CN115103396A - 5g弹性覆盖系统多回程链路选择与功率分配联合优化方法 - Google Patents
5g弹性覆盖系统多回程链路选择与功率分配联合优化方法 Download PDFInfo
- Publication number
- CN115103396A CN115103396A CN202210599127.4A CN202210599127A CN115103396A CN 115103396 A CN115103396 A CN 115103396A CN 202210599127 A CN202210599127 A CN 202210599127A CN 115103396 A CN115103396 A CN 115103396A
- Authority
- CN
- China
- Prior art keywords
- queue
- sbs
- link
- return
- backhaul
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
- H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0289—Congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
-
- 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
-
- 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5G弹性覆盖系统多回程链路选择与功率分配联合优化方法,该方法解决了多回程链路系统的回传链路选择与回传功率分配问题。该方法将用户业务分为5G三大典型业务,假设小基站传输队列拥有对应三种回传方式的三个子队列,通过排队论分析了数据包在小基站子队列上的传输时延,对以最大化时延容忍弹性值为优化目标进行建模,并将优化问题分解为回传链路选择子问题和回传功率分配子问题,最终得到多回程链路与功率分配联合优化算法。该方法降低了网络基站传输业务数据包的平均时延,并且有效提高了网络的传输速率。
Description
技术领域
本发明涉及通信网络技术领域,主要涉及一种5G弹性覆盖系统多回程链路选择与功率分配联合优化方法。
背景技术
随着5G移动通信技术的快速发展,泛在高带宽的网络给人们带来多样化,高质量业务。但是,城市和农村热点区域大量的视频直播等大流量业务仍然给网络提出了新的挑战,要求网络具有按需覆盖的大流量接入与回程能力。由于5G接入与回程一体化基站具有灵活、高效、经济等特点,为大容量按需覆盖需求提供了一种重要的解决方案。
近年来,国内外学者对单回程链路的接入与回程联合优化技术已经进行了深入研究。已有研究工作都是针对异构超密集网络中小基站的接入链路与单个回程链路进行资源分配的联合优化。在很多热点场景,为了提高通信的可靠性、灵活性和适用性,基站需要具有多回程链路的能力,但是现有研究缺乏针对应大容量多业务需求的应用场景下具有多回程链路的小基站优化问题进行深入研究。
发明内容
发明目的:为解决大容量多业务需求的应用场景下具有多回程链路的小基站回程链路选择与功率分配等问题,本发明研究了多回程链路的5G弹性网络覆盖模型,并引入匹配度因子,在满足典型应用场景下的多种用户业务差异性服务需求下,提出了一种5G弹性覆盖系统多回程链路选择与功率分配联合优化方法,选择合适的回传链路的同时最大化时延容忍弹性值,可以降低网络业务数据包的平均传输时延,满足多种用户业务差异性的服务需求。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种5G弹性覆盖系统多回程链路选择与功率分配联合优化方法,所述方法包括以下步骤:
步骤S1、通过用户业务模型计算出当前时刻每个业务数据包的平均到达率,通过回传信道模型计算出当前时刻三个回传信道的回传链路总速率,通过小基站排队模型计算出每个业务数据包进入小基站队列时的平均排队时延;
步骤S2、计算匹配度因子,得到业务数据包在不同回传链路上的有效回传速率,建立以最大化时延容忍弹性值为目标的回传链路分配问题的模型;
步骤S3、使用回传链路分配策略,求解回传链路分配问题;
步骤S4、使用回传功率分配策略,求解回传功率分配问题;
步骤S5、结合步骤S3与步骤S4的结果,得到5G弹性覆盖系统多回程链路选择结果与功率分配结果。
进一步地,该方法考虑由5G宏基站MBS和小基站SBS构成的双层异构网络;其中SBS通过卫星回程,无线Mesh回程和毫米波MMW回程三种回程方式,将用户业务数据回传至MBS或核心网;所有用户随机均匀地分布在网络覆盖区域内,一个用户同时只能被一个小基站或者宏基站服务;
网络覆盖区域包括K个由SBS提供服务的小基站用户SUE,以及L个由宏基站MBS提供服务的宏基站用户MUE,MUE的数据包直接传输给MBS,SUE的数据包通过SBS回传至MBS,MBS通过光纤连接至核心网。
进一步地,将用户业务分为超高可靠超低时延通信uRLLC业务,增强带宽eMBB业务和海量机器类通信mMTC业务三类,每类用户业务模型的建立方法如下:
(1)使用双层模型对uRLLC业务进行建模,会话层用于描述用户发起uRLLC业务请求的特性,其中uRLLC业务请求的特性包括业务到达时间间隔和会话长度;数据包层用于描述每个uRLLC业务中包含的数据包特性,其中数据包特性包括数据包到达间隔和数据包大小;
会话层的uRLLC业务到达模型为ON/OFF模型,设ON/OFF状态的持续时间为Ton和Toff,则Ton和Toff均服从指数分布,它们的均值分别为ton和toff,并且ton>toff,因此Ton和Toff的概率密度分别为:
uRLLC业务源处于ON状态时以固定的时间间隔Tp发送数据包,每次发送的数据包大小φp服从截短的Pareto分布,其概率密度函数如下式表示:
其中,lsg表示数据包分组大小最小值,为Pareto分布的比例参数;hsg表示分组大小最大值;1/αsg为形状参数;
uRLLC业务数据包的平均大小φuRLLC为:
网络覆盖区域内uRLLC用户数量服从均值为θuRLLC的泊松分布,则uRLLC业务平均包到达率λ1表示为:
(2)采用FTP3模型对eMBB业务进行建模,FTP3模型定义eMBB数据包的到达服从均值为DeMBB的泊松分布,且数据包的大小为一固定值φeMBB,eMBB用户以均值为θeMBB的大小均匀分布在网络覆盖区域内,进而得到eMBB业务平均包到达率为λ2=θeMBB×DeMBB;
(3)mMTC用户在网络覆盖区域内的数量服从均匀分布,均值为θmMTC,且mMTC用户每秒上传固定大小φmMTC的数据包,mMTC业务在一秒内的数据包流量是随机分布的,进而得到mMTC业务平均包到达率为λ3=θmMTC。
进一步地,建立接入信道模型,假设SBS的接入和回传使用不同的频率传输,各基站小区间采用正交频分复用方式,无线信道是瑞利信道,在整个系统的用户UE之间不存在干扰;
用户的上行接入传输有三种情况:如果UE处于MBS覆盖范围内,但未处于SBS覆盖范围内,则用户直接接入MBS;如果UE处于SBS覆盖范围内,但SBS处于拥塞状态,则用户直接接入MBS;当UE既处于MBS覆盖范围内又处于SBS覆盖范围内,且SBS处于非拥塞状态下,用户通过SBS接入至核心网;
由香农公式可得用户无线接入基站的理论传输速率为:
其中,BUE表示基站均匀分配给其下用户的带宽,γk(t)表示UE k与基站之间的信噪比,具体可以表示为:
其中,PUE表示UE的传输功率,hk(t)表示时隙t时UE到基站的信道增益,且服从均值为l的指数分布,N0为白噪声功率谱密度。
5、进一步地,建立回传信道模型,回传信道包括毫米波回传信道、无线Mesh回传信道和卫星回传信道,每个回传信道的回传链路总速率计算如下:
(1)定义系统毫米波回程链路为LOS传输的概率为pLOS(d):
其中α0为环境遮挡因子,d表示毫米波链路接收端到发送端的距离;
定义系统毫米波回程链路为NLOS传输的概率为pNLOS(d),则:
pNLOS(d)=1-pLOS(d)
定义SBS的发送功率为Pt,那么MBS的接收功率为:
Pr=Pt·G·L(d)-1
其中,G表示天线增益系数;L(d)-1表示大尺度信道增益,是包含阴影衰落的路径损耗模型,用PLdb(d)表示其dB形式:
定义SBS使用毫米波方式进行回传的发射功率为Pt W,经过传输路径后,到达MBS的接收功率为:
Pr W=Pt W·G·[LLOS(d)-1·pLOS(d)+LNLOS(d)-1·(1-pLOS(d))]
其中,N0表示白噪声功率谱密度,BW表示毫米波回传链路分配带宽;
进而得到,t时隙SBS毫米波回传链路总速率为:
其中,gs表示瑞利衰落的复高斯变量,βs(d)服从对数正态分布,αs表示卫星链路的路径损耗系数;
由上式可知,t时隙SBS卫星回传链路总速率为:
(3)SBS通过无线Mesh回传链路向MBS回传数据,假设该无线Mesh回传链路过程中经过n个Mesh节点M1,M2,...,Mn,节点集合M={M1,M2,...,Mn};
无线Mesh网络中t时隙任意两个节点Ma与Mb之间联通链路的信干躁比状态参数SINRa,b(t)为:
其中,表示SBS在Ma的发射功率;Ga,b表示Ma与Mb间的天线增益;ha,b(t)表示t时隙Ma与Mb间的信道相关系数;BM表示SBS无线Mesh回传链路的传输信道带宽;Gx,x+1表示节点Mx与Mx的下一相邻节点Mx+1间的天线增益;|hx,x+1|表示t时隙Mx与Mx+1间的的信道相关系数;γ为正交因子;γ0表示Mesh链路信干躁比参数给定阈值;
t时隙SBS无线Mesh链路中任意两个节点之间的连通链路信干躁比状态参数的集合SINRM(t)表示为:
SINRM(t)={SINR0,1(t),SINR1,2(t),...,SINRn-1,n(t)}
进一步地,假设在SBS处存在QW,QM,QS三个回传队列用于缓存从SUE处接收到的用户数据包,队列集合Q={QW,QM,QS};其中,QW,QM,QS分别表示队列中排队等待的数据包分别通过毫米波方式,无线Mesh网络,卫星方式回传至MBS;
假设由一批由N'个不同业务类型的数据包组成的数据包组到达SBS,SBS将数据包分配回传子队列,并在子队列中按照顺序依次进行传输。与此同时,假设不同业务的数据包之间是相互独立的,一批数据包的到达过程服从泊松分布;
使用pi,n表示队列Qi的长度为n的概率,n∈{0,1,...,N},根据排队论的分析方法,针对队列状态列出队列各状态概率的稳态方程:
其中,i∈{W,M,S},0≤n≤N;队列Qi的使用率ρi为到达率λi与服务率之比μi;
由上式得到:
其中,pi,0为队列Qi的空闲概率;
根据队列状态的正则性有:
进而求得队列Qi的空闲概率pi,0为:
当队列长度大于N时认为该队列发生阻塞,因此队列Qi的阻塞率表示为B1,i=pi,N,队列Qi的非阻塞率为B0,i=1-B1,i=1-pi,N;
队列Qi的平均队长是由两个部分相加而得,一部分是数据包在队列中排队等待过程中增加的排队队长Li,w,另一部分是数据包在SBS子队列被传输过程中造成的等待队长Li,s,进而得到队列达到平衡状态后的平均队长为:
数据包的有效到达率为单位时间内能够进入系统队列的用户平均数:
λi,e=λi(1-pi,N)=μi(1-pi,0)
根据Little公式得到数据包的平均排队时延为:
进而,得到数据包的平均排队时延为:
其中,表示归一化的匹配度因子,MFi,x表示在t时隙am,x(t)对队列i的匹配度因子,表示am,x(t)在队列i中的第k个相关回传网络参数,为的权重,表示t时隙SBS回传链路i的总速率,am,x(t)表示需要传输的数据包集合中业务类型为x的第m个数据包,x∈{uRLLC,eMBB,mMTC},m∈{1,2,...,M}。
进一步地,建立最大化时延容忍弹性值为目标的回传链路分配问题:
其中,为时延容忍弹性值,T(am,x(t))表示am,x(t)的时延阈值,α为灵敏度因子,χx表示am,x(t)的业务增益,为数据包的平均大小,φMMV、φmesh、φS分别表示毫米波回传链路、mesh回传链路、卫星回传链路的数据包大小;是回传链路选择矩阵的第m行第i列的值,表示am,x(t)被分配到回传链路i,表示am,x(t)未被分配到回传链路i;di表示回传链路i传输一个数据包的可以容忍的最大时延;Dmax、Dmin分别表示数据包在队列中的最大、最小平均排队时延,Pm,i表示am,x(t)在回传链路i上的发送功率,Pmax表示SBS的总瞬时发送功率最大值,φ(am,x(t))表示am,x(t)的大小,表示am,x(t)接入SBS的平均排队时延,
表示am,x(t)在队列QW上的平均排队时延,表示am,x(t)在队列QM上的平均排队时延,表示am,x(t)在队列QS上的平均排队时延;δi∈{0,1}是对应队列Qi的拥塞标志,δi=0时表示该队列发生了拥塞,δi=1时表示该队列没有发生拥塞;τi为设定的阈值;
进一步地,将回传链路分配问题简化为回传链路选择子问题:
回传链路选择子问题的求解过程如下:
步骤1,初始化Dmin,Dmax,duRLLC,deMBB,dmMTC,λ,λ=λ1+λ2+λ3;
步骤3,初始化每个队列允许长度的范围,初始化λW,λM,λS为总到达率λ的1/3;
步骤5,将时延容忍弹性矩阵转化为方阵,使回传链路选择子问题简化为一对一指派问题;
步骤6,将最大化时延弹性容忍值作为目标,执行匈牙利算法求解一对一指派问题,得到回传链路选择矩阵,并更新λW,λM,λS;
步骤7,根据回传链路选择矩阵,计算每个队列的平均排队时延;
步骤8,如果满足Di≤di则执行步骤10,否则执行步骤9;
步骤9,将不满足Di≤di的队列中时延容忍弹性值最小的数据包重新分配到满足Di≤di的其他队列中,得到新的回传链路选择矩阵并跳转到步骤4;
步骤10,输出最新的回传链路分配矩阵和最大时延弹性容忍值。
进一步地,将回传链路分配问题简化为回传功率分配子问题:
采用拉格朗日对偶法将回传功率分配子问题转化为凹问题,构造拉格朗日函数处理非线性约束条件,使用梯度下降法求解满足KKT条件的最优回传功率分配值。
有益效果:
本发明提出了一种5G弹性覆盖系统多回程链路选择与功率分配联合优化方法,该方法假设小基站传输队列拥有对应三种回传方式的三个子队列,通过排队论分析了数据包在小基站子队列上的传输时延,对以最大化时延容忍弹性值为优化目标进行建模,并将优化问题分解为回传链路选择子问题和回传功率分配子问题,最终得到多回程链路与功率分配联合优化算法。与传统算法相比,本发明能够降低业务数据包的平均时延,并且有效提高网络的传输速率。
附图说明
图1是多回程接入回传一体化网络场景;
图2是uRLLC业务模型;
图3是M/D/1/∞排队模型。
具体实施方式
为了使本发明的的目的、技术方案及优点更加的清楚,以下结合附图及实例,对本发明进行进一步详细说明。应当理解这些实例仅用于说明本发明而不用于限制本发明的范围。在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
基于图1所示的多回程接入回传一体化网络场景,本发明提出了一种5G弹性覆盖系统多回程链路与功率分配联合优化方法,所述方法包括以下步骤:
步骤S1、通过用户业务模型计算出当前时刻每个业务数据包的平均到达率,通过回传信道模型计算出当前时刻三个回传信道的回传链路总速率,通过小基站排队模型计算出数据包进入小基站队列时的平均排队时延;
步骤S2、计算匹配度因子,得到数据包在不同回传链路上的有效回速率,建立以最大化时延容忍弹性值为目标的回传链路分配问题的模型;
步骤S3、使用回传链路分配策略,求解回传链路分配问题;
步骤S4、使用回传功率分配策略,求解回传功率分配问题;
步骤S5、结合步骤S3与步骤S4的结果,得到5G弹性覆盖系统多回程链路选择结果与功率分配结果。
为了说明本发明所提方法的有效性,本发明给出了实例。示例场景由图1所示的多回程接入回传一体化网络场景为例,考虑由5G宏基站(macro-cell base station,MBS)和小基站(small-cell base station,SBS)构成的双层异构网络,MBS支持大范围的移动用户覆盖,覆盖范围约为数百米到上千米,场景中通过部署SBS来满足宏基站覆盖范围部分区域内的爆炸性的网络流量,SBS的覆盖范围约为数十米到上百米。假设SBS通过三种回程方式,即卫星回程,无线Mesh回程和毫米波(Millimeter wave,MMW)回程,将用户业务数据回传至MBS或核心网。
假设该区域包括K个由小基站提供服务的小基站用户(SUE),以及L个由宏基站提供服务的宏基站用户(MUE),MUEs的数据包直接传输给MBS,SUEs通过SBS回传数据包至MBS,MBS通过光纤连接至核心网。假设所有单天线用户用户随机均匀地分布在网络的覆盖范围内,一个用户同时只能被一个小基站或者宏基站服务。
假设场景中SBS的数据传输系统为一个时分复用系统,并考虑在离散时隙τ={1,2,...,T}传输上行用户业务。多个数据包在t时隙内陆续到达SBS,由于t时隙很短,所以在该时隙内到达的数据包被认为是同一批次到达的,且一个时隙内的无线信道保持相对稳定。在t时隙内,假设有M个数据包到达SBS进行排队等待传输,定义集合为t时隙需要传输的数据包集合,其中am,x(t)表示业务类型为x的第m个数据包。
在一个实施例中,将用户业务分为三大类,分别为超高可靠超低时延通信uRLLC业务,增强带宽eMBB业务和海量机器类通信mMTC业务。通过建立每类用户业务模型,计算出当前时刻每个业务数据包的平均到达率。
本发明使用双层模型对uRLLC业务进行建模,双层模型如图2所示。会话层用于描述用户发起uRLLC业务请求的特性,其中Ts表示业务到达时间间隔,Tl表示会话长度;数据包层主要描述每个uRLLC业务中包含的数据包特性,其中Tp表示数据包到达间隔,φp表示数据包大小。
会话层的uRLLC业务到达模型为ON/OFF模型,设ON/OFF状态的持续时间为Ton和Toff,则Ton和Toff均服从指数分布,它们的均值分别为ton和toff,并且ton>toff,因此Ton和Toff的概率密度分别为:
uRLLC业务源处于ON状态时以固定的时间间隔Tp发送数据包,每次发送的数据包大小φp服从截短的Pareto分布,其概率密度函数如下式表示:
其中,lsg被称为Pareto分布的比例参数,表示数据包分组大小最小值;hsg表示分组大小最大值;1/αsg被称为形状参数。
uRLLC业务数据包的平均大小φuRLLC为:
假设小区内uRLLC用户数量服从均值为θuRLLC的泊松分布,则uRLLC业务平均包到达率λ1表示为:
本发明将场景中的eMBB业务采用3GPP推荐的File Transfer Protocol(FTP)Model 3[3GPP13-36872](简称FTP3模型)模型进行建模。FTP3模型定义eMBB数据包的到达服从均值为D的泊松分布,且数据包的大小为一固定值φeMBB,eMBB用户以均值为θeMBB的大小均匀分布在小区内。由以上假设可知,eMBB业务平均包到达率为λ2=θeMBB×D。
mMTC用户在基站小区内的数量服从均匀分布,假设均值为θmMTC,且mMTC用户每秒上传固定大小φmMTC的数据包,mMTC业务在一秒内的数据包流量是随机分布的,因此,mMTC业务平均包到达率为λ3=θmMTC。
λ=λ1+λ2+λ3 (7)其中φMMV、φmesh、φS分别表示毫米波回传链路、mesh回传链路、卫星回传链路的数据包大小;λ是三种业务数据包平均到达率之和。
在一个实施例中,建立接入信道模型,假设SBS的接入和回传使用不同的频率传输,各基站小区间采用正交频分复用方式,无线信道是瑞利信道,在整个系统的用户UE(包括MUE和SUE)之间不存在干扰。用户的上行接入传输有三种情况:如果UE处于宏基站覆盖范围内,但未处于小基站的覆盖范围内,则用户直接接入MBS;如果UE处于小基站覆盖范围内,但SBS处于拥塞状态,则用户直接接入MBS;当UE既处于宏基站覆盖范围内又处于小基站覆盖范围内,且SBS处于非拥塞状态下,用户通过SBS接入至核心网。
由香农公式可得用户无线接入基站的理论传输速率为:
其中,BUE表示基站均匀分配给其下用户的带宽,γk(t)表示UE k与基站之间的信噪比,具体可以表示为:
其中,PUE表示UE的传输功率,hk(t)表示t时隙时UE到基站的信道增益,且服从均值为l的指数分布,N0为白噪声功率谱密度。
在一个实施例中,建立回传信道模型,回传信道包括毫米波回传信道、无线Mesh回传信道和卫星回传信道。
在一个实施例中,定义系统毫米波回程链路为LOS传输的概率为pLOS,由简化球模型可知:
其中α0为环境遮挡因子,根据传输环境的遮挡程度设定;d表示毫米波链路接收端到发送端的距离。
设系统毫米波回程链路为NLOS传输的概率为pNLOS,则:
pNLOS(d)=1-pLOS(d) (11)
设SBS的发送功率为Pt,那么MBS的接收功率为:
Pr=Pt·G·L(d)-1 (12)
其中,G表示天线增益系数;L(d)-1表示大尺度信道增益,是包含阴影衰落的路径损耗模型,用PLdb(d)表示其dB形式:
其中,α表示根据发射端到接收端确定参考距离的路径损耗值;β表示路径损耗指数;表示阴影衰落损耗参数,是方差为的零均值正态高斯随机变量,单位为dB;d表示SBS到MBS之间的链路距离,单位米。LOS链路和NLOS链路的α,β和阴影衰落损耗指数不相同。
假设SBS使用毫米波方式进行回传的发射功率为Pt W,经过传输路径后,到达MBS的接收功率为:
Pr W=Pt W·G·[LLOS(d)-1·pLOS(d)+LNLOS(d)-1.(1-pLOS(d))] (14)
其中,N0表示白噪声功率谱密度,BW表示毫米波回传链路分配带宽。
基于上式和香农公式可得,在t时隙的小基站毫米波回传链路总速率为:
由上式可知,在t时隙,SBS卫星回传链路总速率为:
在一个实施例中,SBS通过无线Mesh回传链路向MBS回传数据,假设该无线Mesh回传链路过程中经过n个Mesh节点,使用集合M={M1,M2,...,Mn}表示链路中所有的Mesh节点。SBS可以得到无线Mesh网络中t时刻任意两个节点Ma与Mb之间联通链路的信干躁比状态参数SINRa,b(t),Ma,Mb∈M。特别的,M0表示MBS节点。
其中,表示SBS在无线Mesh节点a的发射功率;Ga,b表示天线增益;ha,b(t)表示t时隙节点a,b间的信道相关系数;N0表示高斯白噪声功率谱密度;BM表示SBS无线Mesh回传链路的传输信道带宽;γ(0≤γ≤1)为正交因子,表示该信号受到其他相邻Mesh节点干扰的程度;b+1表示链路上节点b的下一个相邻的Mesh节点,同样的b-1表示链路上节点b上一个相邻的Mesh节点;分母中的式子表示了计算链路信噪比时只考虑接受节点b的一跳相邻Mesh节点;γ0表示Mesh链路信干躁比参数给定阈值。
t时隙时,SBS无线Mesh链路中所有的两个节点Ma与Mb之间的连通链路信干躁比状态参数SINRM(t)可以表示为:
SINRM(t)={SINR0,1(t),SINR1,2(t),...,SINRn-1,n(t)} (21)
在一个实施例中,建立队列模型,假设在SBS处存在QW,QM,QS三个回传队列用于缓存从SUE处接收到的用户数据包,队列集合Q={QW,QM,QS},SBS将从SUEs处接收到的用户数据包在Q中选择一个适合的队列进行排队等待回传。QW,QM,QS分别表示队列中排队等待的数据包分别通过毫米波方式、无线Mesh网络、卫星方式回传至MBS,每个队列最大长度为N。
假设由一批由N'个不同业务类型的数据包组成的数据包组到达SBS,SBS将数据包分配回传子队列,并在队列中按照顺序依次进行传输。与此同时,假设不同业务的数据包之间是相互独立的,一批数据包的到达过程服从泊松分布。
由式子(24)可知,当n=1,2,...,N时,队列长度为n时的概率为
其中i∈{W,M,S},0≤n≤N。根据队列状态的正则性有:
当队列长度大于最大长度N时认为该队列发生阻塞,因此队列Qi的阻塞率被表示为B1,i=pi,N,相应的,队列Qi的非阻塞率为B0,i=1-B1,i=1-pi,N。
队列Qi的平均队长是由两个部分相加而得,一是数据包在队列中排队等待过程中增加的排队队长Li,w,二是数据包在SBS队列被传输过程中造成的等待队长Li,s。可以求出系统达到平衡状态后的平均队长:
单位时间内可进入系统队列的用户平均数,即数据包的有效到达率为:
λi,e=λi(1-pi,N)=μi(1-pi,0) (28)
根据Little公式可得进入Qi中单个用户平均逗留时间Di,即数据包的平均排队时延为:
将系统达到平衡状态后的平均队长带入式子(30),可得关于ρi的平均排队时延等式:
其中,对于每一个队列,队列的服务率{μW,μM,μS}都是固定的值。
假设在t时隙,三个队列的到达率分别为λW,λM,λS,到达率满足λ=λW+λM+λS。
使用回传链路的回传速率来表示对应子队列的服务率。根据SBS处三种回传方式的传输速率可知,在t时隙,QW(t)队列的回传速率为QM(t)队列的回传速率为QS(t)队列的回传速率为则SBS队列系统的服务率可以表示为:
则t时隙内SBS队列Q的总服务率为
μ=μM+μM+μS (32)
将队列的到达率与服务率带入公式(31)可以得到t时刻数据包在每个子队列的平均排队时延,进一步地可以得到数据包am,x(t)接入SBS的平均排队时延为
其中,δi∈{0,1},i∈{W,M,S}是对应回传队列的拥塞标志,δi=0时,表示该队列发生了拥塞,δi=1时表示该队列没有发生拥塞。表示am,x(t)在队列QW上的排队时延,表示am,x(t)在队列QM上的排队时延,表示am,x(t)在队列QS上的排队时延(由式30可得)。
在一个实施例中,匹配度因子(MF)的计算过程可分为如下5个步骤:
(1)数值化回传网络参数:对于本身具有数值的回传网络参数,如回传带宽,抖动等,则不需要数值化,对于表示一种相对程度的回传网络参数,如解码器的质量,链路安全好坏,按照数值越大网络参数越好的规则,将其转化为一定数值。
(3)使用灰色关联分析方法计算出灰度关系系数并将其标准化,然后获得三类业务类型数据包分别对三种回传子队列的匹配度。
(5)匹配度因子归一化:将(4)中的MF数值归一化可得匹配度因子为:
其中,max{MFi,x}表示在t时刻,SBS传输系统中所有类别的数据包对所有队列i的匹配度因子中的最大值。
将MF对SBS回传链路最大传输速率RB(t)进行加权,得到数据包am,x(t)对回传链路i的有效回传速率为:
在一个实施例中,使用Z型效用函数来表明数据包传输时延与时延阈值之间的关系,称该Z型函数为时延容忍弹性值,表达式如下:
在一个实施例中,建立最大化时延容忍弹性值为目标的回传链路分配问题,模型如下:
其中,是回传链路选择矩阵的第m行第i列的值,表示am,x(t)是否被分配到回传链路i,表示am,x(t)被分配到回传链路i,表示am,x(t)未被分配到回传链路i;Dmax、Dmin分别表示数据包在队列中的最大、最小平均排队时延,Pm,i表示am,x(t)在回传链路i上的发送功率,Pmax表示SBS的总瞬时发送功率最大值,表示am,x(t)的平均回传速率,τi为设定的阈值。约束(39a)和约束(39b)使得一时隙内每个数据包只能被分配到一个回传队列中,而且允许传输系统在回传队列发生拥塞的状态下主动抛弃该数据包以改善整个回传网络质量。约束(39c)限制了子队列的最大延迟。约束(39d)限制了SBS分配给每个子队列的用户包数量,防止大多数数据包总是被分配到回传质量好的子队列而极少部分被分配到回传质量差的子队列,导致出现好子队列频繁处于拥塞状态而差子队列无包可传的情况。约束(39e)表明所有数据包在SBS子链路上的发射功率和不超过总瞬时发送功率的最大值,约束(39f)表示数据包的发射功率是不小于零的数值,约束(39g)限制同一类业务类型数据包的回传速率与该类型的平均有效回传速率的偏差在2τi范围内,目的是为了限制相同业务类型数据包之间的回传速率差异。
在一个实施例中,根据业务的不同,将数据包发送功率初始化为:
在确定初始功率Pm,i后,子问题(41)和约束条件不含有非线性变量,因此原来的NP-hard问题被转化为整数线性规划问题。子问题(41)被简化表述为0-1指派问题。0-1指派问题中员工处理任务的时间可以由效率矩阵来表示,而在此问题中,SBS队列处理数据包的效率将使用大小为M×3的时延容忍弹性矩阵来表示。在一般情况下,数据包的数量远远大于SBS队列的数量(M>>3),显然针对这种普遍情况,回传链路分配问题属于一对多指派问题,简称1-n问题。下面将求解属于1-n问题的回传链路选择问题。
该问题的约束条件(42c)属于连续变量,若想求解该优化问题,应当将其离散化变成子队列允许的排队长度大小范围,每个子队列中数据包的数量范围应当为:
首先由于1-n指派问题的矩阵要求为方阵,所以先将时延容忍弹性矩阵扩充为方阵。根据以下步骤将时延容忍弹性矩阵扩充为方阵:首先,将原时延容忍弹性矩阵的子队列进行复制并扩充到时延容忍弹性矩阵的列中,直至达到式子(43)给出的子队列大小范围,复制填充的每行列对应的时延容忍弹性值不变,得到新的时延容忍弹性矩阵;之后,如果新矩阵仍不是方阵,则将矩阵的行或列充零直至其变成方阵;最后,原时延容忍弹性矩阵转化成了方阵,则原1-n指派问题就被化简为了一对一指派问题。
回传链路选择策略被用于求解回传链路选择问题,具体过程如算法1所示。
在一个实施例中,将回传链路分配问题简化为回传链路选择子问题,描述为:
采用拉格朗日对偶法将子问题转化为凹问题,构造拉格朗日函数处理非线性约束条件,定义拉格朗日函数为:
其中,κ,ψ和π分别为子问题的约束条件对应的拉格朗日乘子矢量。
拉格朗日对偶目标函数可表示为:
使用共轭函数来表示对偶问题,则共轭函数可表示为:
其中,
由拉格朗日对偶目标函数和共轭函数可以得到拉格朗日对偶函数具体形式如下:
观察上式可以看到,f*(y)与Pm,n相关,而式子中的其他项则与Pm,n无关,所以对f*(y)求导并令其等于0可以取到最优解,式子表示如下:
利用KKT条件,满足如下条件的解是拉格朗日对偶问题的最优解:
Pm,y≥0κm≥0ψm≥0π≥0;
本节使用梯度下降法求解满足KKT条件的最优回传功率分配值Pm,i,具体过程为:首先使用梯度投影法求得回传功率分配Pm,i,再根据求得的Pm,i更新参数,如果当前功率值与前一次迭代的功率值的差值小于迭代精度Δ或者超过的迭代次数K,则停止迭代,得到最后解Pm,i并输出功率分配结果Pm,i,否则继续迭代。
迭代过程中的功率值迭代公式如下:
其中,[x]+表示x≥0,γ表示步长,上标n表示当前迭代过程,n-1表示上一次迭代过程,n=1,2,...,K。
每次迭代得到功率Pm,i后,更新参数κm,ψm,π,参数的更新公式如下所示
本发明采用回传功率分配策略用于求解回传功率分配问题,具体过程如算法2所示。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种5G弹性覆盖系统多回程链路选择与功率分配联合优化方法,其特征在于,所述方法包括以下步骤:
步骤S1、通过用户业务模型计算出当前时刻每个业务数据包的平均到达率,通过回传信道模型计算出当前时刻三个回传信道的回传链路总速率,通过小基站排队模型计算出每个业务数据包进入小基站队列时的平均排队时延;
步骤S2、计算匹配度因子,得到业务数据包在不同回传链路上的有效回传速率,建立以最大化时延容忍弹性值为目标的回传链路分配问题的模型;
步骤S3、使用回传链路分配策略,求解回传链路分配问题;
步骤S4、使用回传功率分配策略,求解回传功率分配问题;
步骤S5、结合步骤S3与步骤S4的结果,得到5G弹性覆盖系统多回程链路选择结果与功率分配结果。
2.根据权利要求1所述方法,其特征在于,该方法考虑由5G宏基站MBS和小基站SBS构成的双层异构网络;其中SBS通过卫星回程,无线Mesh回程和毫米波MMW回程三种回程方式,将用户业务数据回传至MBS或核心网;所有用户随机均匀地分布在网络覆盖区域内,一个用户同时只能被一个小基站或者宏基站服务;
网络覆盖区域包括K个由SBS提供服务的小基站用户SUE,以及L个由宏基站MBS提供服务的宏基站用户MUE,MUE的数据包直接传输给MBS,SUE的数据包通过SBS回传至MBS,MBS通过光纤连接至核心网。
3.根据权利要求2所述的方法,其特征在于,将用户业务分为超高可靠超低时延通信uRLLC业务,增强带宽eMBB业务和海量机器类通信mMTC业务三类,每类用户业务模型的建立方法如下:
(1)使用双层模型对uRLLC业务进行建模,会话层用于描述用户发起uRLLC业务请求的特性,其中uRLLC业务请求的特性包括业务到达时间间隔和会话长度;数据包层用于描述每个uRLLC业务中包含的数据包特性,其中数据包特性包括数据包到达间隔和数据包大小;
会话层的uRLLC业务到达模型为ON/OFF模型,设ON/OFF状态的持续时间为Ton和Toff,则Ton和Toff均服从指数分布,它们的均值分别为ton和toff,并且ton>toff,因此Ton和Toff的概率密度分别为:
uRLLC业务源处于ON状态时以固定的时间间隔Tp发送数据包,每次发送的数据包大小φp服从截短的Pareto分布,其概率密度函数如下式表示:
其中,lsg表示数据包分组大小最小值,为Pareto分布的比例参数;hsg表示分组大小最大值;1/αsg为形状参数;
uRLLC业务数据包的平均大小φuRLLC为:
网络覆盖区域内uRLLC用户数量服从均值为θuRLLC的泊松分布,则uRLLC业务平均包到达率λ1表示为:
(2)采用FTP3模型对eMBB业务进行建模,FTP3模型定义eMBB数据包的到达服从均值为DeMBB的泊松分布,且数据包的大小为一固定值φeMBB,eMBB用户以均值为θeMBB的大小均匀分布在网络覆盖区域内,进而得到eMBB业务平均包到达率为λ2=θeMBB×DeMBB;
(3)mMTC用户在网络覆盖区域内的数量服从均匀分布,均值为θmMTC,且mMTC用户每秒上传固定大小φmMTC的数据包,mMTC业务在一秒内的数据包流量是随机分布的,进而得到mMTC业务平均包到达率为λ3=θmMTC。
4.根据权利要求2所述的方法,其特征在于,建立接入信道模型,假设SBS的接入和回传使用不同的频率传输,各基站小区间采用正交频分复用方式,无线信道是瑞利信道,在整个系统的用户UE之间不存在干扰;
用户的上行接入传输有三种情况:如果UE处于MBS覆盖范围内,但未处于SBS覆盖范围内,则用户直接接入MBS;如果UE处于SBS覆盖范围内,但SBS处于拥塞状态,则用户直接接入MBS;当UE既处于MBS覆盖范围内又处于SBS覆盖范围内,且SBS处于非拥塞状态下,用户通过SBS接入至核心网;
由香农公式可得用户无线接入基站的理论传输速率为:
其中,BUE表示基站均匀分配给其下用户的带宽,γk(t)表示UE k与基站之间的信噪比,具体可以表示为:
其中,PUE表示UE的传输功率,hk(t)表示时隙t时UE到基站的信道增益,且服从均值为l的指数分布,N0为白噪声功率谱密度。
5.根据权利要求2所述的方法,其特征在于,建立回传信道模型,回传信道包括毫米波回传信道、无线Mesh回传信道和卫星回传信道,每个回传信道的回传链路总速率计算如下:
(1)定义系统毫米波回程链路为LOS传输的概率为pLOS(d):
其中α0为环境遮挡因子,d表示毫米波链路接收端到发送端的距离;
定义系统毫米波回程链路为NLOS传输的概率为pNLOS(d),则:
pNLOS(d)=1-pLOS(d)
定义SBS的发送功率为Pt,那么MBS的接收功率为:
Pr=Pt·G·L(d)-1
其中,G表示天线增益系数;L(d)-1表示大尺度信道增益,是包含阴影衰落的路径损耗模型,用PLdb(d)表示其dB形式:
定义SBS使用毫米波方式进行回传的发射功率为Pt W,经过传输路径后,到达MBS的接收功率为:
Pr W=Pt W·G·[LLOS(d)-1·pLOS(d)+LNLOS(d)-1·(1-pLOS(d))]
其中,N0表示白噪声功率谱密度,BW表示毫米波回传链路分配带宽;
进而得到,t时隙SBS毫米波回传链路总速率为:
其中,gs表示瑞利衰落的复高斯变量,βs(d)服从对数正态分布,αs表示卫星链路的路径损耗系数;
由上式可知,t时隙SBS卫星回传链路总速率为:
(3)SBS通过无线Mesh回传链路向MBS回传数据,假设该无线Mesh回传链路过程中经过n个Mesh节点M1,M2,...,Mn,节点集合M={M1,M2,...,Mn};
无线Mesh网络中t时隙任意两个节点Ma与Mb之间联通链路的信干躁比状态参数SINRa,b(t)为:
其中,表示SBS在Ma的发射功率;Ga,b表示Ma与Mb间的天线增益;ha,b(t)表示t时隙Ma与Mb间的信道相关系数;BM表示SBS无线Mesh回传链路的传输信道带宽;Gx,x+1表示节点Mx与Mx的下一相邻节点Mx+1间的天线增益;|hx,x+1|表示t时隙Mx与Mx+1间的的信道相关系数;γ为正交因子;γ0表示Mesh链路信干躁比参数给定阈值;
t时隙SBS无线Mesh链路中任意两个节点之间的连通链路信干躁比状态参数的集合SINRM(t)表示为:
SINRM(t)={SINR0,1(t),SINR1,2(t),...,SINRn-1,n(t)}
6.根据权利要求2所述的方法,其特征在于,假设在SBS处存在QW,QM,QS三个回传队列用于缓存从SUE处接收到的用户数据包,队列集合Q={QW,QM,QS};其中,QW,QM,QS分别表示队列中排队等待的数据包分别通过毫米波方式,无线Mesh网络,卫星方式回传至MBS;
假设由一批由N'个不同业务类型的数据包组成的数据包组到达SBS,SBS将数据包分配回传子队列,并在子队列中按照顺序依次进行传输。与此同时,假设不同业务的数据包之间是相互独立的,一批数据包的到达过程服从泊松分布;
使用pi,n表示队列Qi的长度为n的概率,n∈{0,1,...,N},根据排队论的分析方法,针对队列状态列出队列各状态概率的稳态方程:
其中,i∈{W,M,S},0≤n≤N;队列Qi的使用率ρi为到达率λi与服务率之比μi;
由上式得到:
其中,pi,0为队列Qi的空闲概率;
根据队列状态的正则性有:
进而求得队列Qi的空闲概率pi,0为:
当队列长度大于N时认为该队列发生阻塞,因此队列Qi的阻塞率表示为B1,i=pi,N,队列Qi的非阻塞率为B0,i=1-B1,i=1-pi,N;
队列Qi的平均队长是由两个部分相加而得,一部分是数据包在队列中排队等待过程中增加的排队队长Li,w,另一部分是数据包在SBS子队列被传输过程中造成的等待队长Li,s,进而得到队列达到平衡状态后的平均队长为:
数据包的有效到达率为单位时间内能够进入系统队列的用户平均数:
λi,e=λi(1-pi,N)=μi(1-pi,0)
根据Little公式得到数据包的平均排队时延为:
进而,得到数据包的平均排队时延为:
8.根据权利要求7所述的方法,其特征在于,建立最大化时延容忍弹性值为目标的回传链路分配问题:
其中,为时延容忍弹性值,T(am,x(t))表示am,x(t)的时延阈值,α为灵敏度因子,χx表示am,x(t)的业务增益,为数据包的平均大小,φMMV、φmesh、φS分别表示毫米波回传链路、mesh回传链路、卫星回传链路的数据包大小;是回传链路选择矩阵的第m行第i列的值,表示am,x(t)被分配到回传链路i,表示am,x(t)未被分配到回传链路i;di表示回传链路i传输一个数据包的可以容忍的最大时延;Dmax、Dmin分别表示数据包在队列中的最大、最小平均排队时延,Pm,i表示am,x(t)在回传链路i上的发送功率,Pmax表示SBS的总瞬时发送功率最大值,φ(am,x(t))表示am,x(t)的大小,表示am,x(t)接入SBS的平均排队时延, 表示am,x(t)在队列QW上的平均排队时延,表示am,x(t)在队列QM上的平均排队时延,表示am,x(t)在队列QS上的平均排队时延;δi∈{0,1}是对应队列Qi的拥塞标志,δi=0时表示该队列发生了拥塞,δi=1时表示该队列没有发生拥塞;τi为设定的阈值;
9.根据权利要求8所述的方法,其特征在于,将回传链路分配问题简化为回传链路选择子问题:
回传链路选择子问题的求解过程如下:
步骤1,初始化Dmin,Dmax,duRLLC,deMBB,dmMTC,λ,λ=λ1+λ2+λ3;
步骤3,初始化每个队列允许长度的范围,初始化λW,λM,λS为总到达率λ的1/3;
步骤5,将时延容忍弹性矩阵转化为方阵,使回传链路选择子问题简化为一对一指派问题;
步骤6,将最大化时延弹性容忍值作为目标,执行匈牙利算法求解一对一指派问题,得到回传链路选择矩阵,并更新λW,λM,λS;
步骤7,根据回传链路选择矩阵,计算每个队列的平均排队时延;
步骤8,如果满足Di≤di则执行步骤10,否则执行步骤9;
步骤9,将不满足Di≤di的队列中时延容忍弹性值最小的数据包重新分配到满足Di≤di的其他队列中,得到新的回传链路选择矩阵并跳转到步骤4;
步骤10,输出最新的回传链路分配矩阵和最大时延弹性容忍值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210599127.4A CN115103396A (zh) | 2022-05-30 | 2022-05-30 | 5g弹性覆盖系统多回程链路选择与功率分配联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210599127.4A CN115103396A (zh) | 2022-05-30 | 2022-05-30 | 5g弹性覆盖系统多回程链路选择与功率分配联合优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115103396A true CN115103396A (zh) | 2022-09-23 |
Family
ID=83289822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210599127.4A Pending CN115103396A (zh) | 2022-05-30 | 2022-05-30 | 5g弹性覆盖系统多回程链路选择与功率分配联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115103396A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115801091A (zh) * | 2022-10-11 | 2023-03-14 | 西安电子科技大学 | 面向星地协同计算的大规模星座网络资源调度方法 |
CN116367288A (zh) * | 2023-04-11 | 2023-06-30 | 山东大学 | 一种大规模多层异构网络中基于非线性能量收集的上行传输方法 |
CN116828534A (zh) * | 2023-06-06 | 2023-09-29 | 中电佰联通信科技南京有限公司 | 基于强化学习的密集网络大规模终端接入与资源分配方法 |
-
2022
- 2022-05-30 CN CN202210599127.4A patent/CN115103396A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115801091A (zh) * | 2022-10-11 | 2023-03-14 | 西安电子科技大学 | 面向星地协同计算的大规模星座网络资源调度方法 |
CN116367288A (zh) * | 2023-04-11 | 2023-06-30 | 山东大学 | 一种大规模多层异构网络中基于非线性能量收集的上行传输方法 |
CN116367288B (zh) * | 2023-04-11 | 2024-02-20 | 山东大学 | 一种大规模多层异构网络中基于非线性能量收集的上行传输方法 |
CN116828534A (zh) * | 2023-06-06 | 2023-09-29 | 中电佰联通信科技南京有限公司 | 基于强化学习的密集网络大规模终端接入与资源分配方法 |
CN116828534B (zh) * | 2023-06-06 | 2024-01-02 | 中电佰联通信科技南京有限公司 | 基于强化学习的密集网络大规模终端接入与资源分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Coordinated multipoint transmission with limited backhaul data transfer | |
Zhong et al. | Traffic matching in 5G ultra-dense networks | |
CN115103396A (zh) | 5g弹性覆盖系统多回程链路选择与功率分配联合优化方法 | |
US7370116B2 (en) | Approach to minimize worst-case queuing delay for a switching communication system with transmission constraints | |
CN108307511B (zh) | 无线自回传小基站接入控制与资源分配联合优化方法 | |
Azari et al. | User traffic prediction for proactive resource management: Learning-powered approaches | |
US20120230264A1 (en) | Method, apparatus and system for cooperative resource scheduling and cooperative communication | |
WO2007065364A1 (en) | System and method of distributed intelligent scheduling with compensation optimization (disco) for wireless ad hoc or personal area network | |
CN108964806B (zh) | 一种带内全双工系统无线接入与回传联合资源分配方法 | |
CN111555795A (zh) | 一种基于用户分组调度的网络资源分配方法和装置 | |
Zhou et al. | Joint multicast beamforming and user grouping in massive MIMO systems | |
CN107197423A (zh) | 一种面向容量的d2d多播资源分配方法 | |
CN113596785A (zh) | 基于深度q网络的d2d-noma通信系统资源分配方法 | |
CN115173922B (zh) | 基于cmaddqn网络的多波束卫星通信系统资源分配方法 | |
Azzino et al. | Scheduling the data transmission interval in IEEE 802.11 ad: A reinforcement learning approach | |
Ji et al. | Delay-aware satellite-terrestrial backhauling for heterogeneous small cell networks | |
CN113014305B (zh) | 基于优先级准入控制的功率带宽联合资源优化方法 | |
Zhang et al. | Packet-level throughput analysis and energy efficiency optimization for uav-assisted iab heterogeneous cellular networks | |
Zhang et al. | Intelligent spectrum management based on radio map for cloud-based satellite and terrestrial spectrum shared networks | |
KR20230092294A (ko) | 심층 q-학습을 이용한 우선순위 기반 자원 할당 방법 및 장치 | |
Sun et al. | Joint power allocation and rate control for NOMA-based space information networks | |
Li et al. | Dynamic beam hopping of double LEO multi-beam satellite based on determinant point process | |
CN111465108A (zh) | 一种能量获取d2d异构网络中频效能效优化方法 | |
CN108540246B (zh) | 一种基于认知无线电的资源分配方法 | |
CN115226231A (zh) | 一种基于信息新鲜度的高铁通信无线资源分配方法 |
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 |