CN111432462B - 一种基于博弈论的认知异构蜂窝网络功率控制方法 - Google Patents
一种基于博弈论的认知异构蜂窝网络功率控制方法 Download PDFInfo
- Publication number
- CN111432462B CN111432462B CN202010195258.7A CN202010195258A CN111432462B CN 111432462 B CN111432462 B CN 111432462B CN 202010195258 A CN202010195258 A CN 202010195258A CN 111432462 B CN111432462 B CN 111432462B
- Authority
- CN
- China
- Prior art keywords
- power
- base station
- cognitive
- price
- household
- 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
- 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
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
-
- 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
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
-
- 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
-
- 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)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基于博弈论的认知异构蜂窝网络功率控制方法,采用非合作博弈对认知网络进行建模,考虑跨层干扰以及能量效率问题,针对Underlay频谱共享模式的下层链路干扰问题提出基于非合作博弈的功率控制方法,方法首先保证主网络中的宏基站的通信服务质量,在对家庭认知基站的最大功率和总干扰功率的限制下,最大化家庭认知基站的能量效率,针对最优功率的求解,提出将功率控制问题转化为关于价格因子的一元线性问题。仿真证明了算法的具有较好的收敛性,同时能有有效提升网络能量效率。
Description
技术领域
本发明涉及一种认知网络下行链路功率控制方法,特别是一种基于博弈论的认知异构蜂窝网络功率控制方法,属于认知异构蜂窝网络资源分配技术领域。
背景技术
大规模数据流量业务需求对频谱效率有着更高的要求,其中认知技术被广泛认可并应用于提升频谱效率,增加信道传输容量。Underlay模式共享频谱允许主用户和认知用户同时共享同一频段,也就是说,跨层干扰是认知异构网络中不可忽视的干扰问题。功率控制是资源分配的重要方法之一,通过对网络中基站节点的功率调节,实现网络中干扰抑制的目的,在网络性能提升方面具有良好表现。
用户数量爆炸式增多,业务量指数增长,传统单层蜂窝网络已经难以达到上下行传输速率要求,并且针对室内覆盖问题仍然存在信号覆盖不足等问题,为此,在以宏基站为核心组网的小区室内环境中引入家庭认知基站构成认知异构蜂窝网络,一方面实现帮助宏基站分流,增加网络吞吐量,另一方面增强室内信号覆盖,提升室内用户的服务质量。在认知异构蜂窝网络中,由于宏基站和家庭认知基站的接入方式不同,将宏基站看做主网络层,主网络中的宏基站和宏用户都成为主用户,拥有频谱授权,可以随意接入授权频谱,家庭认知基站看做认知网络层,在主网络通信干扰容忍范围下机会接入频谱进行数据通信。异构网络首先要保证主网络的通信服务质量,因此大部分功率控制方案大多是从提升网络的吞吐量角度出发,对认知用户的传输功率进行合理有效分配,保证网络的数据传输能够有效运作。随着全球变暖冰川消融等环境恶化现象层出不穷,人们越来越意识到节能绿色网络在未来的网络设计中是必须且重要的。因此减少功率损耗,提升能量效率逐渐成为了功率控制的研究重点。
博弈论是运筹学的一门学科,最初被应用于微观经济学领域,用来表示市场经济竞争问题,这其实是研究多个决策体之间相互影响行为策略交互的问题。在认知异构蜂窝网络资源分配中,基站之间的相互竞争行为可以良好的通过博弈论反应出来,每个基站在博弈中为了实现自身目标最优化相互竞争,这种行为现象可以通过建立非合作博弈来更好地表征基站在网络资源分配中的行为。
发明内容
针对上述现有技术,本发明要解决的技术问题是提供一种能够在保证主网络收受到跨层干扰在其阈值内,对家庭认知基站功率有效合理分配,提升网络能量效率的基于博弈论的认知异构蜂窝网络功率控制方法。
为解决上述技术问题,本发明提供一种基于非合作博弈的认知异构蜂窝网络功率控制方法,包括以下步骤:
步骤1:采用非合作博弈对认知蜂窝网络中家庭认知基站进行数学建模,将家庭认知基站作为博弈参与者,将基站的传输功率作为行动策略,将每个家庭认知基站的能量效率和干扰功率付费作为每个基站的目标函数,建立效用函数,并进行初始化功率分配;
步骤2:计算每个家庭认知基站的付费范围和增量步长,设定价格的初始价格为最低价格;
步骤3:更新每个基站的付费价格,每个家庭认知基站计算当前价格下的最优功率,并广播给其他基站;
步骤4:计算所有家庭认知基站的总功率;
步骤5:若总功率大于主网络的干扰阈值,则进行步骤3;
步骤6:得到最优干扰功率定价以及最优功率解。
本发明还包括:
1.步骤1的采用势博弈对网络进行建模具体为:
认知异构蜂窝网络的博弈模型设定为G={N,{pn},{Un}},其中N为博弈的参与者,即网络中的家庭认知基站的有限集合,{pn},n∈N为博弈的策略有限集,pn为基站的传输功率策略集合,其中笛卡尔积P=p1×p2···×pN为所有参与者可选策略构成的策略空间,{Un},n∈N为每个参与者的效用函数集合,对于博弈中每一个参与者n来说,效用函数Un是与策略pn有关的函数,记p-n为除了参与者n外其余节点的策略集合;
2.步骤1的效用函数具体为:
其中,λn为关于功率pn的正数价格因子,为了保持和EE的单位一致性,λn的单位可以定为bit/J/W。
3.步骤2的计算价格因子的取值区间具体求解方式为:
令
综上所述,
4.步骤2中价格增量步长的计算方式为:
5.步骤3中最优功率的求解方式为:
令
综上所述,
本发明有益效果:本发明提供了一种underlay模式下基于博弈论的认知异构蜂窝网络功率控制方法,采用非合作博弈对网络进行建模,针对的认知异构蜂窝网络中下行链路能量效率问题进行研究,提出非合作功率控制博弈方法(NPCGA)对次网络中家庭认知基站进行功率控制,分析证明了方法存在唯一纳什均衡点,针对最优功率的求解问题,提出关于价格因子的一阶线性问题求解,方法保证了主网络的用户服务质量,并限制基站的最大传输功率和次网络的干扰强度。结果证明了方法的收敛性,验证了方法在提升能效方面具有较优性能。
附图说明
图1为网络节点分布图;
图2为本方法收敛性;
图3为本方法能量效率性能对比;
图4为本方法在不同主用户SINR阈值下的性能。
具体实施方式
下面结合附图和具体实施例对本文作进一步具体说明:
本发明的目的在于提出一种基于博弈论的认知异构蜂窝网络功率控制方法,其中的均衡点求解部分流程图如1所示,具体包括以下步骤:
步骤1:采用非合作博弈对认知蜂窝网络中家庭认知基站进行数学建模,将家庭认知基站作为博弈参与者,将基站的传输功率作为行动策略,将每个家庭认知基站的能量效率和干扰功率付费作为每个基站的目标函数,建立效用函数,并进行初始化功率分配;
步骤2:计算每个家庭认知基站的付费范围和增量步长,设定价格的初始价格为最低价格;
步骤3:更新每个基站的付费价格,每个家庭认知基站计算当前价格下的最优功率,并广播给其他基站;
步骤4:计算所有家庭认知基站的总功率;
步骤5:若总功率大于主网络的干扰阈值,则进行步骤3;
步骤6:得到最优干扰功率定价以及最优功率解。
接下来针对流程图中用到的理论公式进行分析,并验证本方法是一个精确势博弈。
针对具体流程中的步骤1:认知异构蜂窝网络的博弈模型设定为G={N,{pn},{Un}},其中N为博弈的参与者,即网络中的家庭认知基站的有限集合,{pn},n∈N为博弈的策略有限集,pn为基站的传输功率策略集合,其中笛卡尔积P=p1×p2···×pN为所有参与者可选策略构成的策略空间,{Un},n∈N为每个参与者的效用函数集合,对于博弈中每一个参与者n来说,效用函数Un是与策略pn有关的函数,记p-n为除了参与者n外其余节点的策略集合。
家庭认知基站n的效用函数定义如下:
其中,EEn为家庭认知基站n的能量效率,pn、pm分别表示家庭认知基站n和宏基站m的传输功率,hn、hmn分别表示家庭小区内信道增益以及宏基站到家庭用户的信道干扰,σ2表示传输信道内的噪声功率谱密度。Bn为家庭认知基站n所占子信道的频带宽,Pc电路功率损耗,表明电子设备的平均能量消耗。λn为关于功率pn的正数价格因子,为了保持和EE的单位一致性,λn的单位可以定为bit/J/W。
家庭用户n的信干噪比可以表示为:
在家庭用户n占用的信道上,宏用户m的信干噪比可以表示为
在此步骤中,将所有家庭认知基站的功率初始化为零。
针对具体流程中的步骤2:每个家庭认知基站的付费范围
令
gn随着pn的增加单调减少,
综上所述,
可以看出,在fn≥0部分,fn始终是单调减少的,因此,随着价格因子的增加,最优功率会随之减小。
价格增量步长的计算方式为:
针对具体流程中的步骤3:
付费价格更新方式为:
功率更新方式为:
Un对pn的一阶导数为:
所以wn随着pn的增加单调减少,wnmin=wn(Pnmax)
接下来分情况讨论,
令
综上所述,
针对具体流程中的步骤4:总功率的计算表示为
图1为网络中基站和用户的位置,宏基站位于小区中间中心(0,0)处,宏用户随机分布在非家庭小小区的小区内部,家庭认知小小区按照泊松随机分布在小区内各处,对于每一个家庭小小区,在家庭认知基站服务范围内有一个活跃用户。
图2为有20组家庭小区时,基站功率随着迭代次数变化情况,随机选取了标号为2、7、13、18以及20的基站作为代表,如图2所示,可以看到在五轮循环内,随着价格因子的逐渐增加,所选取基站功率逐渐减小至固定值,在5次之后不再改变,此时系统达到纳什均衡稳定状态,仿真结果证明了方法的收敛性以及纳什均衡解的唯一性。同时可以看到,不同的基站在最终稳定状态的功率不同,这个是因为不同的基站所处信道环境不同,信道条件好的基站可以选择较高功率传输。
图2显示了NPCGA与其他方法在不同的小小区数目下所取得的最终网络能量效率和传输速率的比较,其中SE方法为Stackelberg博弈功率控制方法,Waterfilling为经典注水方法,另外绿色线为将基站功率固定在25mW时的网络性能。可以看到在不同的小小区数目下,NPCGA方法均优于其他方法,在小小区数目达到20时,比SE方法能量效率提升11%,比注水方法提升22%。
图4表示了在不同主用户SINR阈值下,NPCGA方法的能效和传输速率值。根据公式(15)和(16),其他参数不变的情况下,Pnmax不随增长,方法的分析表明了最大传输功率可能不会引起更高的能量效率(如,)。
本发明具体实施方式还包括:
本发明的目的在于提出一种基于博弈论的认知异构蜂窝网络功率控制方法。
本发明的目的是这样实现的:
(1.1)采用非合作博弈对认知蜂窝网络中家庭认知基站进行数学建模,将家庭认知基站作为博弈参与者,将基站的传输功率作为行动策略,将每个家庭认知基站的能量效率和干扰功率付费作为每个基站的目标函数,建立效用函数,并进行初始化功率分配;
(1.2)计算每个家庭认知基站的付费范围和增量步长,设定价格的初始价格为最低价格;
(1.3)更新每个基站的付费价格,每个家庭认知基站计算当前价格下的最优功率,并广播给其他基站;
(1.4)计算所有家庭认知基站的总功率;
(1.5)若总功率大于主网络的干扰阈值,则进行步骤3;
(1.6)得到最优干扰功率定价以及最优功率解。
本发明的核心技术内容在于针对认知异构蜂窝网络,考虑家庭认知基站引入带来的能耗问题,在保证主网络通信服务质量的前提下提升家庭认知基站的能效,同时对每个家庭认知基站的跨层功率干扰进行定价惩罚,避免家庭认知基站极端的自私行为,将最优功率的求解问题转换为关于价格因子求解的一元线性问题,降低了方法求解复杂度。本方法所提出的博弈模型中假设各个参与者均是理性自私的,每个参与者博弈的目的均是为了使自身效用值最大。
本发明包括参与者效用函数的设立,其主要内容为:家庭认知基站的能量效率和对干扰功率的付费共同组成参与者的效用函数,家庭认知基站的能量效率为自身的吞吐量与传输功率和电路功率消耗和的比值,这样可以保证参与者的公平性,干扰功率付费为单位价格与传输功率的乘积。参与者的目标优化约束条件为总功率约束和最大功率约束。
本发明提供了一种基于博弈论的认知异构蜂窝网络功率控制方法,采用非合作博弈对认知网络进行建模,考虑跨层干扰以及能量效率问题,针对Underlay频谱共享模式的下层链路干扰问题提出基于非合作博弈的功率控制方法,方法首先保证主网络中的宏基站的通信服务质量,在对家庭认知基站的最大功率和总干扰功率的限制下,最大化家庭认知基站的能量效率,针对最优功率的求解,提出将功率控制问题转化为关于价格因子的一元线性问题。仿真证明了算法的具有较好的收敛性,同时能有有效提升网络能量效率。
本发明包括的最优功率和价格因子求解,其主要内容为:对效用函数求解关于传输功率的一阶偏导,并令其为零,结合最大功率约束可以得到最优功率的表达式,由于有宏基站通信服务质量的约束,可以得到在宏基站SINR阈值约束下的最大功率,以及网络对传输功率的预算,可以最大功率约束。通过对效用函数关于传输功率一阶偏导第一部分的分析,可以得到最优价格的取值范围,同时分析得知,价格和功率在部分情况下呈现单调关系,通过对价格因子更新累加,求解对应最优功率,再通过总干扰约束,得到本方法的最优功率和最优定价。
最后应说明的是,以上实施例仅用以描述本发明的技术方案而不是对本技术方法进行限制,本发明在应用上可以延伸为其他的修改、变化、应用和实施例,并且因此认为所有这样的修改、变化、应用、实施例都在本发明的精神和教导范围内。
Claims (1)
1.一种基于博弈论的认知异构蜂窝网络功率控制方法,其特征在于,包括以下步骤:
步骤1:采用非合作博弈对认知蜂窝网络中家庭认知基站进行数学建模,将家庭认知基站作为博弈参与者,将基站的传输功率作为行动策略,将每个家庭认知基站的能量效率和干扰功率付费作为每个基站的目标函数,建立效用函数,并进行初始化功率分配;
步骤2:计算每个家庭认知基站的付费范围和增量步长,设定价格的初始价格为最低价格;
步骤3:更新每个基站的付费价格,每个家庭认知基站计算当前价格下的最优功率,并广播给其他基站;
步骤4:计算所有家庭认知基站的总功率;
步骤5:若总功率大于主网络的干扰阈值,则进行步骤3;
步骤6:得到最优干扰功率定价以及最优功率解;
步骤1的效用函数具体为:
其中,EEn为家庭认知基站n的能量效率,pn,pm分别表示家庭认知基站n和宏基站m的传输功率,hn hmn分别表示家庭小区内信道增益以及宏基站到家庭用户的信道干扰,σ2表示传输信道内的噪声功率谱密度;Bn为家庭认知基站n所占子信道的频带宽,Pc电路功率损耗,表明电子设备的平均能量消耗;λn为关于功率pn的正数价格因子,为了保持和EE的单位一致性,λn的单位为bit/J/W;
步骤2的计算价格因子的取值区间具体求解方式为:
令
综上所述,
步骤2中价格增量步长的计算方式为:
步骤3中价格的更新方式为:
步骤3中最优功率的求解方式为:
令
综上所述,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010195258.7A CN111432462B (zh) | 2020-03-19 | 2020-03-19 | 一种基于博弈论的认知异构蜂窝网络功率控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010195258.7A CN111432462B (zh) | 2020-03-19 | 2020-03-19 | 一种基于博弈论的认知异构蜂窝网络功率控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111432462A CN111432462A (zh) | 2020-07-17 |
CN111432462B true CN111432462B (zh) | 2022-11-15 |
Family
ID=71548355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010195258.7A Active CN111432462B (zh) | 2020-03-19 | 2020-03-19 | 一种基于博弈论的认知异构蜂窝网络功率控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111432462B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102781085A (zh) * | 2012-07-27 | 2012-11-14 | 南京邮电大学 | 基于干扰限制的家庭基站功率控制方法 |
CN102833839A (zh) * | 2012-08-24 | 2012-12-19 | 复旦大学 | 针对宏蜂窝—飞蜂窝双重网络的基于定价的功率控制方法 |
CN103281764A (zh) * | 2013-06-04 | 2013-09-04 | 北京邮电大学 | 一种家庭基站双层网络中基于凸定价的上行功率控制方法 |
CN103533623A (zh) * | 2013-06-04 | 2014-01-22 | 北京邮电大学 | 一种家庭基站双层网络中基于节能的功率控制方法 |
CN104010288A (zh) * | 2014-05-22 | 2014-08-27 | 上海交通大学 | 认知网络中基于定价的最优功率控制方法 |
CN110062399A (zh) * | 2019-04-11 | 2019-07-26 | 哈尔滨工程大学 | 一种基于博弈论的认知异构蜂窝网络频谱分配方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8553575B2 (en) * | 2009-03-19 | 2013-10-08 | Qualcomm Incorporated | Resource partitioning for uplink in a wireless communication network |
KR101770810B1 (ko) * | 2015-12-15 | 2017-08-23 | 경희대학교 산학협력단 | 업링크 자원 할당 방법 및 그 방법을 수행하는 인지 소형 셀 네트워크 시스템 |
-
2020
- 2020-03-19 CN CN202010195258.7A patent/CN111432462B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102781085A (zh) * | 2012-07-27 | 2012-11-14 | 南京邮电大学 | 基于干扰限制的家庭基站功率控制方法 |
CN102833839A (zh) * | 2012-08-24 | 2012-12-19 | 复旦大学 | 针对宏蜂窝—飞蜂窝双重网络的基于定价的功率控制方法 |
CN103281764A (zh) * | 2013-06-04 | 2013-09-04 | 北京邮电大学 | 一种家庭基站双层网络中基于凸定价的上行功率控制方法 |
CN103533623A (zh) * | 2013-06-04 | 2014-01-22 | 北京邮电大学 | 一种家庭基站双层网络中基于节能的功率控制方法 |
CN104010288A (zh) * | 2014-05-22 | 2014-08-27 | 上海交通大学 | 认知网络中基于定价的最优功率控制方法 |
CN110062399A (zh) * | 2019-04-11 | 2019-07-26 | 哈尔滨工程大学 | 一种基于博弈论的认知异构蜂窝网络频谱分配方法 |
Non-Patent Citations (1)
Title |
---|
基于非合作博弈的femtocell双层网络分布式功率控制;刘志新;《控制与决策》;20140212;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111432462A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102781085B (zh) | 基于干扰限制的家庭基站功率控制方法 | |
CN108965009B (zh) | 一种基于势博弈的负载已知用户关联方法 | |
CN103856996A (zh) | 一种联合功率控制和接入控制方法 | |
CN105007583A (zh) | 一种异构蜂窝网络中基于博弈的能效提升方法 | |
CN116095690A (zh) | 一种异构网络中基于强化学习的动态资源分配优化方法 | |
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 | |
CN105490794A (zh) | Ofdma毫微微小区双层网络基于分组的资源分配方法 | |
CN105578482B (zh) | 一种蜂窝异构网络资源分配方法 | |
CN108235415B (zh) | 一种考虑用户体验的基站节能方法 | |
Liu et al. | Rate maximization for hybrid access femtocell networks with outage constraints based on pricing incentive mechanism | |
CN111432462B (zh) | 一种基于博弈论的认知异构蜂窝网络功率控制方法 | |
CN110062399B (zh) | 一种基于博弈论的认知异构蜂窝网络频谱分配方法 | |
CN110753365B (zh) | 异构蜂窝网络干扰协调方法 | |
Al-Wesabi et al. | Optimal resource allocation method for device-to-device communication in 5g networks | |
CN111343721A (zh) | 一种最大化系统广义能效的d2d分布式资源分配方法 | |
Liu et al. | An iterative two-step algorithm for energy efficient resource allocation in multi-cell OFDMA networks | |
Guo et al. | QoS-aware energy-efficient MicroBase station deployment for 5G-enabled HetNets | |
CN112543498B (zh) | 一种基于分层博弈模型的功率自适应分配方法 | |
CN108055670A (zh) | 基于匹配博弈的带宽动态性优化方法 | |
CN103716816B (zh) | 基于能效性和干扰因子的绿色通信协作用户选择方法 | |
CN113115456A (zh) | 基于量子星系搜索机制的双层异构网络功率分配方法 | |
CN109462861B (zh) | 一种面向电力无线专网的分层异构网络接入协同选择方法 | |
Galindo-Serrano et al. | On implementation requirements and performances of Q-learning for self-organized femtocells | |
CN105792367B (zh) | 一种两层非均匀拓扑结构异构网络下的网络资源分配方法 | |
CN117119573B (zh) | 超密集网络中基于凝聚式层次聚类算法的资源优化方法 |
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 |