CN113473629A - 用户自适应连接基站进行通信的方法、装置、介质及设备 - Google Patents

用户自适应连接基站进行通信的方法、装置、介质及设备 Download PDF

Info

Publication number
CN113473629A
CN113473629A CN202110735604.0A CN202110735604A CN113473629A CN 113473629 A CN113473629 A CN 113473629A CN 202110735604 A CN202110735604 A CN 202110735604A CN 113473629 A CN113473629 A CN 113473629A
Authority
CN
China
Prior art keywords
user
base station
constructing
energy efficiency
connection mode
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
CN202110735604.0A
Other languages
English (en)
Other versions
CN113473629B (zh
Inventor
游凡
崔海霞
叶先万
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.)
South China Normal University
Original Assignee
South China Normal 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 South China Normal University filed Critical South China Normal University
Priority to CN202110735604.0A priority Critical patent/CN113473629B/zh
Publication of CN113473629A publication Critical patent/CN113473629A/zh
Application granted granted Critical
Publication of CN113473629B publication Critical patent/CN113473629B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
    • 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
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • 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
    • H04W76/00—Connection management
    • H04W76/10—Connection setup
    • H04W76/15—Setup of multiple wireless link connections
    • 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

本发明公开了一种用户自适应连接基站进行通信的方法、装置、介质及设备，方法包括步骤：构建网络拓扑，所述网络拓扑包括：一个宏蜂窝基站、若干个小蜂窝基站和若干个用户；设定用户进行通信的条件；在所述条件下，计算用户在上行传输中的速率；求出以用户为中心，能效最大的用户连接基站的方式，并构建能效最大化计算模型，根据所述最大化计算模型计算连接方式矩阵；构建约束模型；将所述连接方式矩阵代入到所述约束模型，求出以用户为中心的最佳资源分配方案。用户通过能效的最大化选择出最佳的连接方式，通过用户确定与基站进行连接的方式，最大限度的优化用户所消耗的总成本，而总成本包括用户在上行传输中所消耗的功耗以及带宽分配。

Description

用户自适应连接基站进行通信的方法、装置、介质及设备
技术领域
本发明属于资源分配技术领域，具体涉及一种用户自适应连接基站进行通信的方法、装置、介质及设备。
背景技术
随着新一代无线通信技术的迅速发展，科技，医疗，教育等行业的创新进步也迎来了新的机遇，但这也反之日益增加了网络流量负担和网络质量的需求，同时这也就给网络通信的发展带来了巨大的挑战。目前的无线通信网络面临了许多的问题，其中安全问题一直是研究技术人员面临最直接的问题，信息泄露以及数据丢失时常发生在我们周围。同时，随着各种有限资源的耗尽，技术人员也要在开发研发的同时考虑资源消耗的问题，如何在提升性能的同时还能够尽可能降低资源消耗和资源浪费是一个值得研究的话题。为此，有研究人员提出了双连接技术，双连接技术是新一代无线通信网络发展的关键技术之一。
双连接技术(DC)的基本思想是：在异构网络中，宏蜂窝基站和小蜂窝基站之间可以利用X2接口(e-NodeB之间的互连接口)进行信令和数据的直接传输，而通过双连接技术，宏基站与小基站可以实现载波聚合，从而为用户提供更高的速率。于是，支持双连接技术的用户可以同时与两个基站进行连接，有效的提高用户的吞吐量，这样也为此提升了用户的服务质量。随着网络需求日益增大，能效也随之降低，消耗也随之增大。
发明内容
为了克服上述技术缺陷，本发明第一个方面提供了一种用户自适应连接基站进行通信的方法，包括步骤：
构建网络拓扑，所述网络拓扑包括：一个宏蜂窝基站、若干个小蜂窝基站和若干个用户；
设定用户进行通信的条件；
在所述条件下，计算用户在上行传输中的速率；
求出以用户为中心，能效最大的用户连接基站的方式，并构建能效最大化计算模型；
构建约束模型；
基于所述能效最大化计算模型和所述约束模型，求出以用户为中心的最佳资源分配方案。
作为本发明的进一步改进，在所述设定用户进行通信的条件的步骤中，所述条件包括：
用户最多连接两个基站，且在两个基站中，一个为宏蜂窝基站，一个为小蜂窝基站；
用户单独连接一个基站；
用户最终都会进行连接。
作为本发明的进一步改进，所述计算以用户为中心，能效最大的用户连接基站的方式，并构建能效最大化计算模型的步骤，包括如下步骤：
获取用户在网络环境中得到单连接情况下能效最大的连接方案；
获取用户在网络环境中得到双连接情况下能效最大的连接方案；
采用比较算法，对上述两种连接方式进行比较，得到最佳连接方式矩阵；
根据所述最佳连接方式构建最大能效计算模型；
求解上行传输中，以用户为中心的能效最大化的连接方式矩阵。
作为本发明的进一步改进，所述构建约束模型的步骤，包括如下步骤：
构建流量卸载表达式；
构建成本表达式；
根据所述流量卸载表达式和所述成本表达式，构建所述约束模型。
作为本发明的进一步改进，在所述构建所述约束模型的步骤之后，还包括约束模型的处理步骤：
构建所述约束模型的拉格朗日函数；
获取与所述拉格朗日函数相应的对偶函数；
通过梯度下降法对所述对偶函数进行迭代。
作为本发明的进一步改进，所述基于所述能效最大化计算模型和所述约束模型，求出以用户为中心的最佳资源分配方案的步骤，包括如下步骤：
基于所述能效最大优化计算模型和经过处理后的约束模型，采用比较算法求出以用户为中心的最佳资源分配方案。
作为本发明的进一步改进，所述基于所述能效最大化计算模型和所述约束模型，求出以用户为中心的最佳资源分配方案的步骤，包括如下步骤：
基于所述能效最大优化计算模型和经过处理后的约束模型，采用循环迭代的方法求出以用户为中心的最佳资源分配方案。
本发明的第二个方面，提供了一种用户自适应连接基站进行通信的装置，包括：
网络拓扑构建模块，用于构建网络拓扑，所述网络拓扑包括：一个宏蜂窝基站、若干个小蜂窝基站和若干个用户；
条件设定模块，用于设定用户进行通信的条件；
速率计算模块，用于在所述条件下，计算用户在上行传输中的速率；
能效最大化计算模型构建模块，用于求出以用户为中心，能效最大的用户连接基站的方式，并构建能效最大化计算模型；
约束模型构建模块，用于构建约束模型；
最佳资源分配方案计算模块，用于基于所述能效最大化计算模型和所述约束模型，求出以用户为中心的最佳资源分配方案。
本发明的第三个方面，提供了一种计算机可读存储介质，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的用户自适应连接基站进行通信的方法。
本发明的第四个方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现上述的用户自适应连接基站进行通信的方法。
与现有技术相比，本发明具有以下有益效果：用户通过能效的最大化选择出最佳的连接方式，通过用户确定与基站进行连接的方式，最大限度的优化用户所消耗的总成本，而总成本包括用户在上行传输中所消耗的功耗以及带宽分配。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：
图1为实施例1所述网络拓扑的示意图；
图2为实施例1所述网络拓扑的示意图；
图3为实施例1所述用户自适应连接基站进行通信的方法的流程图；
图4为实施例1所述用户自适应连接基站进行通信的方法的另一流程图；
图5为实施例3所述用户自适应连接基站进行通信的装置的结构示意图；
图6为实施例4所述计算机设备的结构示意图。
标记说明：1、网络拓扑构建模块；2、条件设定模块；3、速率计算模块；4、连接方式矩阵计算模块；5、约束模型构建模块；6、最佳资源分配方案计算模块。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1
本实施例公开了一种用户自适应连接基站进行通信的方法，如图3和图4所示，包括步骤：
S1、构建网络拓扑，如图1和图2所示，网络拓扑包括：一个宏蜂窝基站、n个小蜂窝基站和k个用户，将宏蜂窝基站模拟放置在网络的正中心，而用户和小蜂窝基站随机的分布在网络环境中，并且用户是具备双连接技术的用户终端，用集合I＝{1,2,3...k}表示用户，集合N＝{1,2,3...n}，集合N0＝{2,3...n}分别表示含有宏蜂窝基站与不含宏蜂窝基站的集合，信道增益hij表示为
Figure BDA0003140106510000041
其中，c为每米的路径损耗，d是用户i与基站j(j∈N)之间的距离，φ是路损指数，ρ是服从独立同分布的均值为1，方差为0的自由变量。在这个网络环境中，用户与基站可以进行双连接也可以进行单连接，同时用户与基站之间可以根据需求进行上行传输和下行传输。
S2、设定用户进行通信的条件，条件包括：1)用户最多连接两个基站，且在两个基站中，一个为宏蜂窝基站，一个为小蜂窝基站；2)用户单独连接一个基站；3)用户最终都会进行连接，无论是上述的哪一种。
S3、在条件下，计算用户在上行传输中的速率：
Figure BDA0003140106510000042
Figure BDA0003140106510000043
其中riA表示用户与小峰窝基站通信的速率，riB表示用户与宏峰窝基站通信的速率，xiA和xiB分别表示用户与小蜂窝基站和宏蜂窝基站之间通信的传输带宽，PiA和PiB分别表示用户向小蜂窝基站和宏蜂窝基站发射信号的功率，gA和gB都表示信道增益，n0表示信道噪声密度。
S4、求出以用户为中心，能效最大的用户连接基站的方式，并构建能效最大化计算模型，根据最大化计算模型计算连接方式矩阵：
获取用户在网络环境中得到单连接情况下能效最大的连接方案max_lam1；
获取用户在网络环境中得到双连接情况下能效最大的连接方案max_lam2；
采用比较算法，对max_lam1和max_lam2进行比较，得到最佳连接方式；
根据最佳连接方式构建最大能效计算模型，即从用户角度考虑，那么用户i的能效就可以表示为用户实际获得的速率与总的能量耗之比ηi的表达式为：
Figure BDA0003140106510000051
其中，C即为选择连接的矩阵，若Cij＝0，表示用户i与基站j不连接，若Cij＝1，则表示用户i与基站j连接。而Pij则为上行传输用户i向基站j传输信息所用的功率，σ表示高斯白噪声，Pc为用户的电路损耗，例如信号处理等。
以用户能效最大化的目标是为了最大化所有用户的总能效。主要是通过改变用户的连接方式C，找到最佳的能效。那么最大能效计算模型即可描述为(P1)：
(P1)：
Figure BDA0003140106510000052
Figure BDA0003140106510000053
Figure BDA0003140106510000054
Cij∈{0,1}
其中，由于本实施例主要是计算在单位时间内的总能效，故与时间无关。条件1)和条件2)表示一个用户最多连接两个基站，同时，且至多连接一个小基站(因为系统模型表示只有一个宏基站和若干个小基站，那么双连接的时候表示的就是连接一个小基站一个宏基站)。
求解上行传输中，以用户为中心的能效最大化的连接方式矩阵。
S5、构建约束模型，具体为：
构建流量卸载表达式，引进流量卸载的原因主要是当用户进行双连接的时候，用户在宏基站与小基站之间如果进行有效的通信资源分配，主要是看小峰窝基站的承载范围，当分担给小峰窝的资源太少，那么就可能造成资源浪费；如果分担给小峰窝基站的资源太大，又有可能造成资源拥堵而得不到更好的用户服务质量。综合以上考虑，引入流量卸载，在有效范围内，根据卸载率来动态的规划分担给小峰窝网络的资源，更加充分的利用网络资源。流量卸载的数学表达式如下：
Figure BDA0003140106510000055
其中，Rmax和Rmin分别表示用户与小蜂窝基站之间通信的传输速率的最大值与最小值。
构建成本表达式，在本实施例中将成本模拟成所分配的带宽以及功率的总和，这样可以更好地便捷的采用仿真显示性能，总成本表达式为：
Figure BDA0003140106510000061
根据流量卸载表达式和成本表达式，构建约束模型，在实际的情况中，在求解最小值的时候会有相应的约束条件。例如，用户若双连接，那么连接小基站与连接宏基站的总的通信速率要达到用户实际的需求的大小。且实际功率和所分配的带宽应该在一定阈值内，所以最后的约束模型可以描述为(P2)：
(P2)：
Figure BDA0003140106510000062
Figure BDA0003140106510000063
Figure BDA0003140106510000064
Figure BDA0003140106510000065
Figure BDA0003140106510000066
Figure BDA0003140106510000067
其中
Figure BDA0003140106510000068
表示满足用户i传输信息的实际传输吞吐量。
Figure BDA0003140106510000069
与
Figure BDA00031401065100000610
表示用户向小蜂窝基站和宏蜂窝基站传输信息的最大功率。
Figure BDA00031401065100000611
和
Figure BDA00031401065100000612
表示用户向小蜂窝基站传输带宽的限定最小值与最大值，同理，
Figure BDA00031401065100000613
和
Figure BDA00031401065100000614
分别表示用户与宏蜂窝基站传输带宽的最大最小值(其余参数如上已解释)。
随后，需要对约束模型进行处理，处理步骤如下：
构建约束模型的拉格朗日函数L，如下：
Figure BDA00031401065100000615
将变量xiA与xiB统一记为变量x，变量PiA和PiB统一记为变量p，λ表示拉格朗日乘子(是一个包含I个变量的向量)。
获取与拉格朗日函数相应的对偶函数：
Figure BDA0003140106510000071
其中xmax与xmin表示传输带宽变量x的上下限，Pmax与Pmin表示传输功率变量p的上下限。
通过梯度下降法对对偶函数进行迭代，而迭代的起点因为有四个变量，所以起点是一个向量，他们的梯度分别为：
Figure BDA0003140106510000072
Figure BDA0003140106510000073
Figure BDA0003140106510000074
Figure BDA0003140106510000075
根据梯度下降法，变量可以根据以下的方法进行更新迭代；
Figure BDA0003140106510000076
Figure BDA0003140106510000077
其中γ和μ表示步长，变量x和变量p表示传输带宽和传输功率，θ为迭代变量。
S6、将连接方式矩阵代入到约束模型，采用比较算法求出以用户为中心的最佳资源分配方案。
接下来采用MATLAB对本实施例的用户自适应连接基站进行通信的方法进行仿真，首先按照表1设定参数：
表1
Figure BDA0003140106510000078
Figure BDA0003140106510000081
当用户流量需求大时，宏基站的供应量的占比会逐渐增大，因为随着用户需求的增加，流量卸载率会随着降低，那么实际分配给小基站的吞吐量会减少，相应的小峰窝基站与用户之间通信的吞吐量所占的比例也会下降。小基站的工作不会因为系统繁忙时，由于流量压力过大而导致严重的拥堵和消耗，而是能够通过比例的合理分配，使得宏基站和小基站都能处于更加好的工作状态，小峰窝基站可以得到合理的使用，不会浪费资源，也不会造成信息拥塞，降低用户的体验感。
通过仿真可以进一步验证本实施例的优势，随着带宽分配和功耗增加总成本在网络环境下逐渐增加。但优化连接方式后，成本显著低于简单双连接，该原因是普通的双连接技术持续保持双连接，所有的基站必须分配相应的带宽和功耗。但事实上，只要用户的上行链路在满足要求的情况下，高效切换双和单个连接可以大大节省相应的资源，仿真图可以明显的看到优化算法后的优势。
综上所述，本实施例具有以下技术效果：
1、在异构蜂窝网络和双连接技术背景下，不一定所有的用户终端和基站之间都选择双连接，适当的单连接接，可以减少成本，而有效的双连接又可以提高能效，根据最佳的能效，动态的选择连接方式，使得整个系统不仅可以获得更高能效的同时，还可以节约成本资源。
2、最佳的资源分配方案，使得最终在整个网络环境中所消耗的总功率和所分配的带宽和最小，有效的节约成本资源。并且将最佳的资源分配方案与最大化能效的方案整体考虑，使得在上行传输过程中不但可以保证最大化能效，同时也可以最小化所消耗的资源成本。与此同时，本实施例还考虑在双连接的情况下，如何分配用户分别和小基站和宏基站的通信资源，于是，本实施例引用了卸载率这个概念。用户通过卸载率来确定与小基站连接的通信资源，有效的流量卸载可以减少在通信高峰期的拥塞现象，保证用户服务质量(Qos)。这也同时保证在资源调度的过程中，更加的高效和自适应。
实施例2
本实施例提供了另一种用户自适应连接基站进行通信的方法，其与实施例1的区别在于，将连接方式矩阵代入到约束模型，本实施例采用循环迭代的方法求出以用户为中心的最佳资源分配方案，本实施例的具体实施过程请参见实施例1，在此不再一一赘述。
实施例3
本实施例提供了一种资源分配装置，包括：网络拓扑构建模块1、条件设定模块2、速率计算模块3、连接方式矩阵计算模块4、约束模型构建模块5和最佳资源分配方案计算模块6；其中，网络拓扑构建模块1用于构建网络拓扑，网络拓扑包括：一个宏蜂窝基站、若干个小蜂窝基站和若干个用户；条件设定模块2用于设定用户进行通信的条件；速率计算模块3用于在条件下，计算用户在上行传输中的速率；连接方式矩阵计算模块4用于求出以用户为中心，能效最大的用户连接基站的方式，并构建能效最大化计算模型，根据最大化计算模型计算连接方式矩阵；约束模型构建模块5用于构建约束模型；最佳资源分配方案计算模块6用于将连接方式矩阵代入到约束模型，求出以用户为中心的最佳资源分配方案。
本实施例的具体实施过程请参见实施例1，在此不再一一赘述。
在本实施例中，应该理解到，所揭露的装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
实施例4
本实施例提供了一种计算机设备，如图4所示，包括处理器和储存器，储存器中储存有程序代码，处理器执行程序代码以执行实施例1的用户自适应连接基站进行通信的方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本申请实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
实施例5
本实施例提供了一种计算机可读存储介质，可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现实施例1的用户自适应连接基站进行通信的方法。
可选地，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,ResistanceRandomAccess Memory)和动态随机存取存储器(DRAM，Dynamic Random AccessMemory)。
以上仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种用户自适应连接基站进行通信的方法，其特征在于，包括步骤：
构建网络拓扑，所述网络拓扑包括：一个宏蜂窝基站、若干个小蜂窝基站和若干个用户；
设定用户进行通信的条件；
在所述条件下，计算用户在上行传输中的速率；
求出以用户为中心，能效最大的用户连接基站的方式，并构建能效最大化计算模型，根据所述最大化计算模型计算连接方式矩阵；
构建约束模型；
将所述连接方式矩阵代入到所述约束模型，求出以用户为中心的最佳资源分配方案。
2.根据权利要求1所述的用户自适应连接基站进行通信的方法，其特征在于，在所述设定用户进行通信的条件的步骤中，所述条件包括：
用户最多连接两个基站，且在两个基站中，一个为宏蜂窝基站，一个为小蜂窝基站；
用户单独连接一个基站；
用户最终都会进行连接。
3.根据权利要求1所述的用户自适应连接基站进行通信的方法，其特征在于，所述求出以用户为中心，能效最大的用户连接基站的方式，并构建能效最大化计算模型，根据所述最大化计算模型计算连接方式矩阵的步骤，包括如下步骤：
获取用户在网络环境中得到单连接情况下能效最大的连接方案；
获取用户在网络环境中得到双连接情况下能效最大的连接方案；
采用比较算法，对上述两种连接方式进行比较，得到最佳连接方式矩阵；
根据所述最佳连接方式构建最大能效计算模型；
求解上行传输中，以用户为中心的能效最大化的连接方式矩阵。
4.根据权利要求1所述的用户自适应连接基站进行通信的方法，其特征在于，所述构建约束模型的步骤，包括如下步骤：
构建流量卸载表达式；
构建成本表达式；
根据所述流量卸载表达式和所述成本表达式，构建所述约束模型。
5.根据权利要求4所述的用户自适应连接基站进行通信的方法，其特征在于，在所述构建所述约束模型的步骤之后，还包括约束模型的处理步骤：
构建所述约束模型的拉格朗日函数；
获取与所述拉格朗日函数相应的对偶函数；
通过梯度下降法对所述对偶函数进行迭代。
6.根据权利要求5所述的用户自适应连接基站进行通信的方法，其特征在于，所述将所述连接方式矩阵代入到所述约束模型，求出以用户为中心的最佳资源分配方案的步骤，包括如下步骤：
将所述连接方式矩阵代入到所述约束模型，采用比较算法求出以用户为中心的最佳资源分配方案。
7.根据权利要求5所述的用户自适应连接基站进行通信的方法，其特征在于，所述将所述连接方式矩阵代入到所述约束模型，求出以用户为中心的最佳资源分配方案的步骤，包括如下步骤：
将所述连接方式矩阵代入到所述约束模型，采用循环迭代的方法求出以用户为中心的最佳资源分配方案。
8.一种用户自适应连接基站进行通信的装置，其特征在于，包括：
网络拓扑构建模块，用于构建网络拓扑，所述网络拓扑包括：一个宏蜂窝基站、若干个小蜂窝基站和若干个用户；
条件设定模块，用于设定用户进行通信的条件；
速率计算模块，用于在所述条件下，计算用户在上行传输中的速率；
连接方式矩阵计算模块，用于求出以用户为中心，能效最大的用户连接基站的方式，并构建能效最大化计算模型，根据所述最大化计算模型计算连接方式矩阵；
约束模型构建模块，用于构建约束模型；
最佳资源分配方案计算模块，用于将所述连接方式矩阵代入到所述约束模型，求出以用户为中心的最佳资源分配方案。
9.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的用户自适应连接基站进行通信的方法。
10.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的用户自适应连接基站进行通信的方法。
CN202110735604.0A 2021-06-30 2021-06-30 用户自适应连接基站进行通信的方法、装置、介质及设备 Active CN113473629B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110735604.0A CN113473629B (zh) 2021-06-30 2021-06-30 用户自适应连接基站进行通信的方法、装置、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110735604.0A CN113473629B (zh) 2021-06-30 2021-06-30 用户自适应连接基站进行通信的方法、装置、介质及设备

Publications (2)

Publication Number Publication Date
CN113473629A true CN113473629A (zh) 2021-10-01
CN113473629B CN113473629B (zh) 2023-10-31

Family

ID=77876428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110735604.0A Active CN113473629B (zh) 2021-06-30 2021-06-30 用户自适应连接基站进行通信的方法、装置、介质及设备

Country Status (1)

Country Link
CN (1) CN113473629B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104703270A (zh) * 2015-03-26 2015-06-10 南京智雅信息科技有限公司 适用于异构无线蜂窝网络的用户接入和功率分配方法
CN107070583A (zh) * 2017-06-19 2017-08-18 西北大学 一种异构网络增强型小区间干扰协调的能效优化方法
CN107241799A (zh) * 2016-03-28 2017-10-10 上海交通大学 异构网络中能量有效的资源分配和干扰对齐联合方法
CN107396372A (zh) * 2017-09-07 2017-11-24 西北大学 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
CN107426773A (zh) * 2017-08-09 2017-12-01 山东师范大学 无线异构网络中面向能效的分布式资源分配方法和装置
CN108282822A (zh) * 2018-01-22 2018-07-13 重庆邮电大学 用户关联与功率控制在异构蜂窝网络中的协同优化算法
US20180227927A1 (en) * 2017-02-09 2018-08-09 University Of Electronic Science And Technology Of China Method for associating a user with a base station based on backhaul capacity in heterogeneous cellular network
CN111194042A (zh) * 2020-02-25 2020-05-22 重庆邮电大学 一种基于非正交多址接入的异构网络鲁棒能效优化方法
CN112752269A (zh) * 2021-01-20 2021-05-04 温州大学 一种异构密集网络协调用户数与绿色微基站数比例的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104703270A (zh) * 2015-03-26 2015-06-10 南京智雅信息科技有限公司 适用于异构无线蜂窝网络的用户接入和功率分配方法
CN107241799A (zh) * 2016-03-28 2017-10-10 上海交通大学 异构网络中能量有效的资源分配和干扰对齐联合方法
US20180227927A1 (en) * 2017-02-09 2018-08-09 University Of Electronic Science And Technology Of China Method for associating a user with a base station based on backhaul capacity in heterogeneous cellular network
CN107070583A (zh) * 2017-06-19 2017-08-18 西北大学 一种异构网络增强型小区间干扰协调的能效优化方法
CN107426773A (zh) * 2017-08-09 2017-12-01 山东师范大学 无线异构网络中面向能效的分布式资源分配方法和装置
CN107396372A (zh) * 2017-09-07 2017-11-24 西北大学 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
CN108282822A (zh) * 2018-01-22 2018-07-13 重庆邮电大学 用户关联与功率控制在异构蜂窝网络中的协同优化算法
CN111194042A (zh) * 2020-02-25 2020-05-22 重庆邮电大学 一种基于非正交多址接入的异构网络鲁棒能效优化方法
CN112752269A (zh) * 2021-01-20 2021-05-04 温州大学 一种异构密集网络协调用户数与绿色微基站数比例的方法

Also Published As

Publication number Publication date
CN113473629B (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
CN111447619B (zh) 一种移动边缘计算网络中联合任务卸载和资源分配方法
CN107426773B (zh) 无线异构网络中面向能效的分布式资源分配方法和装置
JP6038348B2 (ja) デバイス間通信のためのリソース割当方法、装置及びプログラム
CN108112037B (zh) 基于雾计算和协作通信网络的负载均衡方法
Zhou et al. Joint optimization of offloading and resource allocation in vehicular networks with mobile edge computing
CN102687568A (zh) 基于传送功率和物理资源块数量的自适应调度数据传送
CN105101248A (zh) 用于控制小区的工作状态的改变的装置和方法
CN112188551B (zh) 一种计算迁移方法、计算终端设备及边缘服务器设备
CN104685939B (zh) 用于噪声受限无线蜂窝网络的自适应多级下行功率控制
JP4978850B2 (ja) セルラシステム、そのキャリア割当方法、基地局、及び移動局
Coskun et al. Three-stage resource allocation algorithm for energy-efficient heterogeneous networks
US20130089046A1 (en) Method and apparatus for distributed scheduling for enhancing link performance in wireless communication system
CN104754707A (zh) 用于控制小小区的工作状态的改变的装置和方法
CN116113039B (zh) 一种电力混合业务资源优化方法、装置、设备及介质
Mollahasani et al. Density-aware, energy-and spectrum-efficient small cell scheduling
Alamouti et al. Resource allocation for energy-efficient device-to-device communication in 4G networks
CN114885418A (zh) 5g超密集网络中任务卸载及资源分配的联合优化方法、装置及介质
EP4383075A1 (en) Data processing method and apparatus
Yang et al. Maximal energy efficient task scheduling for homogeneous fog networks
US9031024B2 (en) Radio resource management for distributed cellular systems
WO2014117377A1 (en) Method and apparatus for resource allocation for device-to-device communication
Hajisami et al. Elastic resource provisioning for increased energy efficiency and resource utilization in Cloud-RANs
KR20080098263A (ko) 애드혹(Ａｄ-ｈｏｃ) 네트워크에서의 통신 방법
CN117201369A (zh) 网络速率确定方法、装置、电子设备及存储介质
CN112235387A (zh) 一种基于能量消耗最小化的多节点协作计算卸载方法

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