CN111225363B - 基于非完美csi分布式d2d系统功率分配方法和装置 - Google Patents

基于非完美csi分布式d2d系统功率分配方法和装置 Download PDF

Info

Publication number
CN111225363B
CN111225363B CN202010062455.1A CN202010062455A CN111225363B CN 111225363 B CN111225363 B CN 111225363B CN 202010062455 A CN202010062455 A CN 202010062455A CN 111225363 B CN111225363 B CN 111225363B
Authority
CN
China
Prior art keywords
model
channel
constructing
distributed
solving
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
Application number
CN202010062455.1A
Other languages
English (en)
Other versions
CN111225363A (zh
Inventor
秦永生
曾芳艳
何春龙
李久常
唐能
滕伟
冯永奎
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.)
Shenzhen Yizheng Technology Co ltd
Original Assignee
Shenzhen Yizheng Technology Co ltd
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 Shenzhen Yizheng Technology Co ltd filed Critical Shenzhen Yizheng Technology Co ltd
Priority to CN202010062455.1A priority Critical patent/CN111225363B/zh
Publication of CN111225363A publication Critical patent/CN111225363A/zh
Application granted granted Critical
Publication of CN111225363B publication Critical patent/CN111225363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • 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
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • 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
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种基于非完美CSI分布式D2D系统功率分配方法和装置，所述基于非完美CSI分布式D2D系统功率分配方法，包括：构建非完美信道模型；构建基于非完美信道模型的问题模型；求解优化问题模型，以获得系统中各D2D用户的功率值。本发明所述的分布式D2D系统鲁棒功率分配方法相比于现有的非鲁棒功率分配方法可以显著提高D2D用户的能量效率，能够有效提高分布式D2D系统的鲁棒性能，同时保证蜂窝用户的通信质量。

Description

基于非完美CSI分布式D2D系统功率分配方法和装置
技术领域
本发明涉及无线通信技术领域，具体涉及一种基于非完美CSI分布式D2D系统功率分配方法和装置。
背景技术
在分布式D2D(Device-to-Device，终端直通)系统中，D2D通信采用underlay模式时，必须使得CUE(Cell User Equipment，蜂窝用户设备)满足服务质量(QoS，QualityofService)要求。当D2D用户(DUE，D2D User Equipment)试图增加它们的传输功率以获得更高的传输速率或吞吐量时，会增加对CUE的干扰。现有的大部分研究只考虑在已知的信道状态信息(CSI，Channel State Information)情况下实现资源分配算法设计，忽略了信道不确定性、时延以及干扰不确定性的影响，这可能会使得D2D通信对蜂窝通信的干扰大于预设定的干扰阈值，导致系统中CUE的通信质量无法得到有效的保障，从而发生通信中断。所以分布式D2D系统中，考虑信道参数的不确定性，设计一种具有鲁棒性能的功率分配算法是很有必要的。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种基于非完美CSI分布式D2D系统功率分配方法和装置。
为实现以上目的，本发明采用如下技术方案：一种基于非完美CSI分布式D2D系统功率分配方法，包括：
构建非完美信道模型；
构建基于非完美信道模型的问题模型；
求解优化问题模型，以获得系统中各D2D用户的功率值。
可选的，所述构建非完美信道模型，具体包括：
获取信道增益估计值和信道估计误差；
根据所述信道增益估计值和所述信道估计误差，计算信道增益值；
根据所述信道增益值，构建出非完美信道模型。
可选的，所述获取信道增益估计值和信道估计误差，具体包括：
根据复合衰落信道获得信道增益估计值；
根据椭球域模型构建信道估计误差模型。
可选的，所述根据所述信道增益估计值和所述信道估计误差，计算信道增益值，具体包括：
所述信道增益值为所述信道增益估计值和所述信道估计误差之间的距离。
可选的，所述构建基于非完美信道模型的问题模型，具体包括：
根据能量效率模型构建基于非完美信道模型的问题模型。
可选的，所述求解优化问题模型，包括：
采用基于保护方法的鲁棒能量效率最大化算法，或，基于约束更新的迭代算法求解优化所述问题模型。
可选的，所述采用基于保护方法的鲁棒能量效率最大化算法求解优化问题模型，具体包括：
利用对偶范数的性质或马尔可夫不等式处理半无限约束条件；
利用柯西-施瓦茨不等式处理目标函数，从而将优化问题转化为确定性问题；
利用分式规划理论和D.C.算法对所述确定性问题进行求解，以获取D2D系统中各用户的功率值。
可选的，所述采用基于约束更新的迭代算法求解优化所述问题模型，具体包括：
采用基于总功率约束更新，或，平均干扰约束更新的迭代算法求解优化问题模型。
本发明还提供了一种基于非完美CSI分布式D2D系统功率分配装置，包括：
信道模型构建模块，用于构建非完美信道模型；
问题模型构建模块，用于构建基于非完美信道模型的问题模型；
计算模块，用于求解优化问题模型，以获得系统中各D2D用户的功率值。
本发明还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务端的处理器执行时，使得服务端能够执行一种基于非完美CSI的分布式D2D系统功率分配方法，所述方法包括：
构建非完美信道模型；
构建基于非完美信道模型的问题模型；
求解优化问题模型，以获得系统中各D2D用户的功率值。
本发明采用以上技术方案，所述基于非完美CSI分布式D2D系统功率分配方法，包括：构建非完美信道模型；构建基于非完美信道模型的问题模型；求解优化问题模型，以获得系统中各D2D用户的功率值。本发明所述的分布式D2D系统鲁棒功率分配方法相比于现有的非鲁棒功率分配方法可以显著提高D2D用户的能量效率，能够有效提高分布式D2D系统的鲁棒性能，同时保证蜂窝用户的通信质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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是分布式D2D系统模型示意图；
图2是本发明一种基于非完美CSI分布式D2D系统功率分配方法实施例提供的流程示意图；
图3是在EE-HPM中，信道不确定度对本发明所述的鲁棒分配方法和现有的非鲁棒分配方法的影响效果图；
图4是本发明一种基于非完美CSI分布式D2D系统功率分配装置实施例提供的结构示意图。
图中：1、信道模型构建模块；2、问题模型构建模块；3、计算模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
图1是分布式D2D系统模型示意图。
如图1所示，考虑一个基于半径为R圆形小区的分布式D2D系统，系统中有N个远程接入单元(RAU，Remote Access Unit)，这些RAU均匀分布在小区内，并通过专用链路连接到中央处理器(CPU)；在这个系统中，有M个D2D对(即两个D2D用户，D2D-T和D2D-R分别代表D2D对的发射端和接收端)和1个CUE共享相同的信道资源，CUE跟D2D用户在小区内随机分布。由于体积和尺寸的限制，每个RAU、D2D用户和CUE配置单根天线。
M对D2D用户采用underlay模式与CUE共享下行频谱资源，只要D2D-T对CUE的干扰小于预先设定的门限值，D2D就能和CUE同时进行传输，也就是说，D2D通信对正常的蜂窝通信不能进行过多的干扰。因为并行传输，所以D2D对与CUE之间会相互干扰，而且D2D对之间也会存在干扰。即存在以下几种干扰：(1)分布式天线系统的发射信号对D2D-R产生的干扰，信道增益向量用gR表示；(2)D2D-T的发射信号对CUE产生的干扰，信道增益向量用gM表示；(3)其他D2D-T的发射信号对D2D-R产生的干扰，信道增益向量用gD表示。
其中， 表示第n个RAU和第m个D2D-R之间的干扰信道增益， 表示第i个D2D-T对第j个D2D-R之间的干扰信道增益，/> 表示第i个D2D-T对CUE的干扰信道增益。
图2是本发明一种基于非完美CSI分布式D2D系统功率分配方法实施例提供的流程示意图。
如图2所示，本实施例所述的基于非完美CSI分布式D2D系统功率分配方法，包括：
S21：构建非完美信道模型；
进一步的，所述构建非完美信道模型，具体包括：
获取信道增益估计值和信道估计误差；
根据所述信道增益估计值和所述信道估计误差，计算信道增益值；
根据所述信道增益值，构建出非完美信道模型。
进一步的，所述获取信道增益估计值和信道估计误差，具体包括：
根据复合衰落信道获得信道增益估计值；
根据椭球域模型构建信道估计误差模型。
进一步的，所述根据所述信道增益估计值和所述信道估计误差，计算信道增益值，具体包括：
所述信道增益值为所述信道增益估计值和所述信道估计误差之间的距离。
步骤S21在实际操作中，由于实际系统中多种因素的影响，实际信道参数是存在不确定性的或者非完美的，将信道增益值定义为信道增益估计值(确定的)与信道估计误差(不确定的)之间的距离，可表示为
其中，为信道增益估计值，Vg为信道估计误差。我们考虑的是具有小尺度衰落和大尺度衰落的复合衰落信道，信道增益估计值可表示为
其中，s表示小尺度衰落，是一个独立同分布的零均值单位的循环对称复高斯随机变量。l表示大尺度衰落，与s相互独立，数学公式表示为
其中，路径损耗指数α数值通常在3.0和5.0之间变化，c是常数由参考距离决定，v表示阴影衰落的对数正态随机变量，即10log10v是均值为σ2的高斯随机变量。
为了处理这些不确定性，将使用鲁棒优化方法引入仿射约束凸优化。我们采用一个常见的非完美CSI模型，假设每个接收机估计的CSI具有未知分布的有界不确定性，椭球体经常用于近似未知和潜在复杂的不确定性集，具有对复杂数据集进行参数化建模的优点，为方法提供了方便的输入参数。我们认为，在每一个干扰链路，CSI的估计误差都是在椭球面近似下确定建模的
||Vg||≤δ (4)
其中，||·||F表示广义范数，如现有的几种模型中的L1范数和L2范数等，δ为不确定区域的误差界，δ的值越大代表着不确定性的区域越大，不确定性也就越大。
如上式所示，考虑信道参数不确定性的影响，于是将第i个D2D-T对第j个D2D-R之间的干扰信道增益的误差区域Gd描述为
相似地，第n个RAU和第m个D2D-R之间的干扰信道增益的估计误差区域GR和第i个D2D-T对CUE的干扰信道增益/>的估计误差区域GM可表示为
其中，εd、εR和εM分别是不确定区域Gd、GR和GM的误差界。
S22：构建基于非完美信道模型的问题模型；
进一步的，所述构建基于非完美信道模型的问题模型，具体包括：
根据能量效率模型构建基于非完美信道模型的问题模型。
S23：求解优化问题模型，以获得系统中各D2D用户的功率值。
进一步的，所述求解优化问题模型，包括：
采用基于保护方法的鲁棒能量效率最大化算法，或，基于约束更新的迭代算法求解优化所述问题模型。
在实际应用中往往很难获得准确的信道增益，因此需要考虑CSI的不确定性。我们将使用鲁棒优化理论来处理分布式天线系统D2D中CSI的不确定性。该理论的基本思想是在优化参数受到扰动时，求出仍满足约束且接近最优的解。为了保证系统的可靠性和鲁棒性，对于具有式(5)-(7)特征的的有界CSI不确定，所有落在不确定区域内的信道增益都需要满足约束条件。因此，根据最坏情况下的鲁棒优化理论，可将分布式D2D系统中具有鲁棒性的最大化DUE的能量效率(EE，EnergyEfficient)优化问题可表示为
s.t.C1：
C2：
C3：gR∈GR
C4：gD∈GD
其中，式(8)为目标函数，s.t.后面的限定条件为约束条件；表示D2D用户的功率分配向量，pi,i表示第i对D2D-T的发射功率，pn,0表示第n个RAU对CUE的发射功率，/>表示干扰噪声，Ith表示CUE能够忍受的干扰阈值。功耗P(p)为
Pt表示系统总的发射功率，Pdyn表示动态消耗的功率，它是每个射频天线数模转换器、模数转换器、频率合成器和滤波器等消耗的功率和，Psta表示静态消耗的功率，它是一个与基带处理、电池单元等相关的常量，Po表示连接光纤传输消耗的功率。约束条件C1表示考虑gM的不确定性时，CUE传输的QoS对D2D通信发送功率的限制，约束条件C2表示DUE的最大发送功率限制，约束条件C3和C4分别表示考虑了参数gR和gD的不确定性，对解的鲁棒性要求。
由于优化问题模型P1是具有半无限约束的非凸非线性问题。为了解决这一问题，可以采用非完美CSI下基于硬保护或软保护方法的鲁棒EE最大化算法，或者，采用基于总功率约束更新或平均干扰约束更新的迭代算法进行求解。
具体的，基于硬保护或软保护方法的鲁棒EE最大化算法的处理步骤包括：
利用对偶范数的性质或马尔可夫不等式处理半无限约束条件；
利用柯西-施瓦茨不等式处理目标函数，从而将优化问题转化为确定性问题；
利用分式规划理论和D.C.算法对所述确定性问题进行求解，以获取D2D系统中各用户的功率值。
进一步的，还可以采用基于总功率约束更新或平均干扰约束更新的迭代算法求解优化所述问题模型，具体包括：
将问题模型P1进行优化问题重构得到新优化问题P2(或P3)，因为这个新问题同样也是非凸非线性的，所以利用分式规划理论和D.C.算法来求解。P2或P3的表达式如下所示：
P2：maxηEE(p) (10)
s.t.C1'：
C2：
和
P3：maxηEE(p) (11)
s.t.C1”：
C2：
其中，表示第i个D2D-T对CUE的干扰信道增益的期望。
基于总功率约束更新和平均干扰约束更新的两种迭代算法的具体步骤如下所示：
其中，t为迭代步数， 是D2D对的平均最大传输功率，λ(t)∈[0,1]是缩放参数，/>δ是一个任意大的正数，p*就是前文所述的D2D用户的功率分配向量/>Q为在求得的p*情况下的中断概率，ξ为预先设定的中断概率值。
通过以上处理过程，能够求解出D2D系统中用户的功率分配向量
通过仿真验证了所提出的鲁棒资源分配方案的性能，我们的性能指标是DUE(D2D用户)的总能量效率。考虑一个小区是半径为500m的圆，RAUs均匀分布在小区中心，CUE和D2D对在小区内随机分布。非鲁棒方案意味着不考虑信道参数的不确定性，也就是说，这些系统中的信道增益参数的估计被认为是准确的，然后进行后续操作。
如图3所示，研究了利用本发明所述的鲁棒功率分配算法和现有的非鲁棒功率分配算法的操作处理后，信道不确定度与总能量效率(EE)的关系。其中，鲁棒功率分配算法采用的是硬保护方法(EE-HPM)的鲁棒EE最大化算法。从图3中可以看出，在EE-HPM中，随着信道不确定度增加，鲁棒功率分配算法和现有的非鲁棒功率分配算法的EE性能差距也就越大，采用本发明所述的鲁棒功率分配算法比现有的非鲁棒功率分配算法性能更好，即通过本发明所述的分配方法提高了D2D系统的鲁棒性能。其他三种算法也能得出同样的现象和结论。
图3中，x、y坐标εR、εM分别表示GR和GΜ的信道不确定度，z坐标表示总能量效率EE，其中，
仿真结果表明，根据最坏情况下的鲁棒优化理论，采用本发明所述的分配方法相比于现有的非鲁棒功率分配方法可以显著提高D2D用户的能量效率，也就是说能有效地提高分布式D2D系统的鲁棒性能，同时也保证了对蜂窝用户的保护。
图4是本发明一种基于非完美CSI分布式D2D系统功率分配装置实施例提供的结构示意图。
如图4所示，本实施例所述的基于非完美CSI的分布式D2D系统功率分配装置，包括：
信道模型构建模块1，用于构建非完美信道模型；
问题模型构建模块2，用于构建基于非完美信道模型的问题模型；
计算模块3，用于求解优化问题模型，以获得系统中各D2D用户的功率值。
本实施例所述的基于非完美CSI的分布式D2D系统功率分配装置的工作原理与上文所述基于非完美CSI的分布式D2D系统功率分配方法的工作原理相同，在此不再赘述。
本实施例所述的功率分配装置通过所述信道模型构建模块1完成非完美信道模型的构建，再通过所述问题模型构建模块2构建出基于非完美信道模型的问题模型，最后通过所述计算模块3求解优化问题模型。本实施例所述的功率分配装置能够实现对D2D系统中各用户的功率分配，该分配装置能够有效地提高能量效率，从而有效提高分布式D2D系统的鲁棒性能。
此外，本发明还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务端的处理器执行时，使得服务端能够执行一种基于非完美CSI的分布式D2D系统功率分配方法，所述方法包括：
构建非完美信道模型；
构建基于非完美信道模型的问题模型；
求解优化问题模型，以获得系统中各D2D用户的功率值。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”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。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种基于非完美CSI分布式D2D系统功率分配方法，其特征在于，包括：
构建非完美信道模型；
构建基于非完美信道模型的问题模型；
求解优化问题模型，以获得系统中各D2D用户的功率值；
所述求解优化问题模型，包括：
采用基于保护方法的鲁棒能量效率最大化算法；
所述采用基于保护方法的鲁棒能量效率最大化算法求解优化所述问题模型，具体包括：
利用对偶范数的性质或马尔可夫不等式处理半无限约束条件；
利用柯西-施瓦茨不等式处理目标函数，从而将优化问题转化为确定性问题；
利用分式规划理论和D.C.算法对所述确定性问题进行求解，以获取系统中各D2D用户的功率值。
2.根据权利要求1所述的分布式D2D系统功率分配方法，其特征在于，所述构建非完美信道模型，具体包括：
获取信道增益估计值和信道估计误差；
根据所述信道增益估计值和所述信道估计误差，计算信道增益值；
根据所述信道增益值，构建出非完美信道模型。
3.根据权利要求2所述的分布式D2D系统功率分配方法，其特征在于，所述获取信道增益估计值和信道估计误差，具体包括：
根据复合衰落信道获得信道增益估计值；
根据椭球域模型构建信道估计误差模型。
4.根据权利要求2所述的分布式D2D系统功率分配方法，其特征在于，所述根据所述信道增益估计值和所述信道估计误差，计算信道增益值，具体包括：
所述信道增益值为所述信道增益估计值和所述信道估计误差之间的距离。
5.根据权利要求1所述的分布式D2D系统功率分配方法，其特征在于，所述构建基于非完美信道模型的问题模型，具体包括：
根据能量效率模型构建基于非完美信道模型的问题模型。
6.一种基于非完美CSI分布式D2D系统功率分配装置，其特征在于，包括：
信道模型构建模块，用于构建非完美信道模型；
问题模型构建模块，用于构建基于非完美信道模型的问题模型；
计算模块，用于求解优化问题模型，以获得系统中各D2D用户的功率值；
所述求解优化问题模型，包括：
采用基于保护方法的鲁棒能量效率最大化算法；
所述采用基于保护方法的鲁棒能量效率最大化算法求解优化所述问题模型，具体包括：
利用对偶范数的性质或马尔可夫不等式处理半无限约束条件；
利用柯西-施瓦茨不等式处理目标函数，从而将优化问题转化为确定性问题；
利用分式规划理论和D.C.算法对所述确定性问题进行求解，以获取系统中各D2D用户的功率值。
7.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由服务端的处理器执行时，使得服务端能够执行一种基于非完美CSI的分布式D2D系统功率分配方法，所述方法包括：
构建非完美信道模型；
构建基于非完美信道模型的问题模型；
求解优化问题模型，以获得系统中各D2D用户的功率值；
所述求解优化问题模型，包括：
采用基于保护方法的鲁棒能量效率最大化算法；
所述采用基于保护方法的鲁棒能量效率最大化算法求解优化所述问题模型，具体包括：
利用对偶范数的性质或马尔可夫不等式处理半无限约束条件；
利用柯西-施瓦茨不等式处理目标函数，从而将优化问题转化为确定性问题；
利用分式规划理论和D.C.算法对所述确定性问题进行求解，以获取系统中各D2D用户的功率值。
CN202010062455.1A 2020-01-20 2020-01-20 基于非完美csi分布式d2d系统功率分配方法和装置 Active CN111225363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010062455.1A CN111225363B (zh) 2020-01-20 2020-01-20 基于非完美csi分布式d2d系统功率分配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010062455.1A CN111225363B (zh) 2020-01-20 2020-01-20 基于非完美csi分布式d2d系统功率分配方法和装置

Publications (2)

Publication Number Publication Date
CN111225363A CN111225363A (zh) 2020-06-02
CN111225363B true CN111225363B (zh) 2024-01-05

Family

ID=70832412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010062455.1A Active CN111225363B (zh) 2020-01-20 2020-01-20 基于非完美csi分布式d2d系统功率分配方法和装置

Country Status (1)

Country Link
CN (1) CN111225363B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115175147B (zh) * 2022-07-28 2024-03-22 重庆邮电大学 一种无人机辅助d2d通信网络鲁棒能效优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105592408A (zh) * 2016-03-04 2016-05-18 山东大学 不完全信道信息的蜂窝网络下d2d通信系统资源的分配方法
EP3079380A1 (en) * 2015-04-08 2016-10-12 Gemalto M2M GmbH Method for transfer of information in a wireless cellular network employing lc-mtc devices
CN108282788A (zh) * 2018-01-19 2018-07-13 南京航空航天大学 一种基于拟牛顿内点法的能量有效的资源分配方法
CN110049473A (zh) * 2019-04-18 2019-07-23 电子科技大学 中继增强d2d通信的联合无线信道分配和功率控制方法
CN110213826A (zh) * 2019-05-21 2019-09-06 重庆邮电大学 一种非理想信道下异构携能通信网络鲁棒资源分配方法
CN110602730A (zh) * 2019-09-19 2019-12-20 重庆邮电大学 基于无线携能的noma异构网络的资源分配方法
CN110708711A (zh) * 2019-10-10 2020-01-17 重庆邮电大学 基于非正交多址接入的异构携能通信网络资源分配方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3079380A1 (en) * 2015-04-08 2016-10-12 Gemalto M2M GmbH Method for transfer of information in a wireless cellular network employing lc-mtc devices
CN105592408A (zh) * 2016-03-04 2016-05-18 山东大学 不完全信道信息的蜂窝网络下d2d通信系统资源的分配方法
CN108282788A (zh) * 2018-01-19 2018-07-13 南京航空航天大学 一种基于拟牛顿内点法的能量有效的资源分配方法
CN110049473A (zh) * 2019-04-18 2019-07-23 电子科技大学 中继增强d2d通信的联合无线信道分配和功率控制方法
CN110213826A (zh) * 2019-05-21 2019-09-06 重庆邮电大学 一种非理想信道下异构携能通信网络鲁棒资源分配方法
CN110602730A (zh) * 2019-09-19 2019-12-20 重庆邮电大学 基于无线携能的noma异构网络的资源分配方法
CN110708711A (zh) * 2019-10-10 2020-01-17 重庆邮电大学 基于非正交多址接入的异构携能通信网络资源分配方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Power Control for D2D Underlay Cellular Networks With Channel Uncertainty;Amen Memmi Institut National de la Recherche Scientifique, Quebec City, QC, Canada;《 IEEE Transactions on Wireless Communications 》;第第16卷卷(第第2期期);全文 *
基于不完美CSI的异构NOMA网络能效优化算法;徐勇军;谢豪;陈前斌;林金朝;刘期烈;;通信学报(07);全文 *
面向5G协作通信系统的资源分配技术综述;徐勇军;《重庆邮电大学学报(自然科学版)》;第第31卷卷(第第2期期);全文 *

Also Published As

Publication number Publication date
CN111225363A (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
CN110417496B (zh) 一种基于能效的认知noma网络顽健资源分配方法
CN109640320B (zh) 一种基于混合noma的移动边缘计算系统计算任务的安全卸载方法
Zhou et al. Offloading optimization for low-latency secure mobile edge computing systems
Dai et al. Energy‐efficient resource allocation for device‐to‐device communication with WPT
So et al. Distributionally robust slow adaptive OFDMA with soft QoS via linear programming
Kumar et al. On the tradeoff between energy harvesting and caching in wireless networks
Hong et al. Equilibrium pricing of interference in cognitive radio networks
Tran et al. Dynamic radio cooperation for downlink cloud-RANs with computing resource sharing
CN107172701A (zh) 一种非正交多址接入系统的功率分配方法
WO2017071540A1 (zh) 非正交多址接入中信号检测方法及装置
Jiang et al. Q-learning based task offloading and resource allocation scheme for internet of vehicles
Atapattu et al. Latency minimization with optimum workload distribution and power control for fog computing
CN110191476B (zh) 一种基于可重构天线阵列的非正交多址接入方法
CN111225363B (zh) 基于非完美csi分布式d2d系统功率分配方法和装置
Wang et al. Joint Spectrum and Power Allocation for V2X Communications with Imperfect CSI
CN105979590A (zh) 认知无线电系统中基于有效容量的用户调度与功率分配方法
Feng et al. Energy-efficient resource allocation in fog computing supported IoT with min-max fairness guarantees
Wang et al. Performance analysis of clustered device-to-device networks using matern cluster process
CN109561129B (zh) 一种基于光纤-无线网络的协同计算卸载方法
JP6563474B2 (ja) 無線通信システムにおける装置及び方法
Chun et al. Analysis of heterogeneous cellular networks interference with biased cell association using Poisson cluster processes
Kamel et al. Average downlink rate in Ultra-Dense Networks
Li et al. Power allocation in cognitive radio networks over Rayleigh-fading channels with hybrid intelligent algorithms
Tan et al. Performance Analysis of Intelligent Reflecting Surface Assisted Wireless Communication System.
Sun et al. A Distributed approach in uplink device-to-device enabled cloud radio access networks

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