CN114679206B - 一种基于虚拟信道模型的功率分配算法 - Google Patents
一种基于虚拟信道模型的功率分配算法 Download PDFInfo
- Publication number
- CN114679206B CN114679206B CN202210300056.3A CN202210300056A CN114679206B CN 114679206 B CN114679206 B CN 114679206B CN 202210300056 A CN202210300056 A CN 202210300056A CN 114679206 B CN114679206 B CN 114679206B
- Authority
- CN
- China
- Prior art keywords
- user
- channel
- model
- users
- power
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 42
- 238000001228 spectrum Methods 0.000 claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 230000006854 communication Effects 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 19
- 238000002347 injection Methods 0.000 claims abstract description 17
- 239000007924 injection Substances 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000001149 cognitive effect Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000012141 concentrate Substances 0.000 claims description 4
- 238000005562 fading Methods 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 2
- 238000012804 iterative process Methods 0.000 claims description 2
- 239000000243 solution Substances 0.000 description 9
- 230000003920 cognitive function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000411 inducer Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0426—Power distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0426—Power distribution
- H04B7/0434—Power distribution using multiple eigenmodes
- H04B7/0443—Power distribution using multiple eigenmodes utilizing "waterfilling" technique
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0001—Arrangements for dividing the transmission path
- H04L5/0003—Two-dimensional division
- H04L5/0005—Time-frequency
- H04L5/0007—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0058—Allocation criteria
- H04L5/006—Quality of the received signal, e.g. BER, SNR, water filling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基于虚拟信道模型的功率分配算法。该方法包括：构建频谱资源受限条件下的虚拟信道模型；将虚拟信道模型应用于分布式的网络架构，构建多用户信道总容量优化模型；采用注水算法求解所述多用户信道总容量优化模型，得到频谱资源自优化方案。本发明基于虚拟信道模型功率分配算法，适用于无线通信系统的用户数大于可用信道数的OFDMA频谱资源受限场景，可以解决现有技术无法进行动态调整分配顺序且复杂度较高的问题，通过增加虚拟信道数量的方法，让算法中的信道数大于用户数，从而解决资源受限条件下OFDMA功率优化分配问题。
Description
技术领域
本发明涉及无线通信技术领域，尤其涉及一种基于虚拟信道模型的功率分配算法。
背景技术
随着无线通信技术的不断发展以及无线接入设备数量的指数式增长，频谱资源紧缺的问题日益严峻。另一方面，固定的无线通信系统频谱资源配置方案无法充分利用现有的频谱资源。当通信系统用户数量远大于可用频谱资源时，系统内的竞争程度更加激烈，频谱分配效率可能更低。
因此，如何高效且合理地分配现有的频谱资源成为了一个亟待解决的问题。
发明内容
本发明的实施例提供了一种基于虚拟信道模型的功率分配算法，以解决现有技术无法进行动态调整分配顺序且复杂度较高的问题。
为了实现上述目的，本发明采取了如下技术方案。
一种基于虚拟信道模型的功率分配算法，包括：
构建频谱资源受限条件下的虚拟信道模型；
将所述虚拟信道模型应用于分布式的网络架构，构建多用户信道总容量优化模型；
采用注水算法求解所述多用户信道总容量优化模型，得到频谱资源自优化方案。
优选地，所述的构建频谱资源受限条件下的虚拟信道模型，包括：
当通信系统的用户数量大于可用频谱资源时，在虚拟信道模型中设置与真实信道相对立的虚拟信道，增加虚拟信道的数量，使信道数量等于用户数量，构建频谱资源受限条件下的多用户的虚拟信道模型。
优选地，在所述频谱资源受限条件下的多用户的虚拟信道模型中，每对用户有一个发送方和接收方，对于用户k其接收到的信号为：
其中hkk表示用户k的信道增益，hki表示用户i对用户k的信道干扰增益，xk为发送信号，vk为噪声信号；
若信道为瑞利平坦衰落信道，则信号和噪声均服从零均值高斯分布，根据香农理论，用户k的信道容量为：
其中，pk为xk的功率，σk为vk的功率。
优选地，所述的将所述虚拟信道模型应用于分布式的网络架构，构建多用户信道总容量优化模型，包括：
将虚拟信道模型应用于分布式的OFDMA系统中，将OFDMA系统的频谱资源划分为M个正交的子载波，OFDMA系统中所有授权用户共用M个子信道，在某一时刻t0，有K对用户进行通信，系统中仅有N个子信道供用户使用，N≤M，对于第n个子信道，hkk[n]表示用户k的信道增益，hki[n]表示用户i(i≠k)对用户k造成的干扰信道增益；pk[n]代表用户k发射的信号功率，σk[n]代表噪声功率，得到OFDMA系统的k个用户信道总容量优化模型为：
ck[n]为归一化的用户k受到的噪声总和；
在OFDMA系统模型中限定用户发射信号总功率满足条件：
pk[n]表示用户k在不同信道上的功率分配，而Pk表示用户k的功率上限，Sk表示用户k的策略空间。
优选地，所述的采用注水算法求解所述多用户信道总容量优化模型，得到频谱资源自优化方案，包括：
采用基于认知纳什博弈理论的注水算法求解所述多用户信道总容量优化模型，公式如下：
其中，为注水线，与用户的最大功率限值有关；
基于当前噪声测量值使用户根据给出的pk对可能得到的/>进行预测，使用户自身的功率配置不断优化，最终使整个OFDMA系统达到均衡状态，/>的预测值采用以下公式计算：
为第n个子信道的噪声功率预测值，/>为认知函数；
包含虚拟信道的信道模型中归一化噪声采用如下公式计算：
R为虚拟信道的个数，R＝K-N，诱导因子λ的取值与信道初始噪声有关；
得到系统中用户的功率分配公式：
在虚拟信道模型中，信道数量n，用户数量k，信道状态是能够变化的，以最大化系统容量为目标求解所述多用户信道总容量优化模型，实现在真实信道上通信条件好的用户竞争得到无线资源的使用权；而真实信道上通信条件差的用户，在算法迭代过程中将发射功率集中在虚拟信道上，用户表现为停止占用无线资源。
由上述本发明的实施例提供的技术方案可以看出，本发明基于虚拟信道模型功率分配算法，适用于无线通信系统的用户数大于可用信道数的OFDMA频谱资源受限场景，可以解决现有技术无法进行动态调整分配顺序且复杂度较高的问题。
本发明附加的方面和优点将在下面的描述中部分给出，这些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
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为本发明实施例提供的一种基于虚拟信道模型的功率分配算法的处理流程图；
图2为本发明实施例提供的一种多用户干扰信道模型图。
图3为本发明实施例提供的一种本发明OFDMA系统信道占用模型图。
图4为本发明实施例提供的一种多用户信道总容量优化模型的求解算法流程图。
图5为本发明实施例提供的一种本发明虚拟信道模型。
图6为本发明实施例提供的一种基于虚拟信道模型的功率分配算法的性能展示图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式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方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
本发明提供的一种基于虚拟信道模型的功率分配算法的处理流程如图1所示，包括如下步骤：
步骤S1：构建频谱资源受限条件下的虚拟信道模型。
步骤S2：将虚拟信道模型应用于分布式的网络架构，构建多用户信道总容量优化模型。
步骤S3：采用注水算法求解上述多用户信道总容量优化模型，得到频谱资源自优化方案。
上述步骤S1具体包括：本发明实施例基于认知的纳什博弈模型提出了虚拟信道模型，构建频谱资源受限条件下的虚拟信道模型。在虚拟信道模型中设置了与真实信道相对立的虚拟信道，通过增加虚拟信道的数量，使信道数量等于用户数量，从而将“频谱资源受限”这一条件消除。
根据用户自身观测到的信道状态来设置参数不同的虚拟信道，且用户在不依赖中心节点以及用户间相互通信的情况下，仅通过判断自身现有的通信条件进行决策，降低通信开销的同时合理且高效地解决了频谱分配问题，极大地提升了系统整体容量。
将虚拟信道模型与传统的注水算法相结合，赋予用户认知预测能力，通过对真实信道条件和虚拟信道条件的对比，在真实信道上通信条件好的用户可以竞争得到无线资源的使用权；而真实信道上通信条件差的用户，在算法计算中将发射功率集中在虚拟信道上，实际上用户表现为停止占用无线资源，为有优势的用户自动让出频段，从而有效地避免用户间干扰，提升系统信道容量。
图2为本发明实施例提供的一种多用户干扰信道模型示意图，每对用户有一个发送方和接收方，实线表示用户发射天线和接收天线之间的通信信道，虚线表示不同用户间的干扰信道。对于用户k其接收到的信号为：
其中hkk表示用户k的信道增益，hki表示用户i对用户k的信道干扰增益，xk为发送信号，vk为噪声信号。
若信道为瑞利平坦衰落信道，则信号和噪声均服从零均值高斯分布，根据香农理论，用户k的信道容量为：
其中，pk为xk的功率，σk为vk的功率。
上述步骤S2具体包括：将虚拟信道模型应用于分布式的网络架构。在如图3所示为OFDMA(Orthogonal Frequency Division Multiple Access，正交频分多址)系统中，频谱资源被划分为M个正交的子载波，系统中所有授权用户共用M个子信道。在某一时刻t0，有K对用户进行通信，而此时系统中仅有N(N≤M)个子信道供用户使用。对于第n个子信道，hkk[n]表示用户k的信道增益，hki[n]表示用户i(i≠k)对用户k造成的干扰信道增益；pk[n]代表用户k发射的信号功率，σk[n]代表噪声功率。由此得到系统k个用户信道总容量优化模型：
ck[n]为归一化的用户k受到的噪声总和。
由此可知，整个系统的信道容量与每个用户的功率有关，因此频谱资源的分配，实质上是对用户功率pk的分配。由于实际发射机的发射功率不可能无限增加，在模型中通常限定用户发射信号总功率满足条件：
pk[n]表示用户k在不同信道上的功率分配，而Pk表示用户k的功率上限，Sk表示用户k的策略空间。
上述步骤S3具体包括：图4为本发明实施例提供的一种多用户信道总容量优化模型的求解算法流程图。
虚拟信道的参数应根据通信用户测量得到的真实信道的参数去设定，设定策略能够引导系统内所有用户选择对所有人有利的策略，使整个系统的频谱资源利用率最大化。为求解多用户信道总容量优化模型，采用基于认知纳什博弈理论的注水算法，公式如下：
其中，为注水线，它与用户的最大功率限值有关。
基于当前噪声测量值使用户根据给出的pk对可能得到的/>进行预测，从而使用户自身的功率配置不断优化，最终使整个系统达到均衡状态。
的预测值采用以下公式计算：
为第n个子信道的噪声功率预测值。/>为认知函数，通过选取不同的认知函数得到不同的均衡解，其中在下面的仿真成果展示中/>的值为：
用户的认知预测能力由认知函数决定，认知函数的选取对用户的认知预测能力有着决定性的作用。由上述公式可以看出，认知函数与当前时刻的信道噪声功率以及用户的发射功率有关，通过均衡解分析以及仿真验证，采用上述形式的认知函数计算得出的噪声功率预测值在注水算法中性能最优。
频谱资源分配的动态规划问题可看做用户间资源的竞争问题，因此噪声功率的预测表达式是基于认知纳什博弈理论得出。认知纳什博弈模型是一种自由博弈模型，自由竞争以及均衡解的存在性是其固有的特性。因此，用户可以自由竞争，不分先后的求解均衡。
对于频谱资源受限即通信用户数量大于可用信道数量的条件下，采用如图5所示的虚拟信道模型。在该虚拟信道模型中，存在两种信道，即真实信道和虚拟信道，虚拟信道用虚线标识。则包含虚拟信道的信道模型中归一化噪声采用如下公式计算：
R为虚拟信道的个数，一般地，R＝K-N。诱导因子λ的取值与信道初始噪声有关。
由此，得到应用了虚拟信道模型的OFDMA系统中用户的功率分配公式为：
上述表达式中，为注水线，注水线的设定与用户发射总功率有关；
为t时刻用户k在第n个子信道上的归一化噪声功率；而/>为t时刻用户k在第n个子信道上的功率值；/>为认知函数，对于每个不同用户的不同子信道，都有其不同取值。
在虚拟信道模型中，信道数量n，用户数量k，信道状态都是可以变化的，所有用户处于一种自由竞争的状态。以最大化系统容量为目标求解上述多用户信道总容量优化模型，实现在真实信道上通信条件好的用户可以竞争得到无线资源的使用权；而真实信道上通信条件差的用户，在算法迭代过程中将发射功率集中在虚拟信道上，实际上用户表现为停止占用无线资源，为有优势的用户自动让出频段，从而有效地避免用户间干扰，提升系统信道容量。
上述本发明的算法可以应用于各种通信系统中，包括但不限于使用了OFDMA，Massive MIMO等技术的通信系统，在实际应用中应当根据认知纳什博弈理论，合理构建虚拟信道模型，保证认知纳什博弈均衡的存在性，以达到通信系统总吞吐量的最大化。
图6为本发明实施例的基于虚拟信道模型的功率分配算法的性能展示图。
在初始化过程中，本发明采用瑞利衰落信道模拟真实信道，干扰常数h表示用户之间干扰hki[n]的方差，图6反映了该常数对系统容量的影响。可以看到当h＝0.1时，本发明所述算法取得了高于最优算法的求解，这是因为在用户间干扰较小的情况下，不同用户可以共用同一个信道，本发明采用的基于虚拟信道模型的功率分配算法可以自适应信道状态，从而达到动态功率分配，以最大化系统容量。
本发明实施例将虚拟信道模型与注水算法相结合，使系统内的用户自由竞争有限的频谱资源，使系统总吞吐量最大化。在通信过程中，当整个系统被较大遮挡物分成多个子系统，则每个子系统间的干扰可以忽略不计，形成一种“空分复用”的效果的。
综上所述，本发明实施例基于虚拟信道模型功率分配算法，适用于无线通信系统的用户数大于可用信道数的OFDMA频谱资源受限场景，可以解决现有技术无法进行动态调整分配MA场景下的虚拟信道模型。
本发明实施例提出了基于虚拟信道模型功率分配算法，通过增加虚拟信道数量的方法，让算法中的信道数大于用户数，从而解决资源受限条件下OFDMA功率优化分配问题；分布式网络架构下虚拟信道模型的应用(S2)：将虚拟信道模型应用于分布式的网络架构，避免了不同用户间相互传递信道信息和复杂的信道条件比较与排序，算法简单高效，用户仅需观察自己信道的噪声强度，就可以完成分布式的优化过程。虚拟信道模型与注水算法构建频谱资源自优化方案(S3)：将虚拟信道模型与注水算法相结合，使系统内的用户自由竞争有限的频谱资源，使系统总吞吐量最大化。
基于认知纳什博弈理论，通信系统中的所有用户具有认知预测的能力，可以自由竞争，不分先后求解均衡。所述算法避免了不同用户间相互传递信道信息和复杂的信道条件比较与排序，算法简单高效，用户仅需观察自己信道的噪声强度，就可以完成分布式的优化过程，减少了通信成本，且对于所有用户来说，降低了噪声干扰，提高了信噪比；另一方面，非合作式的通信系统保障了用户的隐私，降低了信息泄露与安全攻击的可能性。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (1)
1.一种基于虚拟信道模型的功率分配方法，其特征在于，包括：
构建频谱资源受限条件下的虚拟信道模型；
将所述虚拟信道模型应用于分布式的网络架构，构建多用户信道总容量优化模型；
采用注水算法求解所述多用户信道总容量优化模型，得到频谱资源自优化方案；
所述的构建频谱资源受限条件下的虚拟信道模型，包括：
当通信系统的用户数量大于可用频谱资源时，在虚拟信道模型中设置与真实信道相对立的虚拟信道，增加虚拟信道的数量，使信道数量等于用户数量，构建频谱资源受限条件下的多用户的虚拟信道模型；
在所述频谱资源受限条件下的多用户的虚拟信道模型中，每对用户有一个发送方和接收方，对于用户k其接收到的信号为：
其中hkk表示用户k的信道增益，hki表示用户i对用户k的信道干扰增益，xk为发送信号，vk为噪声信号；
若信道为瑞利平坦衰落信道，则信号和噪声均服从零均值高斯分布，根据香农理论，用户k的信道容量为：
其中，pk为xk的功率，σk为vk的功率；
所述的将所述虚拟信道模型应用于分布式的网络架构，构建多用户信道总容量优化模型，包括：
将虚拟信道模型应用于分布式的OFDMA系统中，将OFDMA系统的频谱资源划分为M个正交的子载波，OFDMA系统中所有授权用户共用M个子信道，在某一时刻t0，有K对用户进行通信，系统中仅有N个子信道供用户使用，N≤M，对于第n个子信道，hkk[n]表示用户k的信道增益，hki[n]表示用户i，i≠k，对用户k造成的干扰信道增益；pk[n]代表用户k发射的信号功率，σk[n]代表噪声功率，得到OFDMA系统的k个用户信道总容量优化模型为：
ck[n]为归一化的用户k受到的噪声总和；
在OFDMA系统模型中限定用户发射信号总功率满足条件：
pk[n]表示用户k在不同信道上的功率分配，而Pk表示用户k的功率上限，Sk表示用户k的策略空间；
所述的采用注水算法求解所述多用户信道总容量优化模型，得到频谱资源自优化方案，包括：
采用基于认知纳什博弈理论的注水算法求解所述多用户信道总容量优化模型，公式如下：
其中，为注水线，与用户的最大功率限值有关；
基于当前噪声测量值使用户根据给出的pk对可能得到的/>进行预测，使用户自身的功率配置不断优化，最终使整个OFDMA系统达到均衡状态，/>的预测值采用以下公式计算：
为第n个子信道的噪声功率预测值，/>为认知函数，/>为t时刻用户k在第n个子信道上的功率值；
包含虚拟信道的信道模型中当前噪声测量值采用如下公式计算：
R为虚拟信道的个数，R＝K-N，诱导因子λ的取值与信道初始噪声有关；
得到系统中用户的功率分配公式：
在虚拟信道模型中，当前噪声测量值是能够变化的，以最大化系统容量为目标求解所述多用户信道总容量优化模型，实现在真实信道上通信条件好的用户竞争得到无线资源的使用权；而真实信道上通信条件差的用户，在算法迭代过程中将发射功率集中在虚拟信道上，用户表现为停止占用无线资源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210300056.3A CN114679206B (zh) | 2022-03-25 | 2022-03-25 | 一种基于虚拟信道模型的功率分配算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210300056.3A CN114679206B (zh) | 2022-03-25 | 2022-03-25 | 一种基于虚拟信道模型的功率分配算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114679206A CN114679206A (zh) | 2022-06-28 |
| CN114679206B true CN114679206B (zh) | 2024-04-05 |
Family
ID=82073304
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210300056.3A Active CN114679206B (zh) | 2022-03-25 | 2022-03-25 | 一种基于虚拟信道模型的功率分配算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114679206B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006039803A1 (en) * | 2004-10-13 | 2006-04-20 | Mcmaster University | Transmit power control techniques for wireless communication systems |
| WO2011109937A1 (zh) * | 2010-03-10 | 2011-09-15 | 上海贝尔股份有限公司 | 在认知无线网络中用于信道和/或功率分配的方法及设备 |
| CN107071785A (zh) * | 2016-10-09 | 2017-08-18 | 南通大学 | 一种协作多中继认知无线网络的频谱分配方法 |
-
2022
- 2022-03-25 CN CN202210300056.3A patent/CN114679206B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006039803A1 (en) * | 2004-10-13 | 2006-04-20 | Mcmaster University | Transmit power control techniques for wireless communication systems |
| WO2011109937A1 (zh) * | 2010-03-10 | 2011-09-15 | 上海贝尔股份有限公司 | 在认知无线网络中用于信道和/或功率分配的方法及设备 |
| CN107071785A (zh) * | 2016-10-09 | 2017-08-18 | 南通大学 | 一种协作多中继认知无线网络的频谱分配方法 |
Non-Patent Citations (1)
| Title |
|---|
| 任杰.频谱资源自优化分配算法的研究.《中国优秀博硕士学位论文全文数据库》.2015,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114679206A (zh) | 2022-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Scheduling policies for federated learning in wireless networks | |
| JP5496203B2 (ja) | マルチセル環境において送信電力パターンを変更するための方法 | |
| CN106454920B (zh) | 一种lte与d2d混合网络中基于时延保证的资源分配优化算法 | |
| CN103442366B (zh) | 一种基于干扰对齐的认知无线电用户空分复用方法 | |
| Al-Imari et al. | Low complexity subcarrier and power allocation algorithm for uplink OFDMA systems | |
| Liu et al. | Energy-efficient resource allocation in full-duplex relaying networks | |
| CN105050191B (zh) | 基于时延QoS与公平的多用户安全认知网络资源分配方法 | |
| CN102256360A (zh) | 认知无线电系统中基于背包问题的资源分配方法 | |
| Xin et al. | Antenna clustering for bidirectional dynamic network with large-scale distributed antenna systems | |
| Pattanayak et al. | Combined user and antenna scheduling scheme for MIMO–OFDM networks | |
| Yang et al. | Heterogeneous semi-blind interference alignment in finite-SNR networks with fairness consideration | |
| CN111682915B (zh) | 一种频谱资源自分配方法 | |
| CN114679206B (zh) | 一种基于虚拟信道模型的功率分配算法 | |
| CN113055322A (zh) | 5g专网与公网上下行通信方法和装置 | |
| Shankar et al. | Examination of User Pairing NOMA System Considering the DQN Scheme over Time-Varying Fading Channel Conditions. | |
| Sarker et al. | Uplink power allocation scheme for user-centric cell-free massive MIMO systems | |
| US20090080376A1 (en) | Power Control and Channel Selection in a Multi Channel Communication System | |
| CN116546506A (zh) | 基于drl的多小区通信感知一体化系统的资源分配方法 | |
| Zeng et al. | Sum-rate maximization under QoS constraint in MIMO-NOMA systems | |
| Wang et al. | A windowing-based joint user pairing and resource allocation algorithm for V-MIMO systems | |
| Chen et al. | Cross-layer optimization for spectrum aggregation-based cognitive radio ad-hoc networks | |
| Stiakogiannakis et al. | Adaptive power allocation and control in time-varying multi-carrier MIMO networks | |
| Perlaza et al. | On the benefits of bandwidth limiting in decentralized vector multiple access channels | |
| Lee et al. | QC 2 LinQ: QoS and channel-aware distributed link scheduler for D2D communication | |
| Marinello et al. | Massive MIMO pilot assignment optimization based on total capacity |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221206 Address after: 100044 Beijing city Haidian District Xizhimen Shangyuan Village No. 3 Applicant after: Beijing Jiaotong University Applicant after: CRRC QINGDAO SIFANG Co.,Ltd. Address before: 100044 Beijing city Haidian District Xizhimen Shangyuan Village No. 3 Applicant before: Beijing Jiaotong University |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |