CN114679791A - 煤矿物联网异构网络资源分配方法及系统 - Google Patents

煤矿物联网异构网络资源分配方法及系统 Download PDF

Info

Publication number
CN114679791A
CN114679791A CN202210540186.4A CN202210540186A CN114679791A CN 114679791 A CN114679791 A CN 114679791A CN 202210540186 A CN202210540186 A CN 202210540186A CN 114679791 A CN114679791 A CN 114679791A
Authority
CN
China
Prior art keywords
internet
things
micro
resource allocation
coal mine
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.)
Pending
Application number
CN202210540186.4A
Other languages
English (en)
Inventor
赵清
杨维
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong 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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202210540186.4A priority Critical patent/CN114679791A/zh
Publication of CN114679791A publication Critical patent/CN114679791A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • 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
    • H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
    • 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
    • H04W72/543—Allocation or scheduling criteria for wireless resources based on quality criteria based on requested quality, e.g. QoS

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种煤矿物联网异构网络资源分配方法及系统，属于通信网络资源分配技术领域。本发明与传统的基于OFDMA的数据传输技术相比，通过采用NOMA传输技术，可以显著提升煤矿物联网的系统容量及频谱利用率，此外，异构网络中的微基站基础设施也保证了矿山中大量边缘设备的通信可靠性；重点考虑了微基站网络中IoTDs的能效优化问题，此外，在联合功率和子信道资源分配过程中，考虑了IoTD数据传输时的相关链路中的信道不确定性，因此提高了煤矿物联网系统资源分配的可靠性和能效性。

Description

煤矿物联网异构网络资源分配方法及系统
技术领域
本发明涉及通信网络资源分配技术领域，具体涉及一种煤矿物联网异构网络资源分配方法及系统。
背景技术
随着煤矿物联网智能化水平的不断提升，大规模智能感知设备的信息传输将加剧对网络带宽和系统容量的需求。但是，煤矿通信系统中现有的无线通信技术，如WiFi、4GLTE、ZigBee和LoRa等等，这些技术无法支持多感知设备的可靠接入和大容量数据高速传输。在实际的矿山应用场景中，信号传输距离较长，障碍物较多，数据传输会受到物理信道的估计误差、反馈时延和量化误差的影响，很难获取矿山中真实的信道状态信息。此外，在物联网应用中广泛提倡绿色通信和节能通信，随着大规模智能设备的频繁联网，能效优化是提高煤矿物联网资源利用率和能效的一种有效途径。
发明内容
本发明的目的在于提供一种能够提高物联网的网络容量以及保证边缘设备的通信需求，在不完美信道状态信息条件下将网络资源合理分配不同类型的物联网设备的煤矿物联网异构网络资源分配方法及系统，以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的，本发明采取了如下技术方案：
一方面，本发明提供一种煤矿物联网异构网络资源分配方法，所述煤矿物联网异构网络包括一个矿用宏基站和多个微基站，宏基站负责服务多个宏用户移动设备，微基站负责服务多个微用户物联网设备；
对基站进行网络传输干扰分析，构建能效最大化的资源分配模型；所述能效最大化的资源分配模型为：
Figure BDA0003649999390000021
其中，
Figure BDA0003649999390000022
表示微用户物联网设备的子信道分配因子向量；
Figure BDA0003649999390000023
为微用户物联网设备的分配功率向量；C1表示子信道约束，C2表示所有微基站的发射功率限制，Pmax为煤矿物联网网络要求的最大发射功率阈值，C3表示微基站对宏用户移动设备的最大干扰约束，Ithr为宏用户移动设备通信受到的最大干扰阈值；C4表示微用户物联网设备正常通信的QoS要求，Rmin表示微用户物联网设备要求的最小速率阈值；EE表示所有微用户物联网设备的总能效，
Figure BDA0003649999390000024
表示微基站到宏用户设备的信道增益；
结合凸松弛法和拉格朗日对偶法求解所述能效最大化的资源分配模型，得到微用户物联网设备的最优子信道分配因子、最优分配功率和最优能效。
优选的，采用凸松弛法将变量
Figure BDA0003649999390000025
转换为一个在[0,1]区间内变化的连续实变量，引入一个辅助变量
Figure BDA0003649999390000026
将原优化问题P1转换为P2，即
Figure BDA0003649999390000027
其中，
Figure BDA0003649999390000028
表示微用户物联网设备i通过子信道k可实现的传输速率，Pc表示微用户物联网设备总电路功率消耗，ε表示功率放大系数；
在问题P2中主要考虑约束条件C4中的信道不确定性。因此可以得到优化问题P3，如下所示
Figure BDA0003649999390000031
s.t.:C5,C6,C7,C4,
Figure BDA0003649999390000032
其中，
Figure BDA0003649999390000033
和
Figure BDA0003649999390000034
分别表示微用户物联网设备与微基站之间链路、宏用户设备与微用户物联网设备之间链路的信道不确定性集合。
优选的，
Figure BDA0003649999390000035
和
Figure BDA0003649999390000036
采用有界不确定性集合可以分别表示为
Figure BDA0003649999390000037
Figure BDA0003649999390000038
其中，
Figure BDA0003649999390000039
和
Figure BDA00036499993900000310
分别表示误差上界；因此，约束C4等价于下式
Figure BDA00036499993900000311
式中，第一项是确定函数，
Figure BDA00036499993900000312
第二项是保护函数；
由于微用户物联网设备的传输速率
Figure BDA00036499993900000313
是关于
Figure BDA00036499993900000314
的单调递增函数，因此，存在
Figure BDA00036499993900000315
根据式(18)，存在
Figure BDA00036499993900000316
定义
Figure BDA0003649999390000041
这里采用二元函数泰勒展开式求解，即
Figure BDA0003649999390000042
其中，
Figure BDA0003649999390000043
表示高阶无穷小，则
Figure BDA0003649999390000044
可以转换为
Figure BDA0003649999390000045
则，约束条件C4可以转换为C9
Figure BDA0003649999390000046
其中，
Figure BDA0003649999390000047
式中，
Figure BDA0003649999390000048
表示确定的干扰功率；
则，将优化问题P3重新表述为P4，即
Figure BDA0003649999390000049
Figure BDA00036499993900000410
C5,C6,C7
优选的，问题P4中的目标函数是一个分数形式，采用Dinkelbach方法进行简化，将P4中的目标函数等价地转换为一个凸对等体式，将P4的最优值定义为q*，则问题P4的最优能效可以定义为
Figure BDA0003649999390000051
其中，
Figure BDA0003649999390000052
和
Figure BDA0003649999390000053
分别表示问题P4的最优子信道分配因子和最优功率分配；则
Figure BDA0003649999390000054
则问题P4可以描述为
Figure BDA0003649999390000055
式中，q≥0表示所有微基站网络的总能效。
优选的，采用连续凸近似法将P5转化为一个凸优化问题，利用下界迭代法得到最优解；根据式(22)，将IoTD(u,i)复用子信道k传输的SINR重新定义为
Figure BDA0003649999390000056
因此，IoTD(u,i)复用子信道k传输的数据速率可近似计算为
Figure BDA0003649999390000057
式中，
Figure BDA0003649999390000058
其中，
Figure BDA0003649999390000059
表示IoTD(u,i)复用子信道k时的前一次迭代得到的SINR值；
则问题P5可以转换为问题P6，即
Figure BDA0003649999390000061
其中，将Dinkelbach方法下的迭代因子表示为t∈{1,2,...,Iouter}，其中，Iouter为外部最大迭代次数；假设在第t次迭代中计算
Figure BDA0003649999390000062
和q(t-1)值，则式(29)中的优化问题的增强拉格朗日函数可以定义为
Figure BDA0003649999390000063
其中，λu≥0，ωn≥0，
Figure BDA0003649999390000064
和
Figure BDA0003649999390000065
分别为P6中四个约束条件所对应的拉格朗日乘子；
则，P6的拉格朗日函数表示为
Figure BDA0003649999390000066
其中，
Figure BDA0003649999390000067
优选的，通过利用拉格朗日对偶法，P6可以表示为一个极小极大问题
Figure BDA0003649999390000068
根据凸问题KKT条件，最优功率分配求解为
Figure BDA0003649999390000071
其中，[x]+＝max{0,x}；
对式(34)求关于
Figure BDA0003649999390000072
的一阶偏导，得到子信道最优分配因子
Figure BDA0003649999390000073
即
Figure BDA0003649999390000074
其中，
Figure BDA0003649999390000075
即
Figure BDA0003649999390000076
值最大的IoTD(u,i)将占用子信道k，得到
Figure BDA0003649999390000077
按照下式更新拉格朗日乘子，计算如下
Figure BDA0003649999390000078
Figure BDA0003649999390000079
Figure BDA00036499993900000710
Figure BDA00036499993900000711
其中，τ∈{1,2,...,Iinner}表示拉格朗日乘子的迭代次数，Iinner表示拉格朗日对偶分解的收敛次数，μ1,μ2,μ3和μ4表示步长大小。
第二方面，本发明提供一种煤矿物联网异构网络资源分配系统，所述煤矿物联网异构网络包括一个矿用宏基站和多个微基站，宏基站负责服务多个宏用户移动设备，微基站负责服务多个微用户物联网设备；所述系统包括：
构建模块，用于对基站进行网络传输干扰分析，构建能效最大化的资源分配模型；所述能效最大化的资源分配模型为：
Figure BDA0003649999390000081
其中，
Figure BDA0003649999390000082
表示微用户物联网设备的子信道分配因子向量；
Figure BDA0003649999390000083
为微用户物联网设备的分配功率向量；C1表示子信道约束，C2表示所有微基站的发射功率限制，Pmax为煤矿物联网网络要求的最大发射功率阈值，C3表示微基站对宏用户移动设备的最大干扰约束，Ithr为宏用户移动设备通信受到的最大干扰阈值；C4表示微用户物联网设备正常通信的QoS要求，Rmin表示微用户物联网设备要求的最小速率阈值；EE表示所有微用户物联网设备的总能效，
Figure BDA0003649999390000084
表示微基站到宏用户设备的信道增益；
分配模块，用于结合凸松弛法和拉格朗日对偶法求解所述能效最大化的资源分配模型，得到微用户物联网设备的最优子信道分配因子、最优分配功率和最优能效。
第三方面，本发明提供一种计算机设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如上所述的煤矿物联网异构网络资源分配方法。
第四方面，本发明提供一种电子设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如上所述的煤矿物联网异构网络资源分配方法。
第五方面，本发明提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的煤矿物联网异构网络资源分配方法。
术语解释：
NOMA——即非正交多址接入，5G技术中的一种关键技术，通过功率域复用技术，可以将同一资源块分配给多个用户使用，即首先在基站发送端采用非正交的方式发送叠加信号，然后在用户接收端通过串行干扰消除技术依次解码从而实现用户的正确解调。
煤矿物联网——指通过将矿山内部署的海量智能设备连接在一起，实现矿山数据中心对全矿区状态感知和信息交互的一种工业物联网。
异构网络——指在煤矿物联网通信系统中部署了两种类型的基站，包括宏基站和微基站，其分别负责服务于不同类型的矿用智能通信设备。
本发明有益效果：使不同类型的设备可以复用相同的子信道资源同时进行数据传输，以提高煤矿物联网中5G智能设备的接入量；另一方面，通过采用两种异构类型的基站基础设施保证了矿山边缘设备的通信覆盖度；在资源分配过程中考虑了物联网设备传输链路的不完美信道状态信息条件，不仅保证了物联网设备的QoS需求，也提高煤矿物联网系统的能效性。
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为本发明实施例所述的基于NOMA的5G煤矿物联网异构网络系统架构示意图。
图2为本发明实施例所述的信道干扰分析示例示意图。
图3为本发明实施例所述的联合功率和子信道分配的煤矿物联网迭代资源分配算法流程图。
具体实施方式
下面详细叙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。
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、元件和/或它们的组。
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。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。
为便于理解本发明，下面结合附图以具体实施例对本发明作进一步解释说明，且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解，附图只是实施例的示意图，附图中的部件并不一定是实施本发明所必须的。
实施例1
本实施例1提供了一种煤矿物联网异构网络资源分配系统，所述煤矿物联网异构网络包括一个矿用宏基站和多个微基站，宏基站负责服务多个宏用户移动设备，微基站负责服务多个微用户物联网设备；所述系统包括：
构建模块，用于对基站进行网络传输干扰分析，构建能效最大化的资源分配模型；
分配模块，用于结合凸松弛法和拉格朗日对偶法求解所述能效最大化的资源分配模型，得到微用户物联网设备的最优子信道分配因子、最优分配功率和最优能效。
本实施例1中，利用上述的煤矿物联网异构网络资源分配系统，实现了一种煤矿物联网异构网络资源分配方法，所述煤矿物联网异构网络包括一个矿用宏基站和多个微基站，宏基站负责服务多个宏用户移动设备，微基站负责服务多个微用户物联网设备；
对基站进行网络传输干扰分析，构建能效最大化的资源分配模型；所述能效最大化的资源分配模型为：
Figure BDA0003649999390000121
其中，
Figure BDA0003649999390000122
表示微用户物联网设备的子信道分配因子向量；
Figure BDA0003649999390000123
为微用户物联网设备的分配功率向量；C1表示子信道约束，C2表示所有微基站的发射功率限制，Pmax为煤矿物联网网络要求的最大发射功率阈值，C3表示微基站对宏用户移动设备的最大干扰约束，Ithr为宏用户移动设备通信受到的最大干扰阈值；C4表示微用户物联网设备正常通信的QoS要求，Rmin表示微用户物联网设备要求的最小速率阈值；EE表示所有微用户物联网设备的总能效，
Figure BDA0003649999390000124
表示微基站到宏用户设备的信道增益；
结合凸松弛法和拉格朗日对偶法求解所述能效最大化的资源分配模型，得到微用户物联网设备的最优子信道分配因子、最优分配功率和最优能效。
其中，采用凸松弛法将变量
Figure BDA0003649999390000125
转换为一个在[0,1]区间内变化的连续实变量，引入一个辅助变量
Figure BDA0003649999390000126
将原优化问题P1转换为P2，即
Figure BDA0003649999390000127
其中，
Figure BDA0003649999390000128
表示微用户物联网设备i通过子信道k可实现的传输速率，Pc表示微用户物联网设备总电路功率消耗，ε表示功率放大系数；
在问题P2中主要考虑约束条件C4中的信道不确定性。因此可以得到优化问题P3，如下所示
Figure BDA0003649999390000131
s.t.:C5,C6,C7,C4,
Figure BDA0003649999390000132
其中，
Figure BDA0003649999390000133
和
Figure BDA0003649999390000134
分别表示微用户物联网设备与微基站之间链路、宏用户设备与微用户物联网设备之间链路的信道不确定性集合。
其中，
Figure BDA0003649999390000135
和
Figure BDA0003649999390000136
采用有界不确定性集合可以分别表示为
Figure BDA0003649999390000137
Figure BDA0003649999390000138
其中，
Figure BDA0003649999390000139
和
Figure BDA00036499993900001310
分别表示误差上界；因此，约束C4等价于下式
Figure BDA00036499993900001311
式中，第一项是确定函数，
Figure BDA00036499993900001312
第二项是保护函数；
由于微用户物联网设备的传输速率
Figure BDA00036499993900001313
是关于
Figure BDA00036499993900001314
的单调递增函数，因此，存在
Figure BDA00036499993900001315
根据(18)，存在
Figure BDA00036499993900001316
定义
Figure BDA0003649999390000141
这里采用二元函数泰勒展开式求解，即
Figure BDA0003649999390000142
其中，
Figure BDA0003649999390000143
表示高阶无穷小，则
Figure BDA0003649999390000144
可以转换为
Figure BDA0003649999390000145
则，约束条件C4可以转换为C9
Figure BDA0003649999390000146
其中，
Figure BDA0003649999390000147
式中，
Figure BDA0003649999390000148
表示确定的干扰功率；
则，将优化问题P3重新表述为P4，即
Figure BDA0003649999390000149
Figure BDA00036499993900001410
C5,C6,C7
其中，问题P4中的目标函数是一个分数形式，采用Dinkelbach方法进行简化，将P4中的目标函数等价地转换为一个凸对等体式，将P4的最优值定义为q*，则问题P4的最优能效可以定义为
Figure BDA0003649999390000151
其中，
Figure BDA0003649999390000152
和
Figure BDA0003649999390000153
分别表示问题P4的最优子信道分配因子和最优功率分配；则
Figure BDA0003649999390000154
则问题P4可以描述为
Figure BDA0003649999390000155
s.t.:C5,C6,C7,C9
式中，q≥0表示所有微基站网络的总能效。
采用连续凸近似法将P5转化为一个凸优化问题，利用下界迭代法得到最优解；根据式(22)，将IoTD(u,i)复用子信道k传输的SINR重新定义为
Figure BDA0003649999390000156
因此，IoTD(u,i)复用子信道k传输的数据速率可近似计算为
Figure BDA0003649999390000157
式中，
Figure BDA0003649999390000158
其中，
Figure BDA0003649999390000159
表示IoTD(u,i)复用子信道k时的前一次迭代得到的SINR值；
则问题P5可以转换为问题P6，即
Figure BDA0003649999390000161
其中，将Dinkelbach方法下的迭代因子表示为t∈{1,2,...,Iouter}，其中，Iouter为外部最大迭代次数；假设在第t次迭代中计算
Figure BDA0003649999390000162
和q(t-1)值，则式(29)中的优化问题的增强拉格朗日函数可以定义为
Figure BDA0003649999390000163
其中，λu≥0，ωn≥0，
Figure BDA0003649999390000164
和
Figure BDA0003649999390000165
分别为P6中四个约束条件所对应的拉格朗日乘子；
则，P6的拉格朗日函数表示为
Figure BDA0003649999390000166
其中，
Figure BDA0003649999390000167
通过利用拉格朗日对偶法，P6可以表示为一个极小极大问题
Figure BDA0003649999390000168
根据凸问题KKT条件，最优功率分配求解为
Figure BDA0003649999390000171
其中，[x]+＝max{0,x}；
对式(34)求关于
Figure BDA0003649999390000172
的一阶偏导，得到子信道最优分配因子
Figure BDA0003649999390000173
即
Figure BDA0003649999390000174
其中，
Figure BDA0003649999390000175
即
Figure BDA0003649999390000176
值最大的IoTD(u,i)将占用子信道k，得到
Figure BDA0003649999390000177
按照下式更新拉格朗日乘子，计算如下
Figure BDA0003649999390000178
Figure BDA0003649999390000179
Figure BDA00036499993900001710
Figure BDA00036499993900001711
其中，τ∈{1,2,...,Iinner}表示拉格朗日乘子的迭代次数，Iinner表示拉格朗日对偶分解的收敛次数，μ1,μ2,μ3和μ4表示步长大小。
实施例2
如图1所示，本实施例2中，提出一种基于NOMA的5G煤矿物联网异构网络系统架构，将矿山等效为一个长为L宽为W的矩形区域，假设在此区域中存在两种不同类型的基站，即一个矿用MBS(宏基站)和多个SBS(微基站)，以满足MIoT系统中不同智能工业设备的通信需求，其中，MBS负责服务多个宏用户移动设备，图中将其表示为MUE(宏用户设备)，SBS负责服务多个微用户物联网设备，将其表示为IoTD(物联网设备)。MBS部署在矿山入口处，SBS随机分布在矿区四周，MBS作为网络的数据中心和资源管理中心，预先将可用频谱资源划分为K个正交子载波分配给MUE。在上行传输中，N个MUE利用K个子信道向MBS传输信号。在下行传输中，U个SBS用于将监控中心部署的任务分发给部署在矿山边缘的大量的IoTD，如采矿设备、矿用机器人和传感设备等，每个SBS仅占用一个子信道进行数据传输。MUE和IoTD利用NOMA通过复用相同子信道提高系统的频谱效率，每个子信道占用单位带宽(B＝1Hz)。将MUEs集合表示为
Figure BDA0003649999390000181
SBSs集合表示为
Figure BDA0003649999390000182
其中，每个SBS服务于M个IoTDs，表示为
Figure BDA0003649999390000183
子信道集合表示为
Figure BDA0003649999390000184
将MIoT系统要求的SBS最大发射功率表示为Pmax，SBS u到MUE n的信道增益表示为
Figure BDA0003649999390000185
MUEs通信受到的最大跨层干扰表示为Ithr，IoTD通信QoS要求的最小速率为Rmin。假设每个子信道为块衰落信道，即信道增益在一个子信道资源块内为恒定值，在不同的子信道之间变化。为了保证MUEs的通信质量，假设一个子信道最多只能分配给一个MUE，在这种情况下，MUEs之间不存在互干扰。在下行传输中，IoTDs将受到来自同一子信道上的MUE的跨层干扰。此外，先被解码的IoTD还将受到同一SBS中其他信道增益较低的IoTD的同层干扰。考虑到矿山中SBS的功率较低，这里忽略SBS之间产生的干扰。假设每个MUE和IoTD都配备有一个天线，并连接到各自的基站。假设MUE和IoTDs在进行资源分配之前已经完成用户关联，即MUE与MBS连接，IoTD与SBS连接。
不失一般性，以任意一个SBS u为例进行干扰分析。该场景下的网络中存在的干扰如图2所示。将SBS u中的第i个IoTD表示为(u,i)，
Figure BDA0003649999390000186
我们假设SBS u中的M个IoTD节点的信道增益满足hu,1＞hu,2＞…＞hu,M，基于下行链路域NOMA准则，IoTD(u,1)将分配最大的发射功率，因此IoTD(u,1)将来自同一分组u中所有其他节点传输链路作为干扰信号。因此，SBS u中的IoTD i占用子信道k传输的SINR可表示为
Figure BDA0003649999390000191
其中，
Figure BDA0003649999390000192
为物联网设备(u,i)复用子信道k的发射功率。
Figure BDA0003649999390000193
表示复用子信道k的SBSu与IoTD(u,i)之间的信道增益。分母中的第一项为同一SBS u中其他IoTDs产生的同层干扰。分母第二项为同一子信道上MUE n产生的干扰，Pn k为被分配子信道k的MUEn的发射功率，
Figure BDA0003649999390000194
表示子信道k上MUEn与IoTD i之间的信道增益。分母中的第三项是噪声干扰，δ2表示零均值加性高斯白噪声。
则SBS u中的IoTD i通过子信道k可实现的传输速率表示为
Figure BDA0003649999390000195
因此，所有IoTD的总数据速率表示为
Figure BDA0003649999390000196
在图1中，由SBS u传输数据至IoTD的总功耗PT由射频传输功率Pt和电路功耗Pc组成。因此，所有IoTD的总传输功率消耗为
PT＝Pt+Pc (4)
其中，
Figure BDA0003649999390000197
其中，ε为功率放大系数，Pc为物联网设备总电路功率消耗。
为了实现绿色通信的目标，能源效率的优化对于物联网系统的性能非常重要。在本文中，能源效率被定义为所有IoTD系统总吞吐量Rsum与总功耗PT的比值，单位为比特/焦耳。因此，所有IoTDs的总能效可以定义为
Figure BDA0003649999390000201
为了满足井下物联网系统的通信需求，能效最大化的资源分配问题需要满足以下约束：
a、子信道约束：一个SBS最多只能复用一个子信道，因此子信道分配约束可表示为
Figure BDA0003649999390000202
b、发射功率约束：井下所有的智能设备都受到防爆功率的限制，因此，SBS发射功率约束表示为
Figure BDA0003649999390000203
c、跨层干扰约束：所有的SBS对MU的干扰应低于干扰阈值
Figure BDA0003649999390000204
d、QoS要求：为了保证每个子信道上IoTD的基本通信，速率应满足
Figure BDA0003649999390000205
本实施例2中，目标是通过资源分配来最大化图1中所有IoTDs的总能效。
在完美信道状态信息下，能效优化问题的数学模型可以表示为
Figure BDA0003649999390000206
其中，
Figure BDA0003649999390000211
表示IoTDs子信道分配因子向量。
Figure BDA0003649999390000212
为IoTDs的分配功率向量。C1保证每个子信道只分配给一个SBS。C2表示所有SBS的发射功率限制，其中，Pmax为煤矿物联网网络要求的最大发射功率阈值。C3表示SBS对MUE的最大干扰约束，Ithr为MUE通信受到的最大干扰阈值。C4保证了IoTD正常通信的QoS要求，其中，Rmin为IoTD要求的最小速率阈值。
如图3所示，本实施例2中，针对上述网络的资源分配求解，提供一种联合功率和子信道迭代分配的资源分配算法，算法介绍如下：
由于式(11)约束条件C1中的子信道分配因子
Figure BDA0003649999390000213
为一个二进制离散变量不方便求解，因此，采用凸松弛法将变量
Figure BDA0003649999390000214
转换为一个在[0,1]区间内变化的连续实变量。为了减少P1中的变量符号，引入一个辅助变量
Figure BDA0003649999390000215
进行求解。令下式成立
Figure BDA0003649999390000216
则原优化问题P1转换为P2，即
Figure BDA0003649999390000217
矿区内环境复杂，障碍物较多，为了克服矿山中信道不确定性的影响，保证IoTD的QoS需求，在问题P2中主要考虑约束条件C4中的信道不确定性。因此可以得到优化问题P3，如下所示
Figure BDA0003649999390000221
其中，
Figure BDA0003649999390000222
和
Figure BDA0003649999390000223
分别表示IoTD与SBS之间链路、MUE与IoTD之间链路的信道不确定性集合。
Figure BDA0003649999390000224
和
Figure BDA0003649999390000225
采用有界不确定性集合可以分别表示为
Figure BDA0003649999390000226
Figure BDA0003649999390000227
其中，
Figure BDA0003649999390000228
和
Figure BDA0003649999390000229
分别表示误差上界。因此，约束C4等价于下式
Figure BDA00036499993900002210
式中，第一项是确定函数，
Figure BDA00036499993900002211
第二项是保护函数。
由于IoTD的传输速率
Figure BDA00036499993900002212
是关于
Figure BDA00036499993900002213
的单调递增函数，因此，存在
Figure BDA00036499993900002214
根据(18)，存在
Figure BDA00036499993900002215
然后，定义
Figure BDA00036499993900002216
这里采用二元函数泰勒展开式求解，即
Figure BDA0003649999390000231
其中，
Figure BDA0003649999390000232
表示高阶无穷小，则
Figure BDA0003649999390000233
可以转换为
Figure BDA0003649999390000234
基于上述过程，约束条件C4可以转换为C9
Figure BDA0003649999390000235
其中，
Figure BDA0003649999390000236
式中，
Figure BDA0003649999390000237
表示确定的干扰功率。
综上所述，将优化问题P3重新表述为P4，即
Figure BDA0003649999390000238
可以看出问题P4中的目标函数是一个分数形式，因此我们可以采用Dinkelbach方法进行简化，通过它可以将P4中的目标函数等价地转换为一个凸对等体式。在这里，将P4的最优值定义为q*，则问题P4的最优能效可以定义为
Figure BDA0003649999390000241
其中，
Figure BDA0003649999390000242
和
Figure BDA0003649999390000243
分别表示问题P4的最优子信道分配因子和最优功率分配。进而，我们可以得出这样的结论，表示如下
Figure BDA0003649999390000244
则问题P4可以描述为
Figure BDA0003649999390000245
式中，q≥0表示所有SBS网络的总能效。
针对P5，首先，我们采用连续凸近似法将P5转化为一个凸优化问题。然后，利用下界迭代法得到最优解。根据式(22)，将IoTD(u,i)复用子信道k传输的SINR重新定义为
Figure BDA0003649999390000246
因此，IoTD(u,i)复用子信道k传输的数据速率可近似计算为
Figure BDA0003649999390000247
式中，
Figure BDA0003649999390000248
其中，
Figure BDA0003649999390000249
表示IoTD(u,i)复用子信道k时的前一次迭代得到的SINR值。则问题P5可以转换为问题P6，即
Figure BDA00036499993900002410
可以看出(29)中的P6是一个确定性的凸优化问题，因此该最大化问题存在唯一的最优解。
将Dinkelbach方法下的迭代因子表示为t∈{1,2,...,Iouter}，其中，Iouter为外部最大迭代次数。假设在第t次迭代中计算
Figure BDA0003649999390000251
和q(t-1)值，则式(29)中的优化问题的增强拉格朗日函数可以定义为
Figure BDA0003649999390000252
其中，λu≥0，ωn≥0，
Figure BDA0003649999390000253
和
Figure BDA0003649999390000254
分别为P6中四个约束条件所对应的拉格朗日乘子。因此，P6的拉格朗日函数表示为
Figure BDA0003649999390000255
其中
Figure BDA0003649999390000256
通过利用拉格朗日对偶法，P6可以表示为一个极小极大问题
Figure BDA0003649999390000257
根据凸问题KKT条件，最优功率分配求解为
Figure BDA0003649999390000258
其中，[x]+＝max{0,x}。
接着，对式(34)求关于
Figure BDA0003649999390000259
的一阶偏导，我们可以得到子信道最优分配因子
Figure BDA00036499993900002510
即
Figure BDA0003649999390000261
其中
Figure BDA0003649999390000262
即
Figure BDA0003649999390000263
值最大的IoTD(u,i)将占用子信道k，得到
Figure BDA0003649999390000264
按照下式更新拉格朗日乘子，计算如下
Figure BDA0003649999390000265
Figure BDA0003649999390000266
Figure BDA0003649999390000267
Figure BDA0003649999390000268
其中，τ∈{1,2,...,Iinner}表示拉格朗日乘子的迭代次数，Iinner表示拉格朗日对偶分解的收敛次数，μ1,μ2,μ3和μ4表示步长大小。
综上，本实施例2提出的资源分配算法，与传统的基于OFDMA的数据传输技术相比，通过采用NOMA传输技术，可以显著提升煤矿物联网的系统容量及频谱利用率，此外，异构网络中的微基站基础设施也保证了矿山中大量边缘设备的通信可靠性；与现有的关于异构网络的能效资源分配算法相比，考虑了微基站网络中IoTDs的能效优化问题，此外，在联合功率和子信道资源分配过程中，考虑了IoTD数据传输时相关链路中的信道不确定性，提高了煤矿物联网系统资源分配的可靠性和能效性。
实施例3
本发明实施例5提供一种电子设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行煤矿物联网异构网络资源分配方法。
实施例4
本发明实施例4提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现煤矿物联网异构网络资源分配方法。
实施例5
本发明实施例5提供一种计算机设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行煤矿物联网异构网络资源分配方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明公开的技术方案的基础上，本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种煤矿物联网异构网络资源分配方法，其特征在于，所述煤矿物联网异构网络包括一个矿用宏基站和多个微基站，宏基站负责服务多个宏用户移动设备，微基站负责服务多个微用户物联网设备；
对基站进行网络传输干扰分析，构建能效最大化的资源分配模型；所述能效最大化的资源分配模型为：
P1：
Figure FDA0003649999380000011
s.t.：C1：
Figure FDA0003649999380000012
C2：
Figure FDA0003649999380000013
C3：
Figure FDA0003649999380000014
C4：
Figure FDA0003649999380000015
其中，
Figure FDA0003649999380000016
表示微用户物联网设备的子信道分配因子向量；
Figure FDA0003649999380000017
为微用户物联网设备的分配功率向量；C1表示子信道约束，C2表示所有微基站的发射功率限制，Pmax为煤矿物联网网络要求的最大发射功率阈值，C3表示微基站对宏用户移动设备的最大干扰约束，Ithr为宏用户移动设备通信受到的最大干扰阈值；C4表示微用户物联网设备正常通信的QoS要求，Rmin表示微用户物联网设备要求的最小速率阈值；EE表示所有微用户物联网设备的总能效，
Figure FDA0003649999380000018
表示微基站到宏用户设备的信道增益；
结合凸松弛法和拉格朗日对偶法求解所述能效最大化的资源分配模型，得到微用户物联网设备的最优子信道分配因子、最优分配功率和最优能效。
2.根据权利要求1所述的煤矿物联网异构网络资源分配方法，其特征在于，采用凸松弛法将变量
Figure FDA0003649999380000019
转换为一个在[0,1]区间内变化的连续实变量，引入一个辅助变量
Figure FDA00036499993800000110
将原优化问题P1转换为P2，即
P2:
Figure FDA0003649999380000021
s.t.:C5:
Figure FDA0003649999380000022
C6:
Figure FDA0003649999380000023
C7:
Figure FDA0003649999380000024
C4:
Figure FDA0003649999380000025
其中，
Figure FDA0003649999380000026
表示微用户物联网设备i通过子信道k可实现的传输速率，Pc表示微用户物联网设备总电路功率消耗，ε表示功率放大系数；
在问题P2中主要考虑约束条件C4中的信道不确定性。因此可以得到优化问题P3，如下所示
P3:
Figure FDA0003649999380000027
s.t.:C5,C6,C7,C4,
C8:
Figure FDA0003649999380000028
其中，
Figure FDA0003649999380000029
和
Figure FDA00036499993800000210
分别表示微用户物联网设备与微基站之间链路、宏用户设备与微用户物联网设备之间链路的信道不确定性集合。
3.根据权利要求2所述的煤矿物联网异构网络资源分配方法，其特征在于，
Figure FDA00036499993800000211
和
Figure FDA00036499993800000212
采用有界不确定性集合可以分别表示为
Figure FDA00036499993800000213
Figure FDA00036499993800000214
其中，
Figure FDA00036499993800000215
和
Figure FDA00036499993800000216
分别表示误差上界；因此，约束C4等价于下式
Figure FDA00036499993800000217
式中，第一项是确定函数，
Figure FDA0003649999380000031
第二项是保护函数；
由于微用户物联网设备的传输速率
Figure FDA0003649999380000032
是关于
Figure FDA0003649999380000033
的单调递增函数，因此，存在
Figure FDA0003649999380000034
根据(18)，存在
Figure FDA0003649999380000035
定义
Figure FDA0003649999380000036
这里采用二元函数泰勒展开式求解，即
Figure FDA0003649999380000037
其中，
Figure FDA0003649999380000038
表示高阶无穷小，则
Figure FDA0003649999380000039
可以转换为
Figure FDA00036499993800000310
则，约束条件C4可以转换为C9
C9:
Figure FDA00036499993800000311
其中，
Figure FDA0003649999380000041
式中，
Figure FDA0003649999380000042
表示确定的干扰功率；
则，将优化问题P3重新表述为P4，即
Figure FDA0003649999380000043
4.根据权利要求3所述的煤矿物联网异构网络资源分配方法，其特征在于，问题P4中的目标函数是一个分数形式，采用Dinkelbach方法进行简化，将P4中的目标函数等价地转换为一个凸对等体式，将P4的最优值定义为q*，则问题P4的最优能效可以定义为
Figure FDA0003649999380000044
其中，
Figure FDA0003649999380000045
和
Figure FDA0003649999380000046
分别表示问题P4的最优子信道分配因子和最优功率分配；则
Figure FDA0003649999380000047
则问题P4可以描述为
P5：
Figure FDA0003649999380000048
式中，q≥0表示所有微基站网络的总能效。
5.根据权利要求4所述的煤矿物联网异构网络资源分配方法，其特征在于，采用连续凸近似法将P5转化为一个凸优化问题，利用下界迭代法得到最优解；根据式(22)，将IoTD(u,i)复用子信道k传输的SINR重新定义为
Figure FDA0003649999380000051
因此，IoTD(u,i)复用子信道k传输的数据速率可近似计算为
Figure FDA0003649999380000052
式中，
Figure FDA0003649999380000053
其中，
Figure FDA0003649999380000054
表示IoTD(u,i)复用子信道k时的前一次迭代得到的SINR值；
则问题P5可以转换为问题P6，即
Figure FDA0003649999380000055
其中，将Dinkelbach方法下的迭代因子表示为t∈{1,2,...,Iouter}，其中，Iouter为外部最大迭代次数；假设在第t次迭代中计算
Figure FDA0003649999380000056
和q(t-1)值，则式(29)中的优化问题的增强拉格朗日函数可以定义为
Figure FDA0003649999380000057
其中，λu≥0，ωn≥0，
Figure FDA0003649999380000058
和
Figure FDA0003649999380000059
分别为P6中四个约束条件所对应的拉格朗日乘子；
则，P6的拉格朗日函数表示为
Figure FDA0003649999380000061
其中，
Figure FDA0003649999380000062
6.根据权利要求5所述的煤矿物联网异构网络资源分配方法，其特征在于，通过利用拉格朗日对偶法，P6可以表示为一个极小极大问题
Figure FDA0003649999380000063
根据凸问题KKT条件，最优功率分配求解为
Figure FDA0003649999380000064
其中，[x]+＝max{0,x}；
对式(34)求关于
Figure FDA0003649999380000065
的一阶偏导，得到子信道最优分配因子
Figure FDA0003649999380000066
即
Figure FDA0003649999380000067
其中，
Figure FDA0003649999380000068
即
Figure FDA0003649999380000069
值最大的IoTD(u,i)将占用子信道k，得到
Figure FDA00036499993800000610
按照下式更新拉格朗日乘子，计算如下
Figure FDA0003649999380000071
Figure FDA0003649999380000072
Figure FDA0003649999380000073
Figure FDA0003649999380000074
其中，τ∈{1,2,...,Iinner}表示拉格朗日乘子的迭代次数，Iinner表示拉格朗日对偶分解的收敛次数，μ1,μ2,μ3和μ4表示步长大小。
7.一种煤矿物联网异构网络资源分配系统，其特征在于，所述煤矿物联网异构网络包括一个矿用宏基站和多个微基站，宏基站负责服务多个宏用户移动设备，微基站负责服务多个微用户物联网设备；所述系统包括：
构建模块，用于对基站进行网络传输干扰分析，构建能效最大化的资源分配模型；所述能效最大化的资源分配模型为：
P1：
Figure FDA0003649999380000075
s.t.：C1：
Figure FDA0003649999380000076
C2：
Figure FDA0003649999380000077
C3：
Figure FDA0003649999380000078
C4：
Figure FDA0003649999380000079
其中，
Figure FDA00036499993800000710
表示微用户物联网设备的子信道分配因子向量；
Figure FDA00036499993800000711
为微用户物联网设备的分配功率向量；C1表示子信道约束，C2表示所有微基站的发射功率限制，Pmax为煤矿物联网网络要求的最大发射功率阈值，C3表示微基站对宏用户移动设备的最大干扰约束，Ithr为宏用户移动设备通信受到的最大干扰阈值；C4表示微用户物联网设备正常通信的QoS要求，Rmin表示微用户物联网设备要求的最小速率阈值；EE表示所有微用户物联网设备的总能效，
Figure FDA00036499993800000712
表示微基站到宏用户设备的信道增益；
分配模块，用于结合凸松弛法和拉格朗日对偶法求解所述能效最大化的资源分配模型，得到微用户物联网设备的最优子信道分配因子、最优分配功率和最优能效。
8.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如如权利要求1-6任一项所述的煤矿物联网异构网络资源分配方法。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如权利要求1-6任一项所述的煤矿物联网异构网络资源分配方法。
10.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如权利要求1-6任一项所述的煤矿物联网异构网络资源分配方法。
CN202210540186.4A 2022-05-18 2022-05-18 煤矿物联网异构网络资源分配方法及系统 Pending CN114679791A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210540186.4A CN114679791A (zh) 2022-05-18 2022-05-18 煤矿物联网异构网络资源分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210540186.4A CN114679791A (zh) 2022-05-18 2022-05-18 煤矿物联网异构网络资源分配方法及系统

Publications (1)

Publication Number Publication Date
CN114679791A true CN114679791A (zh) 2022-06-28

Family

ID=82080235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210540186.4A Pending CN114679791A (zh) 2022-05-18 2022-05-18 煤矿物联网异构网络资源分配方法及系统

Country Status (1)

Country Link
CN (1) CN114679791A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116113039A (zh) * 2023-04-07 2023-05-12 国网四川省电力公司信息通信公司 一种电力混合业务资源优化方法、装置、设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116113039A (zh) * 2023-04-07 2023-05-12 国网四川省电力公司信息通信公司 一种电力混合业务资源优化方法、装置、设备及介质
CN116113039B (zh) * 2023-04-07 2023-07-28 国网四川省电力公司信息通信公司 一种电力混合业务资源优化方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN109600828B (zh) 无人机基站下行链路的自适应传输功率分配方法
CN108462950B (zh) 基于noma的d2d通信联合子信道与功率分配方法
CN107528624B (zh) 一种基于非正交多址接入技术的稳健波束成形的设计方法
CN102186179B (zh) 一种异构网系统资源复用的方法
CN111586646B (zh) 一种蜂窝网络中联合上下信道的d2d通信的资源分配方法
CN110611902A (zh) 一种基于上下行频谱联合复用的d2d资源分配方法
CN108848045B (zh) 基于联合干扰对齐和功率优化的d2d通信干扰管理方法
CN107484180B (zh) 一种甚高频段下基于d2d通信的资源分配方法
Li et al. Fog radio access network: A new wireless backhaul architecture for small cell networks
CN114679791A (zh) 煤矿物联网异构网络资源分配方法及系统
CN106912059B (zh) 支持互信息积累的认知中继网络联合中继选择及资源分配方法
CN113365288A (zh) 一种基于SWIPT的NB-IoT系统上行链路资源分配法
Al-Wesabi et al. A joint algorithm for resource allocation in d2d 5g wireless networks
CN107613565B (zh) 一种全双工超密集网络中的无线资源管理方法
Rony et al. Cooperative spectrum sharing in 5G access and backhaul networks
CN106982089B (zh) 一种数据传输方法和装置
CN104185184B (zh) 一种基于max-min公平的多小区资源分配方法
CN110446217B (zh) 一种基于laa蜂窝系统的分布式资源分配方法
CN109672997B (zh) 一种基于能量收集的工业物联网多维资源联合优化算法
CN105162505A (zh) 基于干扰对齐的蜂窝网络下行链路自适应预编码方法
CN104581963A (zh) 一种基于lte的认知网络下行链路资源分配方法
Yoon et al. Mse-based downlink and uplink joint beamforming in dynamic TDD system based on cloud-ran
CN111787605B (zh) 一种能量获取d2d中继通信异构网络中能效优化方法
CN112423274B (zh) 一种设备直连通信网络顽健资源分配方法及网络系统
Wei et al. Energy-efficient radio resource management

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