CN113573416B - 多用户网络集中式自适应功率分配设计方法及装置 - Google Patents

多用户网络集中式自适应功率分配设计方法及装置 Download PDF

Info

Publication number
CN113573416B
CN113573416B CN202110851680.8A CN202110851680A CN113573416B CN 113573416 B CN113573416 B CN 113573416B CN 202110851680 A CN202110851680 A CN 202110851680A CN 113573416 B CN113573416 B CN 113573416B
Authority
CN
China
Prior art keywords
power
user network
user
time
base station
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
CN202110851680.8A
Other languages
English (en)
Other versions
CN113573416A (zh
Inventor
王劲涛
陈宇超
汤皓玥
潘长勇
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN202110851680.8A priority Critical patent/CN113573416B/zh
Publication of CN113573416A publication Critical patent/CN113573416A/zh
Application granted granted Critical
Publication of CN113573416B publication Critical patent/CN113573416B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/12—Wireless traffic scheduling
    • H04W72/121—Wireless traffic scheduling for groups of terminals or users
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L49/00—Packet switching elements
    • H04L49/30—Peripheral units, e.g. input or output ports
    • H04L49/3045—Virtual queuing
    • 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
    • H04W52/22—TPC being performed according to specific parameters taking into account previous information or commands
    • H04W52/228—TPC being performed according to specific parameters taking into account previous information or commands using past power values or information
    • 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
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • 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
    • H04W52/38—TPC being performed in particular situations
    • H04W52/386—TPC being performed in particular situations centralized, e.g. when the radio network controller or equivalent takes part in the power control
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种多用户网络集中式自适应功率分配设计方法及装置，该方法基于历史的信道状态和干扰噪声信息，基于李雅普诺夫优化框架以及虚拟队列的设计，利用在线学习的算法实现自适应的功率分配算法。能够在当前信道状态信息和干扰噪声未知的情况下进行功率分配，同时满足平均的功率预算约束，且与信道状态和干扰噪声分布已知的固定最优功率分配策略相比，具有渐近最优的特性。

Description

多用户网络集中式自适应功率分配设计方法及装置
技术领域
本发明涉及通信技术领域，特别涉及一种多用户网络集中式自适应功率分配设计方法及装置。
背景技术
多用户网络中的功率分配策略是通信领域研究的热点之一。通过理论推导不难发现，最优的功率分配策略由当前每个信道的信道状态信息决定。在时不变信道或信道状态信息完全已知的多用户场景中，传统的应用于多天线(MIMO，Multiple Input MultipleOutput)系统的传统注水算法也可以被应用于多用户网络中且是最优的。另外，当每个设备具有单独的功率上界时，传统的洞穴式注水(cave filling)算法也被证明是最优的算法，并且可以运用到很多通信场景包括多用户场景。
但是上述算法依赖于当前及时且准确的信道状态信息。当用户高速移动或通信环境变化时，信道状态信息很难及时获得，因此，需要采用在线学习的方式设计自适应的功率分配策略。已有研究采用了基于在线梯度上升的算法设计了自适应功率分配算法以达到功率和吞吐量的折中。
但是，已有研究在在线学习的基础上，很少考虑到长期功率约束。一般来说，短时的功率约束针对于通信设备的硬件要求而定，而长时的功率约束条件则在硬件约束的基础上，进一步考虑功率效率等约束条件，以达到增加资源利用率的目的，同时长时平均的功率约束也给自适应的功率分配提供了更大的灵活性。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种多用户网络集中式自适应功率分配设计方法，该方法能够实现在当前信道状态信息和干扰噪声未知的情况下自适应地设计功率分配策略，在满足功率预算约束的条件下达到渐近最优的网络总效用。
本发明的另一个目的在于提出一种多用户网络集中式自适应功率分配设计装置。
为达到上述目的，本发明一方面实施例提出了一种多用户网络集中式自适应功率分配设计方法，包括以下步骤：根据多用户网络中上一时刻的功率分配策略，更新虚拟队列；根据上一时刻的信道状态和干扰噪声信息，以及多用户网络的功率预算约束和优化目标设计当前时刻的功率分配策略。
本发明实施例的多用户网络集中式自适应功率分配设计方法，根据上一时刻的功率分配策略，更新虚拟队列；根据上一时刻的信道状态和干扰噪声信息，设计当前时刻的功率分配策略。由此，能够实现在当前信道状态信息和干扰噪声未知的情况下自适应地设计功率分配策略，在满足功率预算约束的条件下达到渐近最优的网络总效用。
另外，根据本发明上述实施例的多用户网络集中式自适应功率分配设计方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述虚拟队列Q(t)为：
Q(t)＝max{0,Q(t-1)+g(p(t))}，
g(p(t))＝r(p(t)；c)-B，
其中，r(·；c)为功率定价函数，B为功率预算上限。
进一步地，在本发明的一个实施例中，所述多用户网络的功率预算约束为：
其中，T为总时长，r(·；c)为功率定价函数，c为定价参数，B为功率预算上限，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量。
进一步地，在本发明的一个实施例中，所述优化目标包括最优所述多用户网络的效用函数：
其中，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量，pm,n(t)为基站n的天线m分配的功率，N为基站个数，an为基站n的天线个数，hm.n(t)为基站n的天线m与用户间在时刻t时的信道增益，σ2为用户接收机的白噪声，为基站n的天线m服务的用户在时刻t时接收到的干扰噪声功率。
进一步地，在本发明的一个实施例中，所述当前时刻的功率分配策略为：
其中，Q(t)为虚拟队列，V和α为算法的超参数，集合为可行的功率分配集合，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量。
为达到上述目的，本发明另一方面实施例提出了一种多用户网络集中式自适应功率分配设计装置，包括：第一设计模块，用于根据多用户网络中上一时刻的功率分配策略，更新虚拟队列；第二设计模块，用于根据上一时刻的信道状态和干扰噪声信息，以及多用户网络的功率预算约束和优化目标设计当前时刻的功率分配策略。
本发明实施例的多用户网络集中式自适应功率分配设计装置，根据上一时刻的功率分配策略，更新虚拟队列；根据上一时刻的信道状态和干扰噪声信息，设计当前时刻的功率分配策略。由此，能够实现在当前信道状态信息和干扰噪声未知的情况下自适应地设计功率分配策略，在满足功率预算约束的条件下达到渐近最优的网络总效用。
另外，根据本发明上述实施例的多用户网络集中式自适应功率分配设计装置还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述虚拟队列Q(t)为：
Q(t)＝max{0,Q(t-1)+g(p(t))}，
g(p(t))＝r(p(t)；c)-B，
其中，r(·；c)为功率定价函数，B为功率预算上限。
进一步地，在本发明的一个实施例中，所述多用户网络的功率预算约束为：
其中，T为总时长，r(·；c)为功率定价函数，c为定价参数，B为功率预算上限，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量。
进一步地，在本发明的一个实施例中，所述优化目标包括最优所述多用户网络的效用函数：
其中，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量，pm,n(t)为基站n的天线m分配的功率，N为基站个数，an为基站n的天线个数，hm.n(t)为基站n的天线m与用户间在时刻t时的信道增益，σ2为用户接收机的白噪声，为基站n的天线m服务的用户在时刻t时接收到的干扰噪声功率。
进一步地，在本发明的一个实施例中，所述当前时刻的功率分配策略为：
其中，Q(t)为虚拟队列，V和α为算法的超参数，集合为可行的功率分配集合，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明一个实施例的多用户网络模型的示意图；
图2为根据本发明一个实施例的多用户网络集中式自适应功率分配设计方法流程图；
图3为根据本发明一个实施例的平均网络效用性能仿真示意图；
图4为根据本发明一个实施例的平均预算违背性能仿真示意图；
图5为根据本发明一个实施例的不同参数下平均网络效用性能仿真示意图；
图6为根据本发明一个实施例的多用户网络集中式自适应功率分配设计装置结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
多用户网络中，每个用户的信道状态信息是高速时变的(可能由于用户移动或环境变化造成)，加之干扰噪声的功率是随机甚至是敌对的，因此，当前的信道状态和干扰噪声信息无法用信道估计等方法快速且准确地得到。功率分配策略只能基于历史的信道状态和干扰噪声信息。
对多用户网络集中式自适应功率分配进行规定，如图1所示，设在整个网络中，中央控制器控制N个基站服务多个用户，每个基站n配有an根天线从而服务对应数量个用户，每个用户在接收端收到的接收信号，除了天线发送的传输信号和接收机的白噪声外，可能还混有干扰噪声。由于用户可能会高速移动，加之干扰噪声的不确定性，当前时刻的信道状态和干扰噪声信息无法准确得到，因此中央控制器需要根据历史的信道状态和干扰噪声信息设计当前的功率分配策略，以优化整个网络的效用函数，同时必须满足中央控制器端的平均功率定价预算约束。
下面参照附图描述根据本发明实施例提出的多用户网络集中式自适应功率分配设计方法及装置。
首先将参照附图描述根据本发明实施例提出的多用户网络集中式自适应功率分配设计方法。
图2为根据本发明一个实施例的多用户网络集中式自适应功率分配设计方法流程图。
如图2所示，该多用户网络集中式自适应功率分配设计方法包括以下步骤：
在步骤S1中，根据多用户网络中上一时刻的功率分配策略，更新虚拟队列。记虚拟队列为Q(t)，虚拟队列的更新如下：
Q(t)＝max{0,Q(t-1)+g(p(t))}，
其中，
g(p(t))＝r(p(t)；c)-B，
为当前时刻功率预算的违背值。
经过虚拟队列的更新，将完成虚拟队列的维护，在算法中，虚拟队列的作用是记录累积的预算违背大小，将预算违背的值看成一个虚拟队列中的等待人数。从而只要维持队列稳定，就可以保证长时的预算约束可以达到要求。
需要说明的是，在本发明的实施例中，功率预算约束没有数量的限制，如果对不同基站有多个功率预算约束，在构造虚拟队列时，只需要构造多个队列即可，只需要满足多个队列同时稳定，就可以保证所有的长时预算约束可以达到要求。在公式中，标量Q(t)将变为矢量Q(t)，处理方法类似，在此不进行赘述。
在步骤S2中，根据上一时刻的信道状态和干扰噪声信息，以及多用户网络的功率预算约束和优化目标设计当前时刻的功率分配策略。
中央控制器在当前信道状态和干扰噪声信息未知的情况下，以优化整个网络的总效用函数为目标，设计自适应的功率分配策略，同时需满足中央控制器端的平均功率预算约束。
具体地，在多用户网络中，存在一个中央控制器集中调度各个基站的资源(即功率)分配服务多个用户。中央控制器需要对每个基站所需要的发送功率付费。因此，除了每个基站的每根天线端有发送功率上界约束，中央控制器端有一个平均的功率预算约束：
其中，T为总时长，r(·；c)为功率定价函数，c为定价参数，B为功率预算上限，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量。
中央控制器通过自适应调整各个基站各根天线间的功率分配，以优化整个网络的效用函数，设系统运行的总时长为T，在每一个时刻t，中央控制器的功率分配策略用向量p(t)表示，当前时刻的网络效用为：
其中，p(t)为中央控制器在时刻t时的功率分配决策向量，pm,n(t)为基站n的天线m分配的功率，N为基站个数，an为基站n的天线个数，hm,n(t)为基站n的天线m与用户间在时刻t时的信道增益，σ2为用户接收机的白噪声，为基站n的天线m服务的用户在时刻t时接收到的干扰噪声功率。
每个基站每根天线，有功率约束上限P：
当前时刻的功率分配策略如下：
其中，V和α为算法的超参数，后续会确定大小，集合为可行的功率分配集合，即每根天线的分配功率不能超过上限p：
综上，通过步骤S1与步骤S2，将能够得到一个完整的自适应功率分配设计方案。
对于算法初始化，要求Q(0)＝0，即可。上述功率分配策略实际上求解一个凸优化问题，进一步来说是一个二次规划问题，因此现有凸优化理论有很好的算法去快速求解当前的功率分配，因此算法具有很好的实用价值。通过理论推导，得出当超参数选取为/>时，算法不仅能保证收敛性，还能保证与信道状态信息和干扰噪声分布已知的固定最优功率分配策略相比具有渐近最优的性质，同时还能满足长时的功率预算约束。
图3和图4给出的仿真验证结果可以证明这一算法在随机干扰噪声下相比上界确实具有渐进最优的性质，其中，图3和图4仿真参数设置为3个基站，每个基站配有1根天线，功率定价函数为线性模型，即r(p；c)＝cTp，其中参数c＝[0.65,0.4,0.3]T，功率预算上界B＝0.75，每根天线的发送功率上限为P＝1，信道增益hm(t)服从独立同分布的高斯分布，即|hm(t)|2服从参数μ＝1的负指数分布，白噪声功率σ2＝1，干扰噪声服从均匀分布通过仿真可以发现，传统的洞穴式注水算法可以达到固定的最优功率分配决策；同时图3和图4的曲线还表明了本发明算法随着运行时间增长，逐渐逼近最优的平均网络效用，同时平均的预算违背趋于零，验证了本发明算法具有的渐进最优以及满足平均功率预算约束的特性。
进一步地，图5给出的仿真结果可以验证算法的超参数对算法收敛性的影响。图5中设置三组不同的超参数，分别为：同时定义常数/>使得/>其他参数设置与图3和图4一致。图5的曲线表明了，超参数V的大小衡量了算法对网络效用性能收敛以及预算违背收敛的折中：超参数V越大，算法具有更高的平均网络效用收敛性，但是代价是更高的预算违背概率；反之，V越小，算法的平均网络效用收敛性虽然变慢，但是超出预算的概率也会变小。因此，合理地选择超参数是算法能达到最优工作点的关键。
进一步地，本发明的实施例在信道为高斯信道，干扰噪声具有未知的分布时具有非常良好的性能，但本发明提出的方法并不依赖于此，在其他情形下，包括敌对信道，敌对干扰噪声下仍然能够正常工作。
根据本发明实施例提出的多用户网络集中式自适应功率分配设计方法，根据上一时刻的功率分配策略，更新虚拟队列；根据上一时刻的信道状态和干扰噪声信息，设计当前时刻的功率分配策略。由此，能够实现在当前信道状态信息和干扰噪声未知的情况下自适应地设计功率分配策略，在满足功率预算约束的条件下达到渐近最优的网络总效用。
其次参照附图描述根据本发明实施例提出的多用户网络集中式自适应功率分配设计装置。
图6为根据本发明一个实施例的多用户网络集中式自适应功率分配设计装置结构示意图。
如图6所示，该多用户网络集中式自适应功率分配设计装置10包括：第一设计模块100和第二设计模块200。
第一设计模块100，用于根据多用户网络中上一时刻的功率分配策略，更新虚拟队列。第二设计模块200，用于根据上一时刻的信道状态和干扰噪声信息，以及多用户网络的功率预算约束和优化目标设计当前时刻的功率分配策略。
进一步地，在本发明的一个实施例中，虚拟队列Q(t)为：
Q(t)＝max{0,Q(t-1)+g(p(t))}，
g(p(t))＝r(p(t)；c)-B，
其中，r(·；c)为功率定价函数，B为功率预算上限。
进一步地，在本发明的一个实施例中，多用户网络的功率预算约束为：
其中，T为总时长，r(·；c)为功率定价函数，c为定价参数，B为功率预算上限，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量。
进一步地，在本发明的一个实施例中，优化目标包括最优多用户网络的效用函数：
其中，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量，pm,n(t)为基站n的天线m分配的功率，N为基站个数，an为基站n的天线个数，hm,n(t)为基站n的天线m与用户间在时刻t时的信道增益，σ2为用户接收机的白噪声，为基站n的天线m服务的用户在时刻t时接收到的干扰噪声功率。
进一步地，在本发明的一个实施例中，当前时刻的功率分配策略为：
其中，Q(t)为虚拟队列，V和α为算法的超参数，集合为可行的功率分配集合，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量。
需要说明的是，前述对方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。
根据本发明实施例提出的多用户网络集中式自适应功率分配设计装置，根据上一时刻的功率分配策略，更新虚拟队列；根据上一时刻的信道状态和干扰噪声信息，设计当前时刻的功率分配策略。由此，能够实现在当前信道状态信息和干扰噪声未知的情况下自适应地设计功率分配策略，在满足功率预算约束的条件下达到渐近最优的网络总效用。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
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必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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 (2)

1.一种多用户网络集中式自适应功率分配设计方法，其特征在于，包括以下步骤：
根据多用户网络中上一时刻的功率分配策略，更新虚拟队列；
根据上一时刻的信道状态和干扰噪声信息，以及多用户网络的功率预算约束和优化目标设计当前时刻的功率分配策略；
所述虚拟队列Q(t)为：
Q(t)＝max{0，Q(t-1)+g(p(t))}，
g(p(t))＝r(p(t)；c)-B，
其中，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量，c为定价参数，r(·；c)为功率定价函数，B为功率预算上限；
所述多用户网络的功率预算约束为：
其中，T为总时长；
所述优化目标包括最优所述多用户网络的效用函数：
其中，pm，n(t)为基站n的天线m分配的功率，N为基站个数，an为基站n的天线个数，hm，n(t)为基站n的天线m与用户间在时刻t时的信道增益，σ2为用户接收机的白噪声，为基站n的天线m服务的用户在时刻t时接收到的干扰噪声功率；
所述当前时刻的功率分配策略为：
其中，V和α为算法的超参数，集合为可行的功率分配集合，/>为U(p(t-1))的梯度。
2.一种多用户网络集中式自适应功率分配设计装置，其特征在于，包括：
第一设计模块，用于根据多用户网络中上一时刻的功率分配策略，更新虚拟队列；
第二设计模块，用于根据上一时刻的信道状态和干扰噪声信息，以及多用户网络的功率预算约束和优化目标设计当前时刻的功率分配策略；
所述虚拟队列Q(t)为：
Q(t)＝max{0，Q(t-1)+g(p(t)))，
g(p(t))＝r(p(t)；c)-B，
其中，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量，c为定价参数，r(·；c)为功率定价函数，B为功率预算上限；
所述多用户网络的功率预算约束为：
其中，T为总时长；
所述优化目标包括最优所述多用户网络的效用函数：
其中，pm，n(t)为基站n的天线m分配的功率，N为基站个数，an为基站n的天线个数，hm，n(t)为基站n的天线m与用户间在时刻t时的信道增益，σ2为用户接收机的白噪声，为基站n的天线m服务的用户在时刻t时接收到的干扰噪声功率；
所述当前时刻的功率分配策略为：
其中，V和α为算法的超参数，集合为可行的功率分配集合，p(t)为多用户网络的中央控制器在时刻t时的功率分配决策向量，/>为U(p(t-1))的梯度。
CN202110851680.8A 2021-07-27 2021-07-27 多用户网络集中式自适应功率分配设计方法及装置 Active CN113573416B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110851680.8A CN113573416B (zh) 2021-07-27 2021-07-27 多用户网络集中式自适应功率分配设计方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110851680.8A CN113573416B (zh) 2021-07-27 2021-07-27 多用户网络集中式自适应功率分配设计方法及装置

Publications (2)

Publication Number Publication Date
CN113573416A CN113573416A (zh) 2021-10-29
CN113573416B true CN113573416B (zh) 2024-03-29

Family

ID=78167997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110851680.8A Active CN113573416B (zh) 2021-07-27 2021-07-27 多用户网络集中式自适应功率分配设计方法及装置

Country Status (1)

Country Link
CN (1) CN113573416B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107508646A (zh) * 2017-10-09 2017-12-22 天津理工大学 一种面向认知无线电网络的跨层干扰受限的功率分配方法
CN109151975A (zh) * 2018-07-27 2019-01-04 北京工业大学 一种时分双工大规模mimo系统的联合动态导频和数据功率分配方法
CN111769856A (zh) * 2020-07-30 2020-10-13 重庆邮电大学 用于oam-mimo动态信道的功率分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3753140A1 (en) * 2018-02-14 2020-12-23 Telefonaktiebolaget LM Ericsson (publ) Link adaptation correction for low latency mu-mimo

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107508646A (zh) * 2017-10-09 2017-12-22 天津理工大学 一种面向认知无线电网络的跨层干扰受限的功率分配方法
CN109151975A (zh) * 2018-07-27 2019-01-04 北京工业大学 一种时分双工大规模mimo系统的联合动态导频和数据功率分配方法
CN111769856A (zh) * 2020-07-30 2020-10-13 重庆邮电大学 用于oam-mimo动态信道的功率分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Adaptive Power Allocation and Control in Time-Varying Multi-Carrier MIMO Networks;Ioannis Stiakogiannakis 等;《arXiv:1503.02155v1 [cs.IT]》;全文 *
基于遗传算法的认知无线电网络共同信道和功率最优分配;刘超 等;《南京邮电大学学报( 自然科学版)》;第32卷(第6期);全文 *

Also Published As

Publication number Publication date
CN113573416A (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
CN109729528B (zh) 一种基于多智能体深度强化学习的d2d资源分配方法
CN109600178B (zh) 一种边缘计算中能耗与时延和最小化的优化方法
JP5664882B2 (ja) 通信システムにおけるユーザスケジューリング及び送信電力制御方法、及び装置
Hieu et al. Optimal power allocation for rate splitting communications with deep reinforcement learning
Yang et al. Twin-timescale radio resource management for ultra-reliable and low-latency vehicular networks
CN104378772B (zh) 一种蜂窝网络中面向小区无定形覆盖的小基站部署方法
CN107094060A (zh) 基于非合作博弈的分布式超密集异构网络干扰协调方法
CN108990071B (zh) 一种基于noma的cr网络系统中两步走的功率分配方法
CN114867030B (zh) 双时间尺度智能无线接入网切片方法
Ahmed et al. Optimal stochastic power control for energy harvesting systems with delay constraints
Wang et al. Online convex optimization for efficient and robust inter-slice radio resource management
CN104770036A (zh) 用于实现无线系统中最佳效率-Jain公平性的系统和方法
CN102665219B (zh) 一种基于ofdma的家庭基站系统的动态频谱分配方法
Abdelhakam et al. A cooperation strategy based on bargaining game for fair user-centric clustering in cloud-RAN
CN113162662A (zh) 一种CF-mMIMO下的用户分簇及功率分配方法
Yin et al. Decentralized federated reinforcement learning for user-centric dynamic TFDD control
Yan et al. Self-imitation learning-based inter-cell interference coordination in autonomous HetNets
CN113573416B (zh) 多用户网络集中式自适应功率分配设计方法及装置
Li et al. A general DRL-based optimization framework of user association and power control for HetNet
Wang et al. Inter-slice radio resource management via online convex optimization
CN105611640B (zh) 一种公平度可调的CoMP下行用户调度方法
CN116318288A (zh) 一种基于智能反射面的mimo全双工功率分配方法
CN115767703A (zh) 面向swipt辅助去蜂窝大规模mimo网络的长期功率控制方法
Kim Femtocell network power control scheme based on the weighted voting game
CN105228233B (zh) 一种认知无线网络中基于单调性优化与线性搜索的功率控制方法

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