CN110475295A - 一种超密集组网的信息传输速率控制方法及装置 - Google Patents

一种超密集组网的信息传输速率控制方法及装置 Download PDF

Info

Publication number
CN110475295A
CN110475295A CN201810441557.7A CN201810441557A CN110475295A CN 110475295 A CN110475295 A CN 110475295A CN 201810441557 A CN201810441557 A CN 201810441557A CN 110475295 A CN110475295 A CN 110475295A
Authority
CN
China
Prior art keywords
network
cost
rate
communication link
interference
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
CN201810441557.7A
Other languages
English (en)
Other versions
CN110475295B (zh
Inventor
匡晓烜
曾晨曦
曹宇琼
林瑞杰
马霁阳
侯海波
张丽静
马蓁蓁
吴寒冰
高立发
李朋
颜媚
黄云霞
郭琛
段虎才
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.)
China Academy of Information and Communications Technology CAICT
Original Assignee
China Academy of Information and Communications Technology CAICT
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 China Academy of Information and Communications Technology CAICT filed Critical China Academy of Information and Communications Technology CAICT
Priority to CN201810441557.7A priority Critical patent/CN110475295B/zh
Publication of CN110475295A publication Critical patent/CN110475295A/zh
Application granted granted Critical
Publication of CN110475295B publication Critical patent/CN110475295B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/18—Negotiating wireless communication parameters
    • H04W28/22—Negotiating communication rate
    • 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)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种超密集组网的信息传输速率控制方法及装置，方法包括：获取超密集组网网络中的网络参数；根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。本发明能够实现超密集组网的信息传输速率的动态控制与分配。

Description

一种超密集组网的信息传输速率控制方法及装置
技术领域
本发明涉及移动通信领域，尤其涉及一种超密集组网的信息传输速率控制方法及装置。
背景技术
在5G移动通信系统中，通过小型基站的超密集组网技术，可以提高移动数据吞吐量和带宽来满足快速增长的业务需求。在5G超密集组网网络中，一个关键问题就是如何针对海量数据吞吐量，实现在有限带宽条件下，高效的、动态的控制信息传输速率，以及网络流的实时控制，避免网络拥塞。
现有技术中，通常采用预先设置好的规则对传输速率进行控制，这种方法无法实现传输速率的动态控制。
发明内容
为了实现超密集组网的信息传输速率的动态控制与分配，本发明一实施例中，提供了一种超密集组网的信息传输速率控制方法，包括：
获取超密集组网网络中的网络参数；
根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
本发明另一实施例中，提供一种超密集组网的信息传输速率控制装置，包括：
获取模块，用于获取超密集组网网络中的网络参数；
速率控制分析模块，用于根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
动态干扰分析模块，用于根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
计算模块，用于由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
本发明再一实施例中，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
获取超密集组网网络中的网络参数；
根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
本发明又一实施例中，还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取超密集组网网络中的网络参数；
根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
本发明提供的超密集组网的信息速率控制方法及装置，基于随机微分博弈理论，在带宽资源受限的条件下，以网络成本最优为目标，结合基站之间干扰的动态变化分析，能够实现信息传输速率的动态控制与分配。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的超密集组网的信息传输速率控制方法的流程图；
图2为本发明实施例的构建速率控制目标函数的流程图；
图3为本发明实施例的构建整体网络干扰状态微分方程的流程图；
图4为本发明实施例的超密集组网的信息传输速率控制装置的结构图。
具体实施方式
为了使本发明的技术特点及效果更加明显，下面结合附图对本发明的技术方案做进一步说明，本发明也可有其他不同的具体实例来加以说明或实施，任何本领域技术人员在权利要求范围内做的等同变换均属于本发明的保护范畴。
在本说明书的描述中，参考术语“一实施例”、“一具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本发明的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
如图1所示，图1为本发明实施例的超密集组网的信息传输速率控制方法的流程图。本实施例可以计算小型基站与用户之间所组成的每个通信链路的最优信息传输速率，实现移动通信网络资源的有效和动态控制。具体的，超密集组网信息传输速率控制方法包括：
步骤100：获取超密集组网网络中的网络参数。详细的说，网络参数包括信息传输的信道参数以及小型基站之间信息传输的干扰参数。其中，信道参数包括：小型基站数量、终端用户数量、基站与用户之间的通信链路。干扰参数为基站之间信息传输的干扰成本参数。
步骤200：根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施。该速率控制目标函数对应于一通信链路。
步骤300：根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))。
步骤400：由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
本实施例中，速率控制目标函数受限于整体网络干扰状态微分方程组。基于随机微分博弈理论，能够实现信息传输速率的动态控制与分配。
本发明一实施例中，假设超密集组网网络中存在Μ＝{1,2,...,M}个小型基站(Small Cell Base Station，SBS)，及其对应服务的Ν＝{1,2,...,N}个终端用户，那么存在一个表示所有小型基站和其所对应的终端用户之间的通信链路集合L，该通信链路集合可以通过下述的矩阵进行表示，
具体实施时，可用lij(为了便于表示，可简记为l)表示第i个小型基站和第j个终端用户之间的通信链路，如果链路矩阵值lij＝0，则认为在小型基站i和终端用户j之间没有通信链路，也就是终端用户j没有被第i个小型基站所服务。如果链路矩阵值lij＝1，则认为在第i个小型基站和终端用户j之间存在通信链路，也就是说，终端用户j被第i个小型基站所服务。对应于每一条通信链路，都有其对应的信息传输速率。
对于超密集组网网络来说，每一个小型基站都会在克服干扰及噪声的影响条件下，努力为每一个终端用户提供更好的服务质量。如图2所示，图2为本发明实施例的构建速率控制目标函数的流程图，根据网络参数基于最优化网络成本的目标，构建速率控制目标函数的过程包括：
步骤210：根据网络参数计算终端用户接入小型基站所需支付的成本、网络接入所需付出的成本、通信链路对应的干扰成本、采取干扰控制措施所产生的网络成本。下面详细说明各成本的确定过程：
1)终端用户接入小型基站所需支付的成本(收益)。
对于终端用户来说，接入小型基站获得一定信息传输速率需要支付一定费用，该费用称为终端用户接入小型基站所需支付的成本，可用下面的公式表示：
其中，αl为速率服务支付参数，l为终端用户与小型基站之间的通信链路，Rl(t)为t时刻通信链路l所对应的通信传输速率，为传输速率门限值。
当信息传输速率Rl(t)为一非负值，且存在一个最小的传输速率门限使得当通信链路l存在时，信息传输速率不低于当信息传输速率低于门限时，用户不再需要支付相应的信息传输速率费用，此时信息传输速率费用所对应的参数Pl(t)小于0，即服务提供商需要向用户支付一定的费用，来降低其信息传输速率不达标所带来的影响。
2)网络接入所需付出的成本(支出)。
对于服务提供商，也就是小型基站来说，每提供一定的信息传输速率，还需要付出一定的成本代价。假设信息传输速率所对应的单位成本代价为cl，则网络接入所需付出的成本可表示为：
Ul(t)＝clRl(t) (3)
3)通信链路对应的干扰成本(支出)。
通信链路之间的干扰需要付出一定成本的代价，相对于整体网络干扰状态而言，通信链路l对应的干扰成本可表示为：
hlx(t) (4)
其中，hl为干扰成本参数。
4)采取干扰控制措施所产生的网络成本(支出)。
为了解决通信链路之间的干扰，会采取一些干扰措施，干扰控制措施的实施会产生一定成本代价，采取干扰控制措施所产生的网络成本可表示为：
elul(t)2 (5)
其中，el为单位网络成本参数。
步骤220：根据终端用户接入小型基站所需支付的成本、网络接入所需付出的成本、通信链路对应的干扰成本以及采取干扰控制措施所产生的网络成本构建成本控制目标函数。
详细的说，成本控制目标函数的表达式可表示为：
步骤230：最大化观测时间段T内成本控制目标函数，得到速率控制目标函数。
详细的说，在时间段[0,T]内，成本控制目标函数最大化信息传输收益的同时，降低网络成本，该过程描述速率控制目标函数，具体实施时，速率控制目标函数中还考虑T时刻整体网络干扰状态变化的预测，速率控制目标函数可通过如下公式表示：
其中，E0为统计平均函数，为终端用户接入小型基站所需支付的成本，αl为速率服务支付参数，为信息传输速率门限值。clRl(t)为网络接入所需付出的成本，cl为单位传输速率对应的成本。elul(t)2为通信链路l采取干扰控制措施产生的网络成本，el为单位网络成本参数。hlx(t)为通信链路l对应的干扰成本，hl为干扰成本参数。为T时刻整体网络干扰状态变化的预测，gl为T时刻的预测参数，为最大干扰阈值，x(T)为博弈结束时整体网络的干扰程度。r为折扣因子，来表示基站是否采取更多的措施来降低干扰对网络成本和信息传输的影响。折扣因子为经验值，一般范围为0.1-0.2，代表上一时刻的决策选择对下一时刻的决策选择的影响。
本发明一实施例中，由于基站数量激增带来的超密集组网效应，使得基站与基站之间存在跨基站干扰。此外，随着用户数量的改变，超密集组网网络中的链路会发生动态变化，相应的，信息传输所带来的互相干扰也会随着链路的动态变化而发生动态变化，如图3所示，上述步骤300根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程的过程包括：
步骤310：根据网络参数确定网络中所有通信链路传输信息时带来的干扰成本、网络中所有通信链路采取干扰控制措施时降低的干扰成本、采取干扰控制措施对整体网络的噪声影响以及终端用户接入小型基站的维纳过程。
详细的说，网络中所有通信链路传输信息时带来的干扰成本取决于网络中每条通信链路所提供的信息传输速率的大小，因此，可表示为：
其中，βl为通信链路l传输信息时带来的干扰成本参数，L是通信链路集合。
网络中所有通信链路采取干扰控制措施时降低的干扰成本取决于网络中每条通信链路的干扰控制措施ul(t)及整体网络干扰状态x(t)，因此，可表示为：
其中，πl为通信链路l采取干扰控制措施的效率。
引入干扰控制措施，相应的，也会对整个网络带来一定的噪声影响，具体实施时，通过噪声影响参数δ来表示采取干扰控制措施对整体网络的噪声影响，因此，可表示为
δx(t) (10)
其中，δ为噪声影响参数。
终端用户接入小型基站的维纳过程可表示为：
σx(t)dz(t) (11)
其中，σ为干扰衰减参数。
步骤320：根据网络中所有通信链路传输信息时带来的干扰成本、网络中所有通信链路采取干扰控制措施时降低的干扰成本、采取干扰控制措施对整体网络的噪声影响以及终端用户接入小型基站的维纳过程计算得到整体网络干扰状态微分方程。
其中，为网络中所有通信链路传输信息时带来的干扰成本，βl为通信链路l传输信息时带来的干扰成本参数，L是通信链路集合。为网络中所有通信链路采取干扰控制措施时降低的干扰成本，πl为通信链路l采取干扰控制措施的效率。δx(t)为采取干扰控制措施对整体网络的噪声影响，δ为噪声影响参数。σx(t)dz(t)为终端用户接入小型基站的维纳过程，σ为干扰衰减参数。
本发明一实施例中，利用贝尔曼微分方程求解微分博弈模型(7)(12)。详细的说，如果存在一个连续微分方程组V(t,x):[0,T]×R→R满足贝尔曼微分方程，则认为微分博弈模型来说，存在唯一的最优控制速率解可以表达为{Rl *(t)＝φl(t,x),ul *(t)＝μl(t,x)}，且该最优解也满足贝尔曼微分方程。
对于微分博弈模型(7)(12)来说，连续微分方程组Vl(t,x)是时间段T内的价值函数，可以表示为：
连续微分方程组Vl(t,x):[0,T]×R→R满足下述的贝尔曼微分方程(14)、(15)：
下面详细叙述利用贝尔曼微分方程(14)、(15)求解纳什均衡解的求解过程：
1)对贝尔曼微分方程(14)、(15)的x和R求一阶微分，可以得到最优信息传输速率的表达式：
其中，ql＝-βl/cl。
2)构造连续微分方程组Vl(t,x):[0,T]×R→R的最简表达式。具体的，最简表达式为：
Vl(t,x)＝[Al(t)x+Cl(t)]e-rt (18)
3)根据贝尔曼微分方程(14)、(15)求解连续微分方程组最简表达式中的参数Al(t)，Cl(t)。
具体的，对连续微分方程组(18)的变量t及x求偏导，可以得到，
Vt l(t,x)＝[Al'(t)x+Cl'(t)]e-rt-r[Al(t)x+Cl(t)]e-rt (19)
Vx l(t,x)＝Al(t)e-rt (20)
将公式(16)、(17)、(19)、(20)代入贝尔曼微分方程(14)、(15)，可以得到公式(21)、(22)。
比较公式(21)、(22)左右两边可以得到如下公式(23)、(24)、(25)、(26)。
Al(T)＝-gl (24)
根据公式(23)、(24)、(25)、(26)可以数值仿真得到参数Al(t)。
4)将公式(23)代入公式(17)中，可以得到最优信息传输速率的表达式为：
φl(t,x)＝fl+qlAl(t) (27)
其中，ql＝-βl/cl。
对于每一基站来说，将公式(23)代入公式(16)中，可得到采取干扰控制策略表达为：
基于同一发明构思，本发明实施例中还提供了一种超密集组网的信息传输速率控制装置，如下面的实施例所述。由于该装置解决问题的原理与超密集组网的信息传输速率控制方法相似，因此该装置的实施可以参见超密集组网的信息传输速率控制方法的实施，重复之处不再赘述。
如图4所示，超密集组网的信息传输速率控制装置包括：
获取模块410，用于获取超密集组网网络中的网络参数；
速率控制分析模块420，用于根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
动态干扰分析模块430，用于根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
计算模块440，用于由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
本发明一实施例中，速率控制分析模块420构建速率控制目标函数的过程包括：
根据网络参数计算终端用户接入小型基站所需支付的成本、网络接入所需付出的成本、通信链路对应的干扰成本、采取干扰控制措施所产生的网络成本；
根据终端用户接入小型基站所需支付的成本、网络接入所需付出的成本、通信链路对应的干扰成本以及采取干扰控制措施所产生的网络成本构建成本控制目标函数；
最大化观测时间段内成本控制目标函数得到速率控制目标函数。
详细的说，信息传输速率控制目标函数的表达式可表示为：
其中，为终端用户接入小型基站所需支付的成本，αl为速率服务支付参数，为信息传输速率门限值。clRl(t)为网络接入所需付出的成本，cl为单位传输速率对应的成本。elul(t)2为通信链路l采取干扰控制措施产生的网络成本，el为单位网络成本参数。hlx(t)为通信链路l对应的干扰成本，hl为干扰成本参数。为T时刻整体网络干扰状态变化的预测，gl为T时刻的预测参数，为最大干扰阈值，x(T)为博弈结束时整体网络的干扰程度。
本发明一实施例中，动态干扰分析模块430构建整体网络干扰状态微分方程的过程包括：
根据网络参数确定网络中所有通信链路传输信息时带来的干扰成本、网络中所有通信链路采取干扰控制措施时降低的干扰成本、采取干扰控制措施对整体网络的噪声影响以及终端用户接入小型基站的维纳过程；
根据网络中所有通信链路传输信息时带来的干扰成本、网络中所有通信链路采取干扰控制措施时降低的干扰成本、采取干扰控制措施对整体网络的噪声影响以及终端用户接入小型基站的维纳过程计算得到整体网络干扰状态微分方程。
详细的说，整体网络干扰状态微分方程的表达式可表示为：
其中，为网络中所有通信链路传输信息时带来的干扰成本，βl为通信链路l传输信息时带来的干扰成本参数，L是通信链路集合。为网络中所有通信链路采取干扰控制措施时降低的干扰成本，πl为通信链路l采取干扰控制措施的效率。δx(t)为采取干扰控制措施对整体网络的噪声影响，δ为噪声影响参数。σx(t)dz(t)为终端用户接入小型基站的维纳过程，σ为干扰衰减参数。
本发明一实施例中，还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
获取超密集组网网络中的网络参数；
根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
本发明一实施例中，还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取超密集组网网络中的网络参数；
根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
本发明提供的超密集组网的信息速率控制方法及装置，基于随机微分博弈理论，在带宽资源受限的条件下，以网络成本最优为目标，结合基站之间干扰的动态变化分析，能够实现信息传输速率的动态控制与分配。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅用于说明本发明的技术方案，任何本领域普通技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围应视权利要求范围为准。

Claims (10)

1.一种超密集组网的信息传输速率控制方法，其特征在于，包括：
获取超密集组网网络中的网络参数；
根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
2.如权利要求1所述的方法，其特征在于，所述网络参数包括：基站数量、终端用户数量、基站与终端用户之间的通信链路以及基站之间信息传输的干扰成本参数。
3.如权利要求1所述的方法，其特征在于，根据网络参数基于最优化网络成本的目标，构建速率控制目标函数的过程包括：
根据网络参数计算终端用户接入小型基站所需支付的成本、网络接入所需付出的成本、通信链路对应的干扰成本、采取干扰控制措施所产生的网络成本；
根据终端用户接入小型基站所需支付的成本、网络接入所需付出的成本、通信链路对应的干扰成本以及采取干扰控制措施所产生的网络成本构建成本控制目标函数；
最大化观测时间段内成本控制目标函数得到速率控制目标函数。
4.如权利要求3所述的方法，其特征在于，速率控制目标函数的表达式为：
其中，E0为统计平均函数，为终端用户接入小型基站所需支付的成本，αl为速率服务支付参数，为信息传输速率门限值；
clRl(t)为网络接入所需付出的成本，cl为单位传输速率对应的成本；
elul(t)2为通信链路l采取干扰控制措施产生的网络成本，el为单位网络成本参数；
hlx(t)为通信链路l对应的干扰成本，hl为干扰成本参数；
为T时刻整体网络干扰状态变化的预测，gl为T时刻的预测参数，为最大干扰阈值，x(T)为博弈结束时整体网络的干扰程度，r为折扣因子。
5.如权利要求4所述的方法，其特征在于，根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程的过程包括：
根据网络参数确定网络中所有通信链路传输信息时带来的干扰成本、网络中所有通信链路采取干扰控制措施时降低的干扰成本、采取干扰控制措施对整体网络的噪声影响以及终端用户接入小型基站的维纳过程；
根据网络中所有通信链路传输信息时带来的干扰成本、网络中所有通信链路采取干扰控制措施时降低的干扰成本、采取干扰控制措施对整体网络的噪声影响以及终端用户接入小型基站的维纳过程计算得到整体网络干扰状态微分方程。
6.如权利要求5所述的方法，其特征在于，所述整体网络干扰状态微分方程的表达式为：
其中，为网络中所有通信链路传输信息时带来的干扰成本，βl为通信链路l传输信息时带来的干扰成本参数，L是通信链路集合；
为网络中所有通信链路采取干扰控制措施时降低的干扰成本，πl为通信链路l采取干扰控制措施的效率；
δx(t)为采取干扰控制措施对整体网络的噪声影响，δ为噪声影响参数；
σx(t)dz(t)为终端用户接入小型基站的维纳过程，σ为干扰衰减参数。
7.如权利要求6所述的方法，其特征在于，通信链路的最优信息传输速率的表达式为：
φl(t,x)＝fl+qlAl(t)，
其中，ql＝-βl/cl，Al(t)满足如下公式：
8.一种超密集组网的信息传输速率控制装置，其特征在于，包括：
获取模块，用于获取超密集组网网络中的网络参数；
速率控制分析模块，用于根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
动态干扰分析模块，用于根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
计算模块，用于由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下步骤：
获取超密集组网网络中的网络参数；
根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取超密集组网网络中的网络参数；
根据网络参数基于最优化网络成本的目标，构建速率控制目标函数其中，x(t)为t时刻整体网络干扰状态，Rl(t)为t时刻通信链路l的信息传输速率，ul(t)为t时刻通信链路l的干扰控制措施；
根据网络参数基于基站之间干扰的动态变化，构建整体网络干扰状态微分方程dx(t)＝f(x(t),Rl(t),ul(t))；
由速率控制目标函数以及整体网络干扰状态微分方程构成微分博弈模型，求解微分博弈模型得到纳什均衡解，将该纳什均衡解作为通信链路的最优信息传输速率。
CN201810441557.7A 2018-05-10 2018-05-10 一种超密集组网的信息传输速率控制方法及装置 Active CN110475295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810441557.7A CN110475295B (zh) 2018-05-10 2018-05-10 一种超密集组网的信息传输速率控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810441557.7A CN110475295B (zh) 2018-05-10 2018-05-10 一种超密集组网的信息传输速率控制方法及装置

Publications (2)

Publication Number Publication Date
CN110475295A true CN110475295A (zh) 2019-11-19
CN110475295B CN110475295B (zh) 2023-12-01

Family

ID=68503864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810441557.7A Active CN110475295B (zh) 2018-05-10 2018-05-10 一种超密集组网的信息传输速率控制方法及装置

Country Status (1)

Country Link
CN (1) CN110475295B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111277511A (zh) * 2020-01-19 2020-06-12 深圳壹账通智能科技有限公司 传输速率控制方法、装置、计算机系统及可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140071957A1 (en) * 2012-09-12 2014-03-13 Qualcomm Incorporated Coverage enhancement techniques for machine type communication devices in a wireless network
US20140198768A1 (en) * 2013-01-16 2014-07-17 Lg Electronics Inc. Method and apparatus for switching connection in wireless communication system
CN105636057A (zh) * 2016-01-04 2016-06-01 南京邮电大学 超密集网络中一种基于非协作博弈的资源分配方法
CN106455032A (zh) * 2016-09-14 2017-02-22 西安电子科技大学 一种超密集网络中面向主干扰源的分布式功率控制方法
CN107094060A (zh) * 2017-04-24 2017-08-25 东南大学 基于非合作博弈的分布式超密集异构网络干扰协调方法
CN107466099A (zh) * 2017-07-31 2017-12-12 北京邮电大学 一种基于非正交多址接入的干扰管理自优化方法
CN107819840A (zh) * 2017-10-31 2018-03-20 北京邮电大学 超密集网络架构中分布式移动边缘计算卸载方法
CN107911856A (zh) * 2017-12-12 2018-04-13 南京航空航天大学 一种超密集异构网络中基于匹配博弈的分离多接入方法
CN107949025A (zh) * 2017-11-02 2018-04-20 南京南瑞集团公司 一种基于非合作博弈的网络选择方法
CN107949007A (zh) * 2017-04-27 2018-04-20 南京理工大学 无线缓存系统中基于拍卖理论的一种资源分配算法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140071957A1 (en) * 2012-09-12 2014-03-13 Qualcomm Incorporated Coverage enhancement techniques for machine type communication devices in a wireless network
US20140198768A1 (en) * 2013-01-16 2014-07-17 Lg Electronics Inc. Method and apparatus for switching connection in wireless communication system
CN105636057A (zh) * 2016-01-04 2016-06-01 南京邮电大学 超密集网络中一种基于非协作博弈的资源分配方法
CN106455032A (zh) * 2016-09-14 2017-02-22 西安电子科技大学 一种超密集网络中面向主干扰源的分布式功率控制方法
CN107094060A (zh) * 2017-04-24 2017-08-25 东南大学 基于非合作博弈的分布式超密集异构网络干扰协调方法
CN107949007A (zh) * 2017-04-27 2018-04-20 南京理工大学 无线缓存系统中基于拍卖理论的一种资源分配算法
CN107466099A (zh) * 2017-07-31 2017-12-12 北京邮电大学 一种基于非正交多址接入的干扰管理自优化方法
CN107819840A (zh) * 2017-10-31 2018-03-20 北京邮电大学 超密集网络架构中分布式移动边缘计算卸载方法
CN107949025A (zh) * 2017-11-02 2018-04-20 南京南瑞集团公司 一种基于非合作博弈的网络选择方法
CN107911856A (zh) * 2017-12-12 2018-04-13 南京航空航天大学 一种超密集异构网络中基于匹配博弈的分离多接入方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIA XIAO: "Joint interference management in ultra-dense small cell networks: A multi-dimensional coordinationJoint interference management in ultra-dense small cell networks: A multi-dimensional coordination", 《2016 8TH INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS & SIGNAL PROCESSING (WCSP)》 *
闫实: "云无线接入网络资源管理技术及其性能研究", 《中国优秀硕士学位论文全文数据库》 *
阚栋栋;: "UDN中基于功率控制的干扰协调技术分析", 广东通信技术, no. 02 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111277511A (zh) * 2020-01-19 2020-06-12 深圳壹账通智能科技有限公司 传输速率控制方法、装置、计算机系统及可读存储介质
CN111277511B (zh) * 2020-01-19 2022-03-01 深圳壹账通智能科技有限公司 传输速率控制方法、装置、计算机系统及可读存储介质

Also Published As

Publication number Publication date
CN110475295B (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN104111800B (zh) 一种虚拟磁盘的io口调度方法及其调度装置
CN105637925B (zh) 具有细化策略管理的动态频率和功率资源分配
CN110442457A (zh) 基于联邦学习的模型训练方法、装置及服务器
CN107231264A (zh) 用于管理云服务器的容量的方法和装置
CN106056529B (zh) 一种对用于图片识别的卷积神经网络训练的方法与设备
CN102075352B (zh) 一种网络用户行为预测的方法和装置
CN106301984B (zh) 一种移动通信网络容量预测方法和装置
CN106951926A (zh) 一种混合架构的深度学习系统方法及装置
CN106875027A (zh) 资源请求值的预测方法及装置、交易量的预测方法
CN106959894A (zh) 资源分配方法和装置
CN110772797B (zh) 一种数据处理方法、装置、服务器及可存储介质
CN109905888A (zh) 移动边缘计算中联合优化迁移决策和资源分配方法
CN113268341A (zh) 电网边缘计算任务的分配方法、装置、设备和存储介质
CN110058936A (zh) 用于确定专用处理资源的资源量的方法、设备和计算机程序产品
CN106454958A (zh) 一种网络资源分配方法及装置
CN108880709B (zh) 一种认知无线网络中分布式多用户动态频谱接入方法
CN115310360A (zh) 基于联邦学习的数字孪生辅助工业物联网可靠性优化方法
CN114337739B (zh) 跳波束资源调度方法
CN103713852B (zh) 一种信息处理方法、服务平台及电子设备
CN110475295A (zh) 一种超密集组网的信息传输速率控制方法及装置
CN107872405A (zh) 分布式带宽分配和调节
CN105005501B (zh) 一种面向云数据中心的二阶任务优化调度方法
CN109710410A (zh) 一种互联网信息资源分配方法及装置
CN107579852A (zh) 云服务器中基于历史模型的虚拟网络性能隔离系统和方法
CN113965837B (zh) 光网络动态频谱分区方法、装置、存储介质和计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB03 Change of inventor or designer information

Inventor after: Lin Ruijie

Inventor after: Kuang Xiaohui

Inventor after: Hou Haibo

Inventor after: Cao Yuqiong

Inventor after: Gao Lifa

Inventor after: Guo Chen

Inventor after: Yan Mei

Inventor after: Ma Qinqin

Inventor after: Huang Yunxia

Inventor after: Duan Hucai

Inventor after: Wu Hanbing

Inventor after: Li Peng

Inventor after: Zeng Chenxi

Inventor after: Ma Jiyang

Inventor after: Zhang Lijing

Inventor before: Kuang Xiaohui

Inventor before: Gao Lifa

Inventor before: Li Peng

Inventor before: Yan Mei

Inventor before: Huang Yunxia

Inventor before: Guo Chen

Inventor before: Duan Hucai

Inventor before: Zeng Chenxi

Inventor before: Cao Yuqiong

Inventor before: Lin Ruijie

Inventor before: Ma Jiyang

Inventor before: Hou Haibo

Inventor before: Zhang Lijing

Inventor before: Ma Qinqin

Inventor before: Wu Hanbing

CB03 Change of inventor or designer information
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant