal received power)的差异，即差值其中，和分别为宏蜂窝和微蜂窝的参考信号接收功率；
4)首先构造一个基于ADMM的迭代算法，采用n步的结果更新n+1步的变量，对每个i∈P∪M，将xi、zi和yi进行更新；
5)对于每一个微蜂窝，优化xp变量，其包含两个分量分别为分配给微蜂窝的几乎空白子帧(ABSs子帧)数目xp[θp]和用户下行接入基站参考功率的偏移量xp[vp]，利用二分法，根据∈u从对用户进行排序，其中表示接入微蜂窝p的所有用户(包括上行链路接入和小区中心用户的下行链路)，表示接入微蜂窝p的所有边缘用户的下行链路；将排序列表中的第j个用户表示为用户j，从空的用户排序列表开始(j＝0)进行带宽资源bA和bnA的分配，从空的用户排序列表开始，即j＝0，对于任何的bA和bnA，本发明有h(0；bA；bnA)＝0，将第j个用户作为门限地将可用资源划分为两个部分来解决问题，然后单独解决每个部分的资源分配；
6)优化宏蜂窝中的Π(xm)＝1+|Im|，其中|Im|表示与宏蜂窝相邻的收到其干扰的微蜂窝集合，对于每一个宏蜂窝，将所有分配给宏蜂窝m的用户划分为1+|Im|组，则第0组其中包括上行链路接入宏蜂窝m的用户以及下行链路接入宏蜂窝的中心用户第j组是边缘用户其下行链路可以在Im中接入宏蜂窝m或者第j个相邻微蜂窝(pj)，当宏蜂窝ABSs子帧数目xm[θm]确定，总的可用资源单元的数量为(Nsf-xm[θm])B，对于xm[vp]，优化一次只会影响一个用户组在下行链路获得的增益，分组策略允许本发明通过枚举比xm[θm]更小的整数值(0至Nsf，其中Nsf＝40)来减少搜索空间,将qr(A，b)定义为在A(u∈A)中对用户进行资源分配；
7)计算资源分配函数q1，q2，qr，利用二分法计算给定的用户组Aj，从一开始按照∈u(RSRP差值)对用户进行排序，描述宏蜂窝的二分法，用于分配到效用函数Aj(j；bA；bnA)，将第一个(通过应用q2)和第二个(通过应用q1)部分分别分配给宏蜂窝和微蜂窝，得到q1(b)的所有可能值，则可以通过枚举xm[θm]的所有可能值(通常不超过40个值)来优化问题P2；
8)根据上述方法求得用户接入不同基站的配置，估算了不同能量转移分配比率ρ的系统效用，确定联合用户接入和携能传输比例ρ以提供最佳性能。
所述步骤4)中所使用的基于ADMM的迭代算法前期准备及过程如下：
①建立网络模型，构建宏蜂窝和微蜂窝组成双层的超密异构网络，以及可以动态分配用户的上行链路/下行链路的子帧，并在下行链路传输中使用无线携能传输；
②建立接入模型，在用户接入方面考虑四种接入模式，包括用户的上行链路和下行链路接入同一个基站，用户的上行链路和下行链路接入不同的基站，在下行链路接入中，用户的下行链路可以接入宏蜂窝或微蜂窝，假设根据信号的最大接收功率确定可接入宏蜂窝和微蜂窝集合，再依据算法确定下行的接入，在上行链路中，假设用户使用最大发射功率并与提供最强信号功率的基站(宏或微微)相接入；
③建立资源分配模型，在LTE R10标准中定义了增强小区间干扰协调，用以在超密异构网络中使用几乎空白子帧进行管理，宏蜂窝在几乎空白子帧中保持周期性静默，使密集的微蜂窝在几乎空白子帧中受到较小的干扰，假设要分配的最小可用资源块为K，因此，资源分配单元的总数是B，对于一个几乎空白子帧周期Nsf子帧，有θ个ABSs和(Nsf-θ)个nABSs，分配给微蜂窝的资源单元包括个ABSs，个nABSs，在允许上行链路传输到几乎空白子帧内的宏蜂窝的同时，重新设计在nABS和ABS子帧中进行无线携能通信,称为DPT-ABSs协议；
④建立能量收集模型，用户u从基站接收功率为：
其中，是用户u从基站接收的功率，是有用信号，是小区间干扰，Hu，BS是接入的信道增益包括路径损耗和阴影衰落。
⑤建立速率模型，用户u总速率为上行链路与下行链路数据速率之和：
其中和计算如下：
其中，是用户u上行链路速率，是用户u上行链路接入宏蜂窝m时从ABS分配到的资源单元，是用户u上行链路接入宏蜂窝m时从nABS分配到的资源单元，是用户u上行链路接入微蜂窝p时从ABS分配到的资源单元，是用户u上行链路接入微蜂窝p时从nABS分配到的资源单元,是用户u上行链路接入宏蜂窝m时从ABS的每个资源单位上获取数据速率，是用户u上行链路接入宏蜂窝m时从nABS的每个资源单位上获取数据速率，是用户u上行链路接入微蜂窝p时从ABS的每个资源单位上获取数据速率，是用户u上行链路接入微蜂窝p时从nABS的每个资源单位上获取数据速率；是用户u下行链路速率，是用户u下行链路接入宏蜂窝m时从nABS分配到的资源单元，是用户u下行链路接入微蜂窝p时从ABS分配到的资源单元，是用户下行链路接入微蜂窝p时从nABS分配到的资源单元,是用户u下行链路接入宏蜂窝m时从nABS的每个资源单位上获取数据速率，用户u下行链路接入微蜂窝p时从ABS的每个资源单位上获取数据速率，是用户u下行链路接入微蜂窝p时从nABS的每个资源单位上获取数据速率。
⑥确定用户下行接入，首先计算候选宏蜂窝和微蜂窝之间参考信号接收功率(RSRP，reference signal received power)的差异，差值然后根据微蜂窝覆盖范围扩展偏差(REB，range expansion bias)，将具有小于REB的∈u值的用户接入到微蜂窝，并将剩下的用户接入到宏蜂窝，本发明将微蜂窝p的REB离散化为整数vp，上限为将宏蜂窝m的偏差定义为vm＝{vp|p∈Im}，本质上是相邻微蜂窝的REB值的集合；最后用Ui(vi)表示在给定REB值vi的情况下与基站接入的用户：
Up(vp)＝{u|pu＝p，∈u≤βp(vp)}，
⑦建立最大化本发明的优化模型；
从而建模为优化问题P1：
P1：
式中，N+表示非负整数的集合，其它的参变量在步骤6进行了统一描述；
约束(1)的效应函数设置为ln(R)；
约束(2)表示分配给微蜂窝的ABS数量受限于其任何相邻宏蜂窝提供的最大数量的ABS；
约束(3)表示用户在与宏蜂窝连接的上行链路和下行链路的nABSs中分配到的资源总数受限于宏蜂窝所分配的资源总数；
约束(4)表示用户在与宏蜂窝连接的上行链路的ABS中分配到的资源总数受限于宏蜂窝所分配的资源总数；
约束(5)表示用户在与微蜂窝连接的上行链路和下行链路的ABS中分配到的资源总数受限于微蜂窝所分配的资源总数；
约束(6)表示用户在与微蜂窝连接的上行链路和下行链路的nABSs中分配到的资源总数受限于微蜂窝所分配的资源总数；
约束(7)表示一个几乎空白子帧周期子帧中的ABSs数量为正整数且不超过一个几乎空白子帧周期；
约束(8)表示微蜂窝的REB的值为正整数，且上限为
约束(9)表示宏蜂窝分配给用户的资源单元都为正整数；
约束(10)表示微蜂窝分配给用户的资源单元都为正整数；
其中u表示用户；m表示宏蜂窝macrocell的首字母缩写；M表示宏蜂窝m的集合；p表示微蜂窝picocell的首字母缩写；P表示微蜂窝p的集合；Ru是用户u的总速率；θi表示分配给蜂窝的ABS数量；Ip表示微蜂窝p收到宏蜂窝干扰的集合；Nsf为ABS的子帧的总数目；vp表示微蜂窝覆盖范围拓展偏差(REB，range expansion bias)的值；表示微蜂窝覆盖范围拓展偏差最大值；表示上行链路中ABS从宏蜂窝m分配到的资源总数；表示上行链路中nABSs从宏蜂窝m分配到的资源总数；表示下行链路中nABSs从宏蜂窝m分配到的资源总数；表示上行链路中ABS从微蜂窝p分配到的资源总数；表示上行链路中nABSs从微蜂窝p分配到的资源总数；表示下行链路中ABS从微蜂窝p分配到的资源总数；表示下行链路中nABSs从微蜂窝p分配到的资源总数；
⑧由于约束式可知，P1是一个涉及连续和二进制变量的混合整数规划问题，找到这个问题的最佳解决方案被证明是很困难的，可以将P1问题的策略正则化为一般优化问题P2；
s.t.(2)-(10)
⑨通过基于ADMM的迭代算法求解转化后的优化问题P2，利用增广拉格朗日对偶理论解决本发明的一致优化问题，进而通过迭代，即采用n步的结果更新n+1步的变量，来寻求原问题的可行解，包括以下步骤：
(1)对于每个i∈P∪M，在微蜂窝和宏蜂窝中更新变量x；
(2)对于每个i∈P∪M，对z进行更新表示；
(3)对于每个i∈P∪M，对y进行更新表示；
(4)计算资源分配函数q1，q2，qr，对于给定的用户组Aj，本发明使用二分法进行资源分配；
⑩通过所述的联合接入和携能传输优化对确定了用户接入不同基站的配置进行性能优化以提供最佳性能，估算了不同能量转移分配比率ρ的系统效用，确定联合用户接入和携能传输比例ρ以提供最佳性能。
所述的步骤⑨中的基于ADMM的迭代算法详细步骤如下：
(1)假设为当前n轮迭代的对偶问题最优解；
(2)设置迭代指数n＝0最大的迭代次数为N+1.
(3)n＝1:(N+1)进行原变量和对偶变量的更新循环：
①原变量进行更新循环，
xi变量更新：
微蜂窝更新x：
宏蜂窝更新x：
②对偶变量进行更新循环
(4)基于上述步骤对用户资源进行分配，主要利用到分配效用函数Aj(j；bA；bnA)；对下行链路的宏蜂窝用户组与以及其他介入宏蜂窝的用户存在q2(j；b)进行计算分配；并定义了一个辅助函数来求解q1(b)；最后使用用户j将用户的排序列表分成两部分，并分别解决每部分，如下：
q1(b)＝V(|Im|，b)
所述的步骤⑤中联合接入和携能传输优化详细步骤如下：
(1)在可行空间内初始化变量，最优效用best_utlity，最优配置best_config；
(2)设置初始迭代指数ρ＝0及最大迭代次数τ；
(3)ρ＝0：τ进行变量更新循环；
①计算当前步数用户上行链路和下行链路的效用函数Util(Ru)；
②将其效用与最有配置的效用进行比较，若效用更高，则更新最优效用与最优配置；重复循环；
(4)结束所有迭代结果后，得到最优配置best_config的值。
本发明的有益效果是：
与以前独立考虑优化参数的工作不同，本发明联合优化上下行非对称接入，上下行资源分配和下行携能传输，从而改善系统的容量和用户的速率。由于该联合优化问题是复杂的整数规划问题，而且在密集场景下复杂度更高，本发明将高度复杂的协同优化问题映射到可以利用交替乘子法设计的一种多项式分布式优化方法。此外，本发明的方法兼容现有的干扰协调协议(eICIC)，将下行携能传输嵌入到几乎空白子帧中(ABS),并进一步利用宏蜂窝的静默下行传输窗口来增加上行传输的机会。与现有技术相比，本发明的方法将系统效用提高了20％以上，提供了更高的用户公平性和传输速率，并且可以适用于分布式的部署方式。
附图说明
图1为本发明网络模型概述；
图2为本发明四种用户接入模式；
图3现有的eICIC配置协议和基于无线携能传输eICIC的子帧配置协议；
图4在稀疏和密集下实现的系统效用小型蜂窝密度；
图5密集城市用户设置下用户下行，上行和总速率的累积分布函数。
具体实施方式
以下结合附图对本发明进一步叙述：
本发明考虑使用宏蜂窝和微蜂窝组成双层的超密异构网络，以及可以动态分配用户的上行链路/下行链路的子帧。如图1所示，本发明在下行链路传输中使用无线携能传输，以便用户可以首先在下行链路中接收信息的同时收集能量，然后将其用于上行链路传输。
接入模型
用户接入：本发明考虑图2中的四种超密异构网络的接入模式。前两种模式图2a和图2b是用户的上行链路和下行链路接入同一个基站。其他两种模式是当上行链路和下行链路接入不同的基站如图2c和图2d所示，上行链路接入微蜂窝相关联，下行链路接入宏蜂窝或微蜂窝。允许上行链路和下行链路接入不同的基站使本发明能够使用异构小区来更好地分配业务负载，改善小区边缘用户的性能。
下行链路接入：用户的下行链路可以接入宏蜂窝或微蜂窝，假设根据信号的最大接收功率确定可接入宏蜂窝和微蜂窝集合，再依据本发明的算法确定下行的接入。
上行链路接入：和下行链路不同，由于用户与小区之间的距离较短，在上行链路上执行功率控制对于超密蜂窝网络中的干扰管理几乎没有增益。因此，本发明假设用户使用最大发射功率并与提供最强信号功率的基站(宏或微微)相接入。
资源分配模型
在LTE R10标准中定义了增强小区间干扰协调，用来在超密异构网络中使用几乎空白子帧进行干扰管理，如图3a中，宏蜂窝在几乎空白子帧中保持周期性静默(仅传输具有降低功率的参考信号保证静默)，使密集的微蜂窝在几乎空白子帧中受到较小的干扰。
在动态时分双工系统中，假设一个循环周期Nr子帧的具有S个可用信道，则可用资源块(RB)的总数为SNr。为了方便，本发明假设要分配的最小可用资源块为K。因此，资源分配单元的总数是B，对于一个几乎空白子帧周期Nsf子帧，有θ个ABSs和(Nsf-θ)个nABSs，分配给微蜂窝的资源单元包括个ABSs，个nABSs。
此外，如图3b所示，本发明在允许上行链路传输到几乎空白子帧内的宏蜂窝的同时，重新设计在nABS和ABS子帧中进行无线携能通信,称为DPT-ABSs协议。
能量收集模型
用户u从基站接收功率为：
其中是有用信号，是小区间干扰，Hu，ss是接入的信道增益包括路径损耗和阴影衰落。因此，通过用户接收的能量(在DC转换后)是其中的ρ是基站动态能量转化因子。
能量收集模型中的符号描述如下表
速率模型
假设候选宏和微蜂窝的上行链路/下行链路(从用户上测量)的信干噪声比(SINR)是已知的，通过香农容量公式将信干噪声比转换为数据速率，然后将其用于计算给定用户的每个资源单位的数据速率。若用户u上行链路接入宏蜂窝m时，本发明分别用和表示ABS(i.e.A)和nABS(i.e.nA)的每个资源单位上获取数据速率。若上行链路被分配给微蜂窝p时，用和表示ABS(i.e.A)和nABS(i.e.nA)的每个资源单位的数据速率。若下行链路接入宏蜂窝m相时，用来表示nABS的每个资源单位的数据速率。若下行链路接入微蜂窝p时，用和表示ABS和nABS的每个资源单位的数据速率。
对于宏蜂窝m来说，分配给用户u的资源单元用和表示；对于微蜂窝p则用和表示。在这些表达式中，表示在上行链路中ABS从宏蜂窝m(微蜂窝p)分配到的资源总数，和表示分别在上行链路和下行链路上的ABSs或nABSs从宏蜂窝m或微蜂窝p分配到的资源单元总数，则用户在下行链路的ABS上从微蜂窝p分配到的资源总数。
因此，用户u总速率为上行链路与下行链路数据速率之和：其中和计算如下：
确定用户下行接入
用户的下行链路可以接入宏蜂窝或微蜂窝。首先计算候选宏蜂窝和微蜂窝之间参考信号接收功率(RSRP，reference signal received power)的差异，如差值其中，和分别为宏蜂窝和微蜂窝的参考信号接收功率(由用户测量)。然后根据微蜂窝覆盖范围扩展偏差(REB，range expansion bias)。本发明将具有小于REB的∈u值的用户接入到微蜂窝，并将剩下的用户接入到宏蜂窝。
REB是基于宏蜂窝-微蜂窝对确定的,微蜂窝通常可以对REB的调整。将可能的REB值的范围映射到零到之间的一组离散整数，从而确定用户是否接入相应的微蜂窝p。也就是说，当REB取0或时，所有用户将被分配给微蜂窝或宏蜂窝。
因此，本发明可以将微蜂窝p的REB离散化为整数vp，上限为本发明将宏蜂窝m的偏差定义为vm＝{vp|p∈Im}，本质上是相邻微蜂窝的REB值的集合。最后本发明用Ui(vi)表示在给定REB值vi的情况下与基站接入的用户：
Up(vp)＝{u|pu＝p，∈u≤βp(vp)}， (4)
其中pu、mu分别是用户u在宏蜂窝和微蜂窝的最佳候选集合，βp(vp)用于确定用于下行链路接入的REB值。
优化问题的变量及参数描述如下：
u表示用户；m表示宏蜂窝macrocell的首字母缩写；M表示宏蜂窝m的集合；p表示微蜂窝picocell的首字母缩写；P表示微蜂窝p的集合；Ru是用户u的总速率；表示用户上行链路数据速率；表示用户下行链路数据速率；θi表示分配给蜂窝的ABS数量；Ip表示微蜂窝p收到宏蜂窝m干扰的集合；Nsf为ABS的子帧的总数目；vp表示微蜂窝覆盖范围拓展偏差(REB，range expansion bias)的值；表示微蜂窝覆盖范围拓展偏差最大值；表示上行链路中ABS从宏蜂窝m分配到的资源总数；表示上行链路中nABSs从宏蜂窝m分配到的资源总数；表示下行链路中nABSs从宏蜂窝m分配到的资源总数；表示上行链路中ABS从微蜂窝p分配到的资源总数；表示上行链路中nABSs从微蜂窝p分配到的资源总数；表示下行链路中ABS从微蜂窝p分配到的资源总数；表示下行链路中nABSs从微蜂窝p分配到的资源总数。
建模的优化问题：本发明以最大化用户速率总效用为目标，即最大化所有用户的上行链路和下行链路速率的效用函数(Util)，其表述为其中本发明采用使用ln(Ru)作为本发明的效用函数，保持用户的比例公平。本发明的优化变量包括然后本发明将优化问题P1建模如下：
P1:
其中N+是非负整数的集合，Nsf是通常设为40。
约束(2)表示分配给微蜂窝的ABS数量受限于其任何相邻宏蜂窝提供的最大数量的ABS；约束(3)表示用户在与宏蜂窝连接的上行链路和下行链路的nABSs中分配到的资源总数受限于宏蜂窝所分配的资源总数；约束(4)表示用户在与宏蜂窝连接的上行链路的ABS中分配到的资源总数受限于宏蜂窝所分配的资源总数；约束(5)表示用户在与微蜂窝连接的上行链路和下行链路的ABS中分配到的资源总数受限于微蜂窝所分配的资源总数；约束(6)表示用户在与微蜂窝连接的上行链路和下行链路的nABSs中分配到的资源总数受限于微蜂窝所分配的资源总数；约束(7)表示一个几乎空白子帧周期子帧中的ABSs数量为正整数且不超过一个几乎空白子帧周期；约束(8)表示微蜂窝的REB的值为正整数，且上限为约束(9)表示宏蜂窝分配给用户的资源单元都为正整数；约束(10)表示微蜂窝分配给用户的资源单元都为正整数；
由以上约束可以看出，本发明P1问题是一个涉及连续和二进制变量的混合整数规划问题，在本发明中，解决P1问题的策略将其正则化为一般优化问题，然后利用交替乘子方向法进行求解。
首先对问题进行转化，本发明首先基于正则化的全局变量一致化，正则化的一致优化问题表达式如下：
该优化问题中有一个全局变量z和一个局部变量xii＝1，…，N。每一个局部变量都有一个全局变量分量可供选择，例如每个xi都有其中ψ(·)定义为给定变量分量的集合。本发明将z[e]表示为全局变量z的分量e的值，并且将xi[e]表示为局部变量xi中的分量e的值。对于给定变量xi，本发明有zi＝{z[e]，e∈ψ(xi)}zi，可以看作是全局变量视角下的局部变量xi。
变量设置对于正则化后的优化问题，全局变量z表示要优化的所有ABS分量，即ψ(z)＝{θi|i∈P∪M},其中P和M分别表示微蜂窝和宏蜂窝。局部变量xi(i∈P∪M)是基站i处的本地分量，xi包含一系列优化的ABS分量。对于宏蜂窝m，则局部变量ψ(xm)＝{θm}∪{vm|P∈Im}，对于微蜂窝p，则存在REB值vm＝{vp|P∈Im}和局部变量ψ(xp)＝{θp}∪{vp}。
优化宏蜂窝宏蜂窝m的目标函数表示为：
约束条件：s.t.(3)(4)(9)(10)
优化微蜂窝微蜂窝p的目标函数表示为：
约束条件：s.t.(5)(6)(9)(10)
正则化通过P1的正则化函数，判断全局变量z是否符合干扰约束(2)：
其中
一致性问题最后，将P1问题转换为基于正则化一般形式的一致性优化问题，即P2。
约束条件：
然后，我们设计基于交替方向乘子的方法(ADMM)来解决优化问题P2。
基于ADMM的算法
(1)假设为当前n轮迭代的对偶问题最优解；
(2)设置迭代指数n＝0最大的迭代次数为N+1.
(3)n＝1:(N+1)进行原变量和对偶变量的更新循环：原变量进行更新循环
xi变量更新：
微蜂窝更新x：
宏蜂窝更新x：
对偶变量进行更新循环
(4)基于上述步骤对用户资源进行分配，主要利用到分配效用函数Aj(j；bA；bA)；对下行链路的宏蜂窝用户组与以及其他介入宏蜂窝的用户存在q2(j；b)进行计算分配；并定义了一个辅助函数来求解q1(b)；最后使用用户j将用户的排序列表分成两部分，并分别解决每部分。
q1(b)＝V(|Im|，b)
联合接入和携能传输优化
本发明估算了不同能量转移分配比率ρ的系统效用，确定联合用户接入和携能传输比例ρ以提供最佳性能。该过程在算法1中被描述为伪代码。
(1)在可行空间内初始化变量，最优效用best_utlity，最优配置best_config；
(2)设置初始迭代指数ρ＝0及最大迭代次数τ；
(3)ρ＝0：τ进行变量更新循环；
计算当前步数用户上行链路和下行链路的效用函数Util(Ru)；
将其效用与最有配置的效用进行比较，若效用更高，则更新最优效用与最优配置；重复循环；
(4)结束所有迭代结果后，得到最优配置best_config的值；复杂性分析
开销主要来自确定微微蜂窝和宏蜂窝关联，分别对应于fp(xp)(第VI-B节)和fm(xm)(第VI-C节)的计算。微蜂窝关联计算fp(xp)的初始步骤是计算h(j；bA；bnA)，其时间复杂度为一旦得到fp(xp)，我们就可以在恒定时间内计算公式(12)中的每个客观可能的xp的结果，这时候时间复杂度为O(1)。由于xp可能值的数量为因此每个微蜂窝p更新每个x的时间复杂度为宏蜂窝关联获得效用函数Aj(j；bA；bnA)的所有可能值的初始步骤时间复杂度为因此，宏蜂窝m更新每个x的时间复杂度是，其中是其下行链路可以与相邻宏蜂窝之一相关联的边缘用户设备的最大数量。
本发明的数值仿真结果
本发明通过Matlab仿真评估本发明的方法。表1列出了仿真中使用的基站参数，这些参数是根据3GPP选择的。本发明考虑了不同用户密度的三种典型部署方案，即城市郊区，城市密集城市和密集城市，每平方公里分别拥有150,250和350个用户。在这项工作中，用户i，Util(ri)的效用函数被设置为ln(ri)，其中ri是上行链路和下行链路的总速率。但是，也可以使用其他效用函数。本发明将宏单元密度设置为5个单元/km2。本发明考虑两种类型的小单元密度，稀疏(100微蜂窝/km2)，可以将其与穷举搜索找到的最佳性能进行比较，而密集(300微蜂窝/km2)则是典型的情况。最后，小区和用户的产生服从均匀分布。
仿真场景的参数描述如下表：
本发明方法的评价标准
本发明用三个指标进行评判：(1)系统效用(广泛使用的网络容量度量[12])，定义为ln(R)(其中R是上行链路和下行链路的总速率)；(2)UL，DL和总速率，以bits/s/Hz为单位；(3)比例公平，使用Jain的公平指数[16]进行评估。三个更高的指标意味着更好的指标。此外，由于用户和单元格是随机生成的，因此本发明将每个模拟场景运行100次。然后，本发明计算100次运行中的几何平均性能和方差，以确保本发明的结果是稳健的[17]。
根据发明方法的评价标准，对比方案如下：
1)FIXED：该方法使用固定配置，为用户提供最佳平均性能。它等分基站的上行链路和下行链路之间的时间，对于每个微小区，将ABS设置为3/8Nsf，对于每个微蜂窝，他将REB设置为12dB。
2)RELAX-ROUND：该方法首先放松问题约束，然后对近似进行舍入，获得问题的可行解决方案。
3)SOA：基于动态TDD用户接入的联合优化方法。与本发明所采用的方法不同，它假设上行链路和下行链路连接到相同的基站并且不考虑用于上行链路/下行链路的SWIPT。
4)UM-ABS：这是另一种联合优化方法，它利用宏蜂窝的ABS进行上行链路传输而不考虑SWIPT。
5)ORACLE：通过尝试所有可用配置找到的最佳性能。它给出了理论上的性能上限，用于量化方案的性能与性能上限的接近程度。
整体系统性能
稀疏的蜂窝密度：图4a显示了在不同用户密度和稀疏蜂窝密度下所有考虑的方案实现的系统效用。柱状图显示模拟运行100次的平均性能和最大最小值范围。因为最佳用户接入和携能传输配置因用户密度不同而异，FIXED方法仅是ORACLE方法64％的性能。通过松弛取整优化问题，RELAX-ROUND方法性能提升了11.2％，达到了ORACLE方法性能的72％，这是松弛过程中存在性能损失。通过联合优化用户接入(SOA)或在宏蜂窝ABS(UM-ABS)子帧配置上行传输，SOA方法和UM-ABS方法的性能要优于RELAX-ROUND方法。然而，与ORACLE方法相比，比SOA平均高18％的和比UM-ABS平均高9％。这是因为他们只考虑优化部分参数的子集。相比之下，本发明的方法优于现有的方案，平均达到了ORACLE的95％性能。
密集的蜂窝密度：图4b比较了不同方法在密集蜂窝密度下的的系统效用。在密集场景由于大规模的优化空间，本发明无法使用穷举搜索来确定ORACLE性能。尽管如此，本发明的方法始终优于所有其他方案。与第二好的方法UM-ABS相比，它平均实现了超过20％的系统效用增益。通过在超密异构网络中同时考虑更大的优化参数集，本发明的方法可以获得更大系统性能增益。
用户体验
图5显示了在城市密集用户分布下密集蜂窝设置下用户接收的下行速率，上行速率和总速率的累积分布函数。通常，方案的曲线越低，它提供的用户体验就越好。FIXED方法性能较差，因为80％的用户速率低于1/bit/s/Hz。这是因为固定策略对于用户接入而言是次优的，并且经常使基站处于过载状态。对于下行链路，本发明的方法实现了与RELAX-ROUND类似的性能。考虑到RELAX-ROUND没有将下行功率分配用于能量传输，这意味着本发明的能量传输方法不会影响用户上行传输的速率。对于上行，本发明的方法提供了比所有其他方案更好的性能，用户具有更高的传输速率。

Claims (4)

1.一种联合不对称接入和无线携能通信的干扰协调方法，其特征在于，包括以下步骤：
1)构建一个由宏蜂窝和微蜂窝构成的超密异构网络，以及可以动态分配用户的上行链路和下行链路的子帧，其中用户只能选择接入单个的宏蜂窝或者微蜂窝；
2)对于每一个宏蜂窝，在其覆盖的区域内微蜂窝和用户测量信道状态和干扰状态，将结果上报给宏蜂窝，宏蜂窝计算后进行干扰协调；
3)对于每一个用户，只能选择接入单个的宏蜂窝或者微蜂窝，下行的接入根据在整个带宽计算接收到的下行信号强度，分别选择一个宏蜂窝和一个微蜂窝作为候选接入基站的集合，上行根据接收的信号强度确定接入的基站，计算候选宏蜂窝和微蜂窝之间参考信号接收功率(RSRP，reference signal received power)的差异，即差值其中，和分别为宏蜂窝和微蜂窝的参考信号接收功率；
4)首先构造一个基于ADMM的迭代算法，采用n步的结果更新n+1步的变量，对每个i∈P∪M，将xi、zi和yi进行更新；
5)对于每一个微蜂窝，优化xp变量，其包含两个分量分别为分配给微蜂窝的几乎空白子帧(ABSs子帧)数目xp[θp]和用户下行接入基站参考功率的偏移量xp[vp]，利用二分法，根据∈u从对用户进行排序，其中表示接入微蜂窝p的所有用户(包括上行链路接入和小区中心用户的下行链路)，表示接入微蜂窝p的所有边缘用户的下行链路；将排序列表中的第j个用户表示为用户j，从空的用户排序列表开始(j＝0)进行带宽资源bA和bnA的分配，从空的用户排序列表开始，即j＝0，对于任何的bA和bnA，本发明有h(0；bA；bnA)＝0，将第j个用户作为门限地将可用资源划分为两个部分来解决问题，然后单独解决每个部分的资源分配；
6)优化宏蜂窝中的∏(xm)＝1+|Im|，其中|Im|表示与宏蜂窝相邻的收到其干扰的微蜂窝集合，对于每一个宏蜂窝，将所有分配给宏蜂窝m的用户划分为1+|Im|组，则第0组其中包括上行链路接入宏蜂窝m的用户以及下行链路接入宏蜂窝的中心用户第j组是边缘用户其下行链路可以在Im中接入宏蜂窝m或者第j个相邻微蜂窝(pj)，当宏蜂窝ABSs子帧数目xm[θm]确定，总的可用资源单元的数量为(Nsf-xm[θm])B，对于xm[vp}，优化一次只会影响一个用户组在下行链路获得的增益，分组策略允许本发明通过枚举比xm[θm]更小的整数值(0至Nsf，其中Nsf＝40)来减少搜索空间,将qr(A，b)定义为在A(u∈A)中对用户进行资源分配；
7)计算资源分配函数q1，q2，qr，利用二分法计算给定的用户组Aj，从一开始按照∈u(RSRP差值)对用户进行排序，描述宏蜂窝的二分法，用于分配到效用函数Aj(j；bA；bnA)，将第一个(通过应用q2)和第二个(通过应用q1)部分分别分配给宏蜂窝和微蜂窝，得到q1(b)的所有可能值，则可以通过枚举xm[θm]的所有可能值(通常不超过40个值)来优化问题P2；
8)根据上述方法求得用户接入不同基站的配置，估算了不同能量转移分配比率ρ的系统效用，确定联合用户接入和携能传输比例ρ以提供最佳性能。
2.根据权利要求1所述的一种联合不对称接入和无线携能通信的干扰协调方法，其特征在于，所述步骤4)中所使用的基于ADMM的迭代算法前期准备及过程如下：
①建立网络模型，构建宏蜂窝和微蜂窝组成双层的超密异构网络，以及可以动态分配用户的上行链路/下行链路的子帧，并在下行链路传输中使用无线携能传输；
②建立接入模型，在用户接入方面考虑四种接入模式，包括用户的上行链路和下行链路接入同一个基站，用户的上行链路和下行链路接入不同的基站，在下行链路接入中，用户的下行链路可以接入宏蜂窝或微蜂窝，假设根据信号的最大接收功率确定可接入宏蜂窝和微蜂窝集合，再依据算法确定下行的接入，在上行链路中，假设用户使用最大发射功率并与提供最强信号功率的基站(宏或微微)相接入；
③建立资源分配模型，在LTE R10标准中定义了增强小区间干扰协调，用以在超密异构网络中使用几乎空白子帧进行管理，宏蜂窝在几乎空白子帧中保持周期性静默，使密集的微蜂窝在几乎空白子帧中受到较小的干扰，假设要分配的最小可用资源块为K，因此，资源分配单元的总数是B，对于一个几乎空白子帧周期Nsf子帧，有θ个ABSs和(Nsf-θ)个nABSs，分配给微蜂窝的资源单元包括个ABSs，个nABSs，在允许上行链路传输到几乎空白子帧内的宏蜂窝的同时，重新设计在nABS和ABS子帧中进行无线携能通信,称为DPT-ABSs协议；
④建立能量收集模型，用户u从基站接收功率为：
其中，是用户u从基站接收的功率，是有用信号，是小区间干扰，Hu，BS是接入的信道增益包括路径损耗和阴影衰落。
⑤建立速率模型，用户u总速率为上行链路与下行链路数据速率之和：
其中和计算如下：
其中，是用户u上行链路速率，是用户u上行链路接入宏蜂窝m时从ABS分配到的资源单元，是用户u上行链路接入宏蜂窝m时从nABS分配到的资源单元，是用户u上行链路接入微蜂窝p时从ABS分配到的资源单元，是用户u上行链路接入微蜂窝p时从nABS分配到的资源单元,是用户u上行链路接入宏蜂窝m时从ABS的每个资源单位上获取数据速率，是用户u上行链路接入宏蜂窝m时从nABS的每个资源单位上获取数据速率，是用户u上行链路接入微蜂窝p时从ABS的每个资源单位上获取数据速率，是用户u上行链路接入微蜂窝p时从nABS的每个资源单位上获取数据速率；是用户u下行链路速率，是用户u下行链路接入宏蜂窝m时从nABS分配到的资源单元，是用户u下行链路接入微蜂窝p时从ABS分配到的资源单元，是用户下行链路接入微蜂窝p时从nABS分配到的资源单元,是用户u下行链路接入宏蜂窝m时从nABS的每个资源单位上获取数据速率，用户u下行链路接入微蜂窝p时从ABS的每个资源单位上获取数据速率，是用户u下行链路接入微蜂窝p时从nABS的每个资源单位上获取数据速率。
⑥确定用户下行接入，首先计算候选宏蜂窝和微蜂窝之间参考信号接收功率(RSRP，reference signal received power)的差异，差值然后根据微蜂窝覆盖范围扩展偏差(REB，range expansion bias)，将具有小于REB的∈u值的用户接入到微蜂窝，并将剩下的用户接入到宏蜂窝，本发明将微蜂窝p的REB离散化为整数vp，上限为将宏蜂窝m的偏差定义为vm＝{vp|p∈Im}，本质上是相邻微蜂窝的REB值的集合；最后用Ui(vi)表示在给定REB值vi的情况下与基站接入的用户：
Up(vp)＝{u|pu＝p，∈u≤βp(vp)}，
⑦建立最大化本发明的优化模型；
从而建模为优化问题P1：
P1：
式中，N+表示非负整数的集合，其它的参变量在步骤6进行了统一描述；
约束(1)的效应函数设置为ln(R)；
约束(2)表示分配给微蜂窝的ABS数量受限于其任何相邻宏蜂窝提供的最大数量的ABS；
约束(3)表示用户在与宏蜂窝连接的上行链路和下行链路的nABSs中分配到的资源总数受限于宏蜂窝所分配的资源总数；
约束(4)表示用户在与宏蜂窝连接的上行链路的ABS中分配到的资源总数受限于宏蜂窝所分配的资源总数；
约束(5)表示用户在与微蜂窝连接的上行链路和下行链路的ABS中分配到的资源总数受限于微蜂窝所分配的资源总数；
约束(6)表示用户在与微蜂窝连接的上行链路和下行链路的nABSs中分配到的资源总数受限于微蜂窝所分配的资源总数；
约束(7)表示一个几乎空白子帧周期子帧中的ABSs数量为正整数且不超过一个几乎空白子帧周期；
约束(8)表示微蜂窝的REB的值为正整数，且上限为
约束(9)表示宏蜂窝分配给用户的资源单元都为正整数；
约束(10)表示微蜂窝分配给用户的资源单元都为正整数；
其中u表示用户；m表示宏蜂窝macrocell的首字母缩写；M表示宏蜂窝m的集合；p表示微蜂窝picocell的首字母缩写；P表示微蜂窝p的集合；Ru是用户u的总速率；θi表示分配给蜂窝的ABS数量；Ip表示微蜂窝p收到宏蜂窝干扰的集合；Nsf为ABS的子帧的总数目；vp表示微蜂窝覆盖范围拓展偏差(REB，range expansion bias)的值；表示微蜂窝覆盖范围拓展偏差最大值；表示上行链路中ABS从宏蜂窝m分配到的资源总数；表示上行链路中nABSs从宏蜂窝m分配到的资源总数；表示下行链路中nABSs从宏蜂窝m分配到的资源总数；表示上行链路中ABS从微蜂窝p分配到的资源总数；表示上行链路中nABSs从微蜂窝p分配到的资源总数；表示下行链路中ABS从微蜂窝p分配到的资源总数；表示下行链路中nABSs从微蜂窝p分配到的资源总数；
⑧由于约束式可知，P1是一个涉及连续和二进制变量的混合整数规划问题，找到这个问题的最佳解决方案被证明是很困难的，可以将P1问题的策略正则化为一般优化问题P2；
s.t.(2)-(10)
⑨通过基于ADMM的迭代算法求解转化后的优化问题P2，利用增广拉格朗日对偶理论解决本发明的一致优化问题，进而通过迭代，即采用n步的结果更新n+1步的变量，来寻求原问题的可行解，包括以下步骤：
(1)对于每个i∈P∪M，在微蜂窝和宏蜂窝中更新变量x；
(2)对于每个i∈P∪M，对z进行更新表示；
(3)对于每个i∈P∪M，对y进行更新表示；
(4)计算资源分配函数q1，q2，qr，对于给定的用户组Aj，本发明使用二分法进行资源分配；
⑩通过所述的联合接入和携能传输优化对确定了用户接入不同基站的配置进行性能优化以提供最佳性能，估算了不同能量转移分配比率ρ的系统效用，确定联合用户接入和携能传输比例ρ以提供最佳性能。
3.根据权利要求2所述的一种联合不对称接入和无线携能通信的干扰协调方法，其特征在于，所述的步骤⑨中的基于ADMM的迭代算法详细步骤如下：
(1)假设为当前n轮迭代的对偶问题最优解；
(2)设置迭代指数n＝0最大的迭代次数为N+1.
(3)n＝1:(N+1)进行原变量和对偶变量的更新循环：
①原变量进行更新循环，
xi变量更新：
微蜂窝更新x：
宏蜂窝更新x：
②对偶变量进行更新循环
(4)基于上述步骤对用户资源进行分配，主要利用到分配效用函数Aj(j；bA；bnA)；对下行链路的宏蜂窝用户组与以及其他介入宏蜂窝的用户存在q2(j；b)进行计算分配；并定义了一个辅助函数来求解q1(b)；最后使用用户j将用户的排序列表分成两部分，并分别解决每部分，如下：
q1(b)＝V(|Im|，b)
4.根据权利要求2所述的一种联合不对称接入和无线携能通信的干扰协调方法，其特征在于，所述的步骤⑤中联合接入和携能传输优化详细步骤如下：
(1)在可行空间内初始化变量，最优效用best_utlity，最优配置best_config；
(2)设置初始迭代指数ρ＝0及最大迭代次数τ；
(3)ρ＝0：τ进行变量更新循环；
①计算当前步数用户上行链路和下行链路的效用函数Util(Ru)；
②将其效用与最有配置的效用进行比较，若效用更高，则更新最优效用与最优配置；重复循环；
(4)结束所有迭代结果后，得到最优配置best_config的值。
CN201811510449.7A 2018-12-11 2018-12-11 一种联合不对称接入和无线携能通信的干扰协调方法 Active CN110012483B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811510449.7A CN110012483B (zh) 2018-12-11 2018-12-11 一种联合不对称接入和无线携能通信的干扰协调方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811510449.7A CN110012483B (zh) 2018-12-11 2018-12-11 一种联合不对称接入和无线携能通信的干扰协调方法

Publications (2)

Publication Number Publication Date
CN110012483A true CN110012483A (zh) 2019-07-12
CN110012483B CN110012483B (zh) 2021-11-30

Family

ID=67165118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811510449.7A Active CN110012483B (zh) 2018-12-11 2018-12-11 一种联合不对称接入和无线携能通信的干扰协调方法

Country Status (1)

Country Link
CN (1) CN110012483B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111711986A (zh) * 2020-05-06 2020-09-25 哈尔滨工业大学 5g通信系统中uc-udn比例公平资源分配方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103384965A (zh) * 2011-02-14 2013-11-06 高通股份有限公司 针对异构网络协同多点操作的功率控制和用户复用
CN103517327A (zh) * 2012-05-30 2014-01-15 英特尔公司 Tdd异构网络中的自适应ul-dl配置
WO2014063298A1 (en) * 2012-10-23 2014-05-01 Telefonaktiebolaget L M Ericsson (Publ) Method, user equipment and base stations for performing random access procedures
CN103957563A (zh) * 2014-05-22 2014-07-30 西安电子科技大学 基于增强型小区间干扰协调的联合上下行负载分配方法
CN104412685A (zh) * 2012-05-31 2015-03-11 高通股份有限公司 不对称的lte部署中的干扰缓解
US20160234839A1 (en) * 2009-12-23 2016-08-11 Telefonaktiebolaget Lm Ericsson (Publ) Flexible Subframes
WO2018038933A1 (en) * 2016-08-22 2018-03-01 Alcatel-Lucent Usa Inc. Systems and methods for decoupling control and data channels in wireless networks
US20180070356A1 (en) * 2013-06-28 2018-03-08 Intel Corporation Time division duplex (tdd) uplink downlink (ul-dl) reconfiguration
WO2018126876A1 (en) * 2017-01-06 2018-07-12 Huawei Technologies Co., Ltd. Hybrid mobility and radio resource management mechanisms

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160234839A1 (en) * 2009-12-23 2016-08-11 Telefonaktiebolaget Lm Ericsson (Publ) Flexible Subframes
CN103384965A (zh) * 2011-02-14 2013-11-06 高通股份有限公司 针对异构网络协同多点操作的功率控制和用户复用
CN103517327A (zh) * 2012-05-30 2014-01-15 英特尔公司 Tdd异构网络中的自适应ul-dl配置
CN104412685A (zh) * 2012-05-31 2015-03-11 高通股份有限公司 不对称的lte部署中的干扰缓解
WO2014063298A1 (en) * 2012-10-23 2014-05-01 Telefonaktiebolaget L M Ericsson (Publ) Method, user equipment and base stations for performing random access procedures
US20180070356A1 (en) * 2013-06-28 2018-03-08 Intel Corporation Time division duplex (tdd) uplink downlink (ul-dl) reconfiguration
CN103957563A (zh) * 2014-05-22 2014-07-30 西安电子科技大学 基于增强型小区间干扰协调的联合上下行负载分配方法
WO2018038933A1 (en) * 2016-08-22 2018-03-01 Alcatel-Lucent Usa Inc. Systems and methods for decoupling control and data channels in wireless networks
WO2018126876A1 (en) * 2017-01-06 2018-07-12 Huawei Technologies Co., Ltd. Hybrid mobility and radio resource management mechanisms

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HAO ZHOU，YUSHENG JI，XIAOYAN WANG，SHIGEKI YAMADA: "《eICIC Configuration Algorithm with Service Scalability in Heterogeneous Cellular Networks》", 《IEEE/ACM TRANSACTIONS ON NETWORKING》 *
RAJKARN SINGH， C. SIVA RAM MURTHY: "《Techniques for Interference Mitigation Using Cooperative Resource Partitioning in Multitier LTE HetNets》", 《IEEE SYSTEMS JOURNAL》 *
吴通: "《LTE-A系统中Small Cell干扰协调技术研究》", 《中国硕士学位论文全文数据库信息科技辑》 *
郑杰: "《异构无线网络中资源管理研究》", 《中国博士学位论文全文数据库信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111711986A (zh) * 2020-05-06 2020-09-25 哈尔滨工业大学 5g通信系统中uc-udn比例公平资源分配方法
CN111711986B (zh) * 2020-05-06 2022-06-07 哈尔滨工业大学 5g通信系统中uc-udn比例公平资源分配方法

Also Published As

Publication number Publication date
CN110012483B (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN109413676B (zh) 一种超密异构网络中联合下上行的边缘计算迁移方法
Hasan et al. Distributed resource allocation in 5G cellular networks
CN106792824B (zh) 认知异构无线网络鲁棒资源分配方法
Giannopoulos et al. Deep reinforcement learning for energy-efficient multi-channel transmissions in 5G cognitive hetnets: Centralized, decentralized and transfer learning based solutions
CN109905918A (zh) 一种基于能效的noma蜂窝车联网动态资源调度方法
CN107172682A (zh) 基于动态分簇的超密集网络无线资源分配方法
CN105704824B (zh) 一种无线网络的多维资源分配的方法
Wu et al. QoE-based distributed multichannel allocation in 5G heterogeneous cellular networks: A matching-coalitional game solution
CN107070583B (zh) 一种异构网络增强型小区间干扰协调的能效优化方法
Lee et al. Multi-objective resource allocation for LTE/LTE-A femtocell/HeNB networks using ant colony optimization
CN108965009A (zh) 一种基于势博弈的负载已知用户关联方法
Adeel et al. Random neural network based novel decision making framework for optimized and autonomous power control in LTE uplink system
Rohoden et al. Game theoretical framework for clustering and resource allocation in macro-femtocell networks
CN106209336B (zh) 一种软件定义移动网络中的资源分配方法
CN107454601A (zh) 一种超密集环境下考虑小区间干扰的无线虚拟映射方法
Singh et al. Coalition games for performance evaluation in 5G and beyond networks: A survey
CN104618934B (zh) 一种基于吞吐量预测的整体优化中继节点选择方法
CN107396372B (zh) 一种时域干扰协调下最大最小公平的分布式能效优化方法
Zheng et al. eICIC configuration of downlink and uplink decoupling with SWIPT in 5G dense IoT HetNets
Yassin Inter-cell interference coordination in wireless networks
Chen et al. A self-organizing resource allocation strategy based on Q-learning approach in ultra-dense networks
CN110012483A (zh) 一种联合不对称接入和无线携能通信的干扰协调方法
Wang et al. A novel resource allocation method in ultra-dense network based on noncooperation game theory
Li et al. Reinforcement learning power control algorithm based on graph signal processing for ultra-dense mobile networks
Li et al. Resource sharing for cellular-assisted D2D communications with imperfect CSI: a many-to-many strategy

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