CN116261227A - eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法 - Google Patents

eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法 Download PDF

Info

Publication number
CN116261227A
CN116261227A CN202211588187.2A CN202211588187A CN116261227A CN 116261227 A CN116261227 A CN 116261227A CN 202211588187 A CN202211588187 A CN 202211588187A CN 116261227 A CN116261227 A CN 116261227A
Authority
CN
China
Prior art keywords
base station
user
result
allocation result
energy efficiency
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
CN202211588187.2A
Other languages
English (en)
Inventor
吴宣利
潘天助
吴玮
唐彬涛
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202211588187.2A priority Critical patent/CN116261227A/zh
Publication of CN116261227A publication Critical patent/CN116261227A/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
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • 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
    • H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
    • H04W52/265—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the quality of service QoS
    • 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)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提出eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法。属于通讯领域。该方法旨在解决超密集网络中因为基站覆盖面积小及干扰强烈导致用户数据速率下降和传输时延和误码率无法得到保证的问题，该方法使用用户设备测量服务小区和邻区的参考信号，进行信道估计并上报，使用了交替优化RB分配和功率分配子问题的方法求解了eMBB和uRLLC业务QoS需求保证约束下的能效最优化问题，基于Dinkelbach方法和连续凸逼近对每个子问题进行求解，并最终输出RB分配结果和功率分配结果，实现了保证QoS需求的同时优化系统的能量效率。

Description

eMBB与uRLLC业务共存超密集网络中高能效无线资源分配 方法
技术领域
本发明属于通讯技术领域，特别是涉及eMBB与uRLLC业务共存超密集网络中高能效无线资源(RB)分配方法。
背景技术
随着第五代移动通信技术(5G)的发展，移动通信网络正逐步实现着人们提出5G时设立的目标：连接数密度、用户峰值速率和体验速率较上一代系统提升10到100倍，空口时延低至1毫米，能量效率和频谱效率大幅提升。为了应对这些挑战，通信业界和学术界提出了超密集网络技术。超密集网络技术，是通过密集部署，来增加单位面积内的微基站数量，在网络中引入超大规模低功率传输节点以实现热点增强、边缘消除、覆盖优化来提高网络容量和传输速率的，是实现5G目标的重要解决方案和关键驱动因素。
针对新一代移动通信系统高容量、高速率的需求，超密集网络技术、高频段传输技术和频谱效率增强技术起着尤为关键的作用。而在5G使用的新型通信技术中，新型波形传输技术、先进的编码调制技术和超高宽带传输技术对容量和速率的提升都难以达到5G的目标要求。增加网络容量和速率的直接且有效的方法是使小区进一步分裂、使其变小，实现更加密集的覆盖，而微基站密集部署带来的系统容量、速率的增长最为显著。
在超密集网络中，由于基站和用户数量多、部署密集，用户的接收信号可能遭受强烈的干扰，使得网络的性能受到很大的影响，另一方面，由于基站数量多造成的硬件电路总功耗增大和干扰加剧造成的单链路谱效下降，超密集网络可能面临严峻的能量挑战，无线资源关联作为实现干扰协调、能效优化的重要技术，对用户的QoS有着十分显著的影响，所以研究超密集网络中的无线资源管理技术对降低网络干扰、提升网络能效和用户体验有重要意义。
现有研究中，针对超密集网络中保障用户QoS同时优化系统性能的技术通常只考虑用户的传输速率约束，这种技术设计方法对于eMBB业务类型可以获得较好的性能，但无法保证车联网、远程手术、交互式VR等对时延和可靠性要求较高的业务，为解决这一问题，有人基于有限传输块模型研究了uRLLC业务性能保证问题，但尚无在超密集网络中关于eMBB用户与uRLLC用户共存场景下保证QoS的能效优化技术的研究。
发明内容
本发明目的是为了解决传统资源分配方法在超密集网络中无法应对强烈干扰且无法对uRLLC用户提供足够的QoS保证的问题，提出了eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法。所述方法包括RB分配和功率分配方法，可以有效优化系统的能量效率，并保证eMBB和uRLLC用户的业务性能需求。
本发明是通过以下技术方案实现的，本发明提出eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法，所述方法包括以下步骤：
步骤A：终端测量小基站发射的导频信号，进行信道估计；
步骤B：用户向小基站上报信道信息和QoS需求，其中QoS需求包括eMBB用户的最低传输速率、uRLLC用户的最低数据速率、误码率和单个数据包可容忍的最大时延；
步骤C：宏基站基于Dinkelbach方法和SCA求解QoS约束下的能效最优化的频率分配问题，获得第一轮无线资源RB分配结果；
步骤D：宏基站基于Dinkelbach方法和SCA求解QoS约束下的能效最优化的功率分配问题，获得第一轮功率分配结果；
步骤E：交替进行步骤C和步骤D直至结果收敛；
步骤F：宏基站将求得的RB分配和功率分配结果下发给小基站，小基站执行无线信号传输。
进一步地，在步骤A中，由小基站周期性的向用户发射相互正交的导频信号，用户分别接收来自服务小基站和周围邻区小基站的导频信号并进行信道估计，将信道估计的结果上报给其服务小基站，服务小基站将用户估计的信道状态信息通过Xn接口上报给宏基站。
进一步地，在步骤B中，用户跟据自身业务类型确定QoS需求指标并上报，宏基站汇总当前基站-用户的关联情况，并根据小基站上报的信息，构建关联矩阵X，信道增益矩阵G和速率需求向量r，并进行初始化RB和功率分配，具体构建和初始化过程包括步骤B1～B5：
步骤B1：用户根据自身的业务情况确定自身的QoS需求指标，包括eMBB用户的最低传输速率，uRLLC用户的最低可靠传输速率、单个数据包最大可容忍时延和最大可容忍误码率；将量化的QoS需求指标上报给其服务小基站，各个小基站将接收到的用户QoS需求指标通过Xn接口上报给宏基站；
步骤B2：宏基站根据当前的用户-基站之间的关联情况构建关联矩阵X∈{0,1}M×K，其中每个元素xm,k＝1，如果用户k的服务基站是基站m；其余元素为0；
步骤B3：构建信道增益矩阵G∈CM,K，其中每个元素gm,k为用户k与基站m之间的信道增益由步骤A中的信道估计和上报过程获得；
步骤B4：构建速率需求向量r，r是一个列向量，其中每个元素
Figure SMS_1
为用户k需求的最低数据速率，由步骤B1中用户需求上报过程获得；
步骤B5：每个小基站根据参数配置，将可用的ξnNmax个RB轮询地分配给其服务的所有用户，记录用户分得的RB数为Nk，并初始化发射功率矩阵P，其中每个元素pm,k代表基站m为用户k分配的发射功率，由式(1)确定；
Figure SMS_2
进一步地，在步骤C中，宏基站基于Dinkelbach方法和SCA求解QoS约束下的能效最优化的频率分配问题，获得RB分配结果，具体过程包括步骤C1到步骤C7：
步骤C1：接收当前频率分配结果Nin＝N，功率分配结果Pin＝P，根据公式(2)计算每个用户的干扰和噪声密度；
Figure SMS_3
式中pm,k为Pin中对应元素；
步骤C2：初始化t＝0，设定初始能效
Figure SMS_4
最大外层迭代次数Tmax；重复步骤C3到步骤C6；
步骤C3：初始化i＝0，设定最大内层迭代次数Imax，设定
Figure SMS_5
重复步骤C3-1到步骤C3-5；
步骤C3-1：基于当前资源分配结果N，根据公式(3)计算每个用户的
Figure SMS_6
函数的梯度：
Figure SMS_7
式中，
Figure SMS_8
为用户k的单个数据包最大可容忍时延，W为单个RB占据的带宽；
步骤C3-2：基于一阶泰勒展开获得函数上界的表达式如公式(4)所示：
Figure SMS_9
步骤C3-3：使用标准凸优化求解器求解问题P1，输出最优解
Figure SMS_10
Figure SMS_11
式中
Figure SMS_12
表达式由公式(6)和(7)给出：
Figure SMS_13
Figure SMS_14
步骤C3-4：判断是否达到最大迭代次数i＝Imax，如达到，则结束迭代，输出最终RB分配结果
Figure SMS_15
步骤C3-5：将N[i+1]赋值为
Figure SMS_16
判断是否达到收敛条件N[i+1]-N[i]≤εinner，如达到，则结束内层迭代，输出最终频率分配结果N[i+1]；
步骤C4：根据公式(8)计算当前能量效率：
Figure SMS_17
步骤C5：判断是否达到最大迭代次数t＝Tmax，如达到，则结束迭代，输出最终RB分配结果
Figure SMS_18
和最终能效/>
Figure SMS_19
步骤C6：判断收敛条件(9)是否成立：
Figure SMS_20
如果(9)不成立，则令t＝t+1，
Figure SMS_21
若成立则结束迭代，输出最终RB分配结果/>
Figure SMS_22
和最终能效/>
Figure SMS_23
步骤C7：输出RB分配结果
Figure SMS_24
能效/>
Figure SMS_25
进一步地，所述步骤D具体为：
步骤D1：接收当前频率分配结果Nin＝N，功率分配结果Pin＝P；
步骤D2：初始化t＝0，设定初始能效
Figure SMS_26
最大外层迭代次数Tmax；重复步骤D3到步骤D6；
步骤D3：初始化i＝0，设定最大内层迭代次数Imax，设定初始功率分配结果为
Figure SMS_27
重复步骤D3-1到步骤D3-10；
步骤D3-1：根据公式(10)计算SINR的下界近似为：
Figure SMS_28
步骤D3-2：根据频率分配结果N，分别根据公式(11)(12)计算初始的有用信号的下界、计算干扰噪声之和的上界；
Figure SMS_29
Figure SMS_30
步骤D3-3：根据公式(13)定义辅助变量ρk：
Figure SMS_31
步骤D3-4：根据公式(14)(15)计算辅助变量在
Figure SMS_32
处关于αk和βk的初始偏导数；
Figure SMS_33
/>
Figure SMS_34
步骤D3-5：根据算得的初始偏导数值利用公式(16)获得辅助变量的一阶泰勒近似：
Figure SMS_35
步骤D3-6：定义信道色散的算术平方根为
Figure SMS_36
其中/>
Figure SMS_37
根据/>
Figure SMS_38
和公式(17)初始计算T(φ)的初始导数：
Figure SMS_39
步骤D3-7：根据计算得的初始导数利用公式(18)获得T(φ)在
Figure SMS_40
处的一阶泰勒近似式：
Figure SMS_41
步骤D3-8：使用标准凸优化求解器求解问题P2：
Figure SMS_42
式中
Figure SMS_43
由前述公式(16)给出，/>
Figure SMS_44
表达式由公式(20)和(21)给出：
Figure SMS_45
Figure SMS_46
式中T[i]由前述公式(18)给出；
步骤D3-9：判断是否达到最大迭代次数i＝Imax，如达到，则结束迭代，输出最终功率分配结果
Figure SMS_47
步骤D3-10：将P[i+1]赋值为
Figure SMS_48
判断是否达到收敛条件/>
Figure SMS_49
符号A表示对矩阵A中的所有元素求和，如达到收敛条件，则结束内层迭代，输出最终频率分配结果/>
Figure SMS_50
/>
步骤D4：根据公式(22)计算当前能量效率：
Figure SMS_51
步骤D5：判断是否达到最大迭代次数t＝Tmax，如达到，则结束迭代，输出最终功率分配结果
Figure SMS_52
和最终能效/>
Figure SMS_53
步骤D6：判断收敛条件(23)是否成立；
Figure SMS_54
如果(23)不成立，则令t＝t+1，
Figure SMS_55
若成立则结束迭代，输出最终功率分配结果/>
Figure SMS_56
和最终能效/>
Figure SMS_57
步骤D7：输出结果
Figure SMS_58
能效/>
Figure SMS_59
进一步地，所述步骤E具体为：
步骤E1：令t＝0，重复执行步骤E2到步骤E4；
步骤E2：以当前的RB分配结果N和功率分配结果P进行步骤C，获得更新的RB分配结果N和能效ηEE，令
Figure SMS_60
步骤E3：以当前的RB分配结果N和功率分配结果P进行步骤C，获得更新的功率分配结果P和能效ηEE，令
Figure SMS_61
步骤E4：判断条件
Figure SMS_62
是否成立，如果成立，则结束循环并输出最终的RB分配结果N和功率分配结果P；
步骤E5：对求得的
Figure SMS_63
中每个元素Nk向上取整得到/>
Figure SMS_64
获得最终的RB分配结果，输出结果/>
Figure SMS_65
和功率分配结果P。
进一步地，在步骤F中，宏基站将每个小基站最终求得的频率分配结果
Figure SMS_66
和功率分配结果P通过Xn接口发给小基站，小基站随机占用系统所有可用RB中的Nk个RB分配给用户k，并对k使用无线功率pm,k发送数据信号，其中Nk和pm,k分别为频率分配结果向量/>
Figure SMS_67
和功率分配结果矩阵P中的对应元素。
本发明的有益效果：
本发明针对超密集网络的特性，提出了一种基于Dinkelbach方法和连续凸逼近(SCA)的无线资源分配方法，首先基于用户对导频的测量和信道估计上报构建系统内的全局信道增益矩阵和用户QoS需求指标，然后构建并求解了eMBB与uRLLC用户共存场景下的能效最优化问题，将无线资源分配问题分解为RB分配和功率分配两个子问题并交替求解，针对每个子问题，提出了基于Dinkelbach方法和连续凸逼近的迭代求解方法，最终获得了速率、时延、误码率保证下的无线资源分配结果，提高了系统的能效和用户需求满足程度。
附图说明
图1是eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法流程图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提出eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法，所述方法包括以下步骤：
步骤A：终端测量小基站发射的导频信号，进行信道估计；
步骤B：用户向小基站上报信道信息和QoS需求，其中QoS需求包括eMBB用户的最低传输速率、uRLLC用户的最低数据速率、误码率和单个数据包可容忍的最大时延；
步骤C：宏基站基于Dinkelbach方法和SCA求解QoS约束下的能效最优化的频率分配问题，获得第一轮无线资源RB分配结果；
步骤D：宏基站基于Dinkelbach方法和SCA求解QoS约束下的能效最优化的功率分配问题，获得第一轮功率分配结果；
步骤E：交替进行步骤C和步骤D直至结果收敛；
步骤F：宏基站将求得的RB分配和功率分配结果下发给小基站，小基站执行无线信号传输。
在步骤A中，由小基站周期性的向用户发射相互正交的导频信号，用户分别接收来自服务小基站和周围邻区小基站的导频信号并进行信道估计，将信道估计的结果上报给其服务小基站，服务小基站将用户估计的信道状态信息通过Xn接口上报给宏基站。
在步骤B中，用户跟据自身业务类型确定QoS需求指标并上报，宏基站汇总当前基站-用户的关联情况，并根据小基站上报的信息，构建关联矩阵X，信道增益矩阵G和速率需求向量r，并进行初始化RB和功率分配，具体构建和初始化过程包括步骤B1～B5：
步骤B1：用户根据自身的业务情况确定自身的QoS需求指标，包括eMBB用户的最低传输速率，uRLLC用户的最低可靠传输速率、单个数据包最大可容忍时延和最大可容忍误码率；将量化的QoS需求指标上报给其服务小基站，各个小基站将接收到的用户QoS需求指标通过Xn接口上报给宏基站；
步骤B2：宏基站根据当前的用户-基站之间的关联情况构建关联矩阵X∈{0,1}M×K，其中每个元素xm,k＝1，如果用户k的服务基站是基站m；其余元素为0；
步骤B3：构建信道增益矩阵G∈CM,K，其中每个元素gm,k为用户k与基站m之间的信道增益由步骤A中的信道估计和上报过程获得；
步骤B4：构建速率需求向量r，r是一个列向量，其中每个元素
Figure SMS_68
为用户k需求的最低数据速率，由步骤B1中用户需求上报过程获得；
步骤B5：每个小基站根据参数配置，将可用的ξnNmax个RB轮询地分配给其服务的所有用户，记录用户分得的RB数为Nk，并初始化发射功率矩阵P，其中每个元素pm,k代表基站m为用户k分配的发射功率，由式(1)确定；
Figure SMS_69
在步骤C中，宏基站基于Dinkelbach方法和SCA求解QoS约束下的能效最优化的频率分配问题，获得RB分配结果，具体过程包括步骤C1到步骤C7：
步骤C1：接收当前频率分配结果Nin＝N，功率分配结果Pin＝P，根据公式(2)计算每个用户的干扰和噪声密度；
Figure SMS_70
式中pm,k为Pin中对应元素；
步骤C2：初始化t＝0，设定初始能效
Figure SMS_71
最大外层迭代次数Tmax；重复步骤C3到步骤C6；
步骤C3：初始化i＝0，设定最大内层迭代次数Imax，设定
Figure SMS_72
重复步骤C3-1到步骤C3-5；
步骤C3-1：基于当前资源分配结果N，根据公式(3)计算每个用户的
Figure SMS_73
函数的梯度：
Figure SMS_74
式中，
Figure SMS_75
为用户k的单个数据包最大可容忍时延，W为单个RB占据的带宽；
步骤C3-2：基于一阶泰勒展开获得函数上界的表达式如公式(4)所示：
Figure SMS_76
步骤C3-3：使用标准凸优化求解器求解问题P1，输出最优解
Figure SMS_77
Figure SMS_78
式中
Figure SMS_79
表达式由公式(6)和(7)给出：
Figure SMS_80
/>
Figure SMS_81
步骤C3-4：判断是否达到最大迭代次数i＝Imax，如达到，则结束迭代，输出最终RB分配结果
Figure SMS_82
步骤C3-5：将N[i+1]赋值为
Figure SMS_83
判断是否达到收敛条件N[i+1]-N[i]≤εinner，如达到，则结束内层迭代，输出最终频率分配结果N[i+1]；
步骤C4：根据公式(8)计算当前能量效率：
Figure SMS_84
步骤C5：判断是否达到最大迭代次数t＝Tmax，如达到，则结束迭代，输出最终RB分配结果
Figure SMS_85
和最终能效/>
Figure SMS_86
步骤C6：判断收敛条件(9)是否成立：
Figure SMS_87
如果(9)不成立，则令t＝t+1，
Figure SMS_88
若成立则结束迭代，输出最终RB分配结果/>
Figure SMS_89
和最终能效/>
Figure SMS_90
步骤C7：输出RB分配结果
Figure SMS_91
能效/>
Figure SMS_92
所述步骤D具体为：
步骤D1：接收当前频率分配结果Nin＝N，功率分配结果Pin＝P；
步骤D2：初始化t＝0，设定初始能效
Figure SMS_93
最大外层迭代次数Tmax；重复步骤D3到步骤D6；
步骤D3：初始化i＝0，设定最大内层迭代次数Imax，设定初始功率分配结果为
Figure SMS_94
重复步骤D3-1到步骤D3-10；
步骤D3-1：根据公式(10)计算SINR的下界近似为：
Figure SMS_95
步骤D3-2：根据频率分配结果N，分别根据公式(11)(12)计算初始的有用信号的下界、计算干扰噪声之和的上界；
Figure SMS_96
Figure SMS_97
步骤D3-3：根据公式(13)定义辅助变量ρk：
Figure SMS_98
步骤D3-4：根据公式(14)(15)计算辅助变量在
Figure SMS_99
处关于αk和βk的初始偏导数；
Figure SMS_100
Figure SMS_101
步骤D3-5：根据算得的初始偏导数值利用公式(16)获得辅助变量的一阶泰勒近似：
Figure SMS_102
步骤D3-6：定义信道色散的算术平方根为
Figure SMS_103
其中/>
Figure SMS_104
根据/>
Figure SMS_105
和公式(17)初始计算T(φ)的初始导数：
Figure SMS_106
步骤D3-7：根据计算得的初始导数利用公式(18)获得T(φ)在
Figure SMS_107
处的一阶泰勒近似式：
Figure SMS_108
步骤D3-8：使用标准凸优化求解器求解问题P2：
Figure SMS_109
式中
Figure SMS_110
由前述公式(16)给出，/>
Figure SMS_111
表达式由公式(20)和(21)给出：
Figure SMS_112
/>
Figure SMS_113
式中T[i]由前述公式(18)给出；
步骤D3-9：判断是否达到最大迭代次数i＝Imax，如达到，则结束迭代，输出最终功率分配结果
Figure SMS_114
步骤D3-10：将P[i+1]赋值为
Figure SMS_115
判断是否达到收敛条件/>
Figure SMS_116
符号A表示对矩阵A中的所有元素求和，如达到收敛条件，则结束内层迭代，输出最终频率分配结果/>
Figure SMS_117
步骤D4：根据公式(22)计算当前能量效率：
Figure SMS_118
步骤D5：判断是否达到最大迭代次数t＝Tmax，如达到，则结束迭代，输出最终功率分配结果
Figure SMS_119
和最终能效/>
Figure SMS_120
步骤D6：判断收敛条件(23)是否成立；
Figure SMS_121
如果(23)不成立，则令t＝t+1，
Figure SMS_122
若成立则结束迭代，输出最终功率分配结果/>
Figure SMS_123
和最终能效/>
Figure SMS_124
步骤D7：输出结果
Figure SMS_125
能效/>
Figure SMS_126
所述步骤E具体为：
步骤E1：令t＝0，重复执行步骤E2到步骤E4；
步骤E2：以当前的RB分配结果N和功率分配结果P进行步骤C，获得更新的RB分配结果N和能效ηEE，令
Figure SMS_127
步骤E3：以当前的RB分配结果N和功率分配结果P进行步骤C，获得更新的功率分配结果P和能效ηEE，令
Figure SMS_128
步骤E4：判断条件
Figure SMS_129
是否成立，如果成立，则结束循环并输出最终的RB分配结果N和功率分配结果P；
步骤E5：对求得的
Figure SMS_130
中每个元素Nk向上取整得到/>
Figure SMS_131
获得最终的RB分配结果，输出结果/>
Figure SMS_132
和功率分配结果P。
在步骤F中，宏基站将每个小基站最终求得的频率分配结果
Figure SMS_133
和功率分配结果P通过Xn接口发给小基站，小基站随机占用系统所有可用RB中的Nk个RB分配给用户k，并对k使用无线功率pm,k发送数据信号，其中Nk和pm,k分别为频率分配结果向量/>
Figure SMS_134
和功率分配结果矩阵P中的对应元素。/>
以上对本发明所提出的eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法，其特征在于：所述方法包括以下步骤：
步骤A：终端测量小基站发射的导频信号，进行信道估计；
步骤B：用户向小基站上报信道信息和QoS需求，其中QoS需求包括eMBB用户的最低传输速率、uRLLC用户的最低数据速率、误码率和单个数据包可容忍的最大时延；
步骤C：宏基站基于Dinkelbach方法和SCA求解QoS约束下的能效最优化的频率分配问题，获得第一轮无线资源RB分配结果；
步骤D：宏基站基于Dinkelbach方法和SCA求解QoS约束下的能效最优化的功率分配问题，获得第一轮功率分配结果；
步骤E：交替进行步骤C和步骤D直至结果收敛；
步骤F：宏基站将求得的RB分配和功率分配结果下发给小基站，小基站执行无线信号传输。
2.根据权利要求1所述的方法，其特征在于，在步骤A中，由小基站周期性的向用户发射相互正交的导频信号，用户分别接收来自服务小基站和周围邻区小基站的导频信号并进行信道估计，将信道估计的结果上报给其服务小基站，服务小基站将用户估计的信道状态信息通过Xn接口上报给宏基站。
3.根据权利要求1所述的方法，其特征在于，在步骤B中，用户跟据自身业务类型确定QoS需求指标并上报，宏基站汇总当前基站-用户的关联情况，并根据小基站上报的信息，构建关联矩阵X，信道增益矩阵G和速率需求向量r，并进行初始化RB和功率分配，具体构建和初始化过程包括步骤B1～B5：
步骤B1：用户根据自身的业务情况确定自身的QoS需求指标，包括eMBB用户的最低传输速率，uRLLC用户的最低可靠传输速率、单个数据包最大可容忍时延和最大可容忍误码率；将量化的QoS需求指标上报给其服务小基站，各个小基站将接收到的用户QoS需求指标通过Xn接口上报给宏基站；
步骤B2：宏基站根据当前的用户-基站之间的关联情况构建关联矩阵X∈{0,1}M×K，其中每个元素xm,k＝1，如果用户k的服务基站是基站m；其余元素为0；
步骤B3：构建信道增益矩阵G∈CM,K，其中每个元素gm,k为用户k与基站m之间的信道增益由步骤A中的信道估计和上报过程获得；
步骤B4：构建速率需求向量r，r是一个列向量，其中每个元素
Figure FDA0003992881020000021
为用户k需求的最低数据速率，由步骤B1中用户需求上报过程获得；
步骤B5：每个小基站根据参数配置，将可用的ξnNmax个RB轮询地分配给其服务的所有用户，记录用户分得的RB数为Nk，并初始化发射功率矩阵P，其中每个元素pm,k代表基站m为用户k分配的发射功率，由式(1)确定；
Figure FDA0003992881020000022
4.根据权利要求3所述的方法，其特征在于，在步骤C中，宏基站基于Dinkelbach方法和SCA求解QoS约束下的能效最优化的频率分配问题，获得RB分配结果，具体过程包括步骤C1到步骤C7：
步骤C1：接收当前频率分配结果Nin＝N，功率分配结果Pin＝P，根据公式(2)计算每个用户的干扰和噪声密度；
Figure FDA0003992881020000023
式中pm,k为Pin中对应元素；
步骤C2：初始化t＝0，设定初始能效
Figure FDA0003992881020000028
最大外层迭代次数Tmax；重复步骤C3到步骤C6；
步骤C3：初始化i＝0，设定最大内层迭代次数Imax，设定
Figure FDA0003992881020000024
重复步骤C3-1到步骤C3-5；
步骤C3-1：基于当前资源分配结果N，根据公式(3)计算每个用户的
Figure FDA0003992881020000025
函数的梯度：
Figure FDA0003992881020000026
式中，
Figure FDA0003992881020000027
为用户k的单个数据包最大可容忍时延，W为单个RB占据的带宽；
步骤C3-2：基于一阶泰勒展开获得函数上界的表达式如公式(4)所示：
Figure FDA0003992881020000031
步骤C3-3：使用标准凸优化求解器求解问题P1，输出最优解
Figure FDA0003992881020000032
Figure FDA0003992881020000033
式中
Figure FDA0003992881020000034
表达式由公式(6)和(7)给出：
Figure FDA0003992881020000035
Figure FDA0003992881020000036
步骤C3-4：判断是否达到最大迭代次数i＝Imax，如达到，则结束迭代，输出最终RB分配结果
Figure FDA0003992881020000037
/>
步骤C3-5：将N[i+1]赋值为
Figure FDA0003992881020000038
判断是否达到收敛条件|N[i+1]-N[i]|≤εinner，如达到，则结束内层迭代，输出最终频率分配结果N[i+1]；
步骤C4：根据公式(8)计算当前能量效率：
Figure FDA0003992881020000039
步骤C5：判断是否达到最大迭代次数t＝Tmax，如达到，则结束迭代，输出最终RB分配结果
Figure FDA00039928810200000310
和最终能效/>
Figure FDA00039928810200000311
步骤C6：判断收敛条件(9)是否成立：
Figure FDA00039928810200000312
如果(9)不成立，则令t＝t+1，
Figure FDA00039928810200000313
若成立则结束迭代，输出最终RB分配结果/>
Figure FDA0003992881020000041
和最终能效/>
Figure FDA0003992881020000042
步骤C7：输出RB分配结果
Figure FDA0003992881020000043
能效/>
Figure FDA0003992881020000044
5.根据权利要求4所述的方法，其特征在于，所述步骤D具体为：
步骤D1：接收当前频率分配结果Nin＝N，功率分配结果Pin＝P；
步骤D2：初始化t＝0，设定初始能效
Figure FDA0003992881020000045
最大外层迭代次数Tmax；重复步骤D3到步骤D6；
步骤D3：初始化i＝0，设定最大内层迭代次数Imax，设定初始功率分配结果为
Figure FDA0003992881020000046
重复步骤D3-1到步骤D3-10；
步骤D3-1：根据公式(10)计算SINR的下界近似为：
Figure FDA0003992881020000047
步骤D3-2：根据频率分配结果N，分别根据公式(11)(12)计算初始的有用信号的下界、计算干扰噪声之和的上界；
Figure FDA0003992881020000048
Figure FDA0003992881020000049
步骤D3-3：根据公式(13)定义辅助变量ρk：
Figure FDA00039928810200000410
步骤D3-4：根据公式(14)(15)计算辅助变量在
Figure FDA00039928810200000411
处关于αk和βk的初始偏导数；/>
Figure FDA00039928810200000412
Figure FDA00039928810200000413
步骤D3-5：根据算得的初始偏导数值利用公式(16)获得辅助变量的一阶泰勒近似：
Figure FDA0003992881020000051
步骤D3-6：定义信道色散的算术平方根为
Figure FDA0003992881020000052
其中/>
Figure FDA0003992881020000053
根据/>
Figure FDA00039928810200000513
和公式(17)初始计算T(φ)的初始导数：
Figure FDA0003992881020000054
步骤D3-7：根据计算得的初始导数利用公式(18)获得T(φ)在
Figure FDA0003992881020000055
处的一阶泰勒近似式：
Figure FDA0003992881020000056
步骤D3-8：使用标准凸优化求解器求解问题P2：
Figure FDA0003992881020000057
式中
Figure FDA0003992881020000058
由前述公式(16)给出，/>
Figure FDA0003992881020000059
表达式由公式(20)和(21)给出：
Figure FDA00039928810200000510
Figure FDA00039928810200000511
式中T[i]由前述公式(18)给出；
步骤D3-9：判断是否达到最大迭代次数i＝Imax，如达到，则结束迭代，输出最终功率分配结果
Figure FDA00039928810200000512
步骤D3-10：将P[i+1]赋值为
Figure FDA0003992881020000061
判断是否达到收敛条件/>
Figure FDA0003992881020000062
符号||A||表示对矩阵A中的所有元素求和，如达到收敛条件，则结束内层迭代，输出最终频率分配结果/>
Figure FDA0003992881020000063
步骤D4：根据公式(22)计算当前能量效率：
Figure FDA0003992881020000064
步骤D5：判断是否达到最大迭代次数t＝Tmax，如达到，则结束迭代，输出最终功率分配结果
Figure FDA0003992881020000065
和最终能效/>
Figure FDA0003992881020000066
步骤D6：判断收敛条件(23)是否成立；
Figure FDA0003992881020000067
如果(23)不成立，则令t＝t+1，
Figure FDA0003992881020000068
若成立则结束迭代，输出最终功率分配结果
Figure FDA0003992881020000069
和最终能效/>
Figure FDA00039928810200000610
步骤D7：输出结果
Figure FDA00039928810200000611
能效/>
Figure FDA00039928810200000612
6.根据权利要求5所述的方法，其特征在于，所述步骤E具体为：
步骤E1：令t＝0，重复执行步骤E2到步骤E4；
步骤E2：以当前的RB分配结果N和功率分配结果P进行步骤C，获得更新的RB分配结果N和能效ηEE，令
Figure FDA00039928810200000613
步骤E3：以当前的RB分配结果N和功率分配结果P进行步骤C，获得更新的功率分配结果P和能效ηEE，令
Figure FDA00039928810200000614
步骤E4：判断条件
Figure FDA00039928810200000615
是否成立，如果成立，则结束循环并输出最终的RB分配结果N和功率分配结果P；
步骤E5：对求得的
Figure FDA00039928810200000616
中每个元素Nk向上取整得到/>
Figure FDA00039928810200000617
获得最终的RB分配结果，输出结果
Figure FDA00039928810200000618
和功率分配结果P。
7.根据权利要求6所述的方法，其特征在于，在步骤F中，宏基站将每个小基站最终求得的频率分配结果
Figure FDA0003992881020000071
和功率分配结果P通过Xn接口发给小基站，小基站随机占用系统所有可用RB中的Nk个RB分配给用户k，并对k使用无线功率pm,k发送数据信号，其中Nk和pm,k分别为频率分配结果向量N和功率分配结果矩阵P中的对应元素。/>
CN202211588187.2A 2022-12-12 2022-12-12 eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法 Pending CN116261227A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211588187.2A CN116261227A (zh) 2022-12-12 2022-12-12 eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211588187.2A CN116261227A (zh) 2022-12-12 2022-12-12 eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法

Publications (1)

Publication Number Publication Date
CN116261227A true CN116261227A (zh) 2023-06-13

Family

ID=86681652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211588187.2A Pending CN116261227A (zh) 2022-12-12 2022-12-12 eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法

Country Status (1)

Country Link
CN (1) CN116261227A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117119573A (zh) * 2023-10-20 2023-11-24 山东科技大学 超密集网络中基于凝聚式层次聚类算法的资源优化方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117119573A (zh) * 2023-10-20 2023-11-24 山东科技大学 超密集网络中基于凝聚式层次聚类算法的资源优化方法
CN117119573B (zh) * 2023-10-20 2024-01-19 山东科技大学 超密集网络中基于凝聚式层次聚类算法的资源优化方法

Similar Documents

Publication Publication Date Title
CN110708711B (zh) 基于非正交多址接入的异构携能通信网络资源分配方法
CN110417496B (zh) 一种基于能效的认知noma网络顽健资源分配方法
CN111194042B (zh) 一种基于非正交多址接入的异构网络鲁棒能效优化方法
CN107708197B (zh) 一种高能效的异构网络用户接入和功率控制方法
CN108601087B (zh) 一种基于网络切片的无线通信资源分配方法
CN109088686B (zh) 一种基于5g高低频段的同时无线信息与能量传输方法
CN108965009B (zh) 一种基于势博弈的负载已知用户关联方法
CN111446992B (zh) 无线供电大规模mimo网络中的最大化最小能效资源分配方法
CN104159311A (zh) 一种基于凸优化方法的认知异构网络联合资源分配的方法
CN109768851B (zh) 一种scma下行系统中基于能效的资源分配方法
CN116261227A (zh) eMBB与uRLLC业务共存超密集网络中高能效无线资源分配方法
CN108521672B (zh) 一种分布式无线能量和信息传输系统的资源分配方法
CN105636188A (zh) 认知解码转发中继系统的功率分配方法
Susanto et al. Interference Management with Dynamic Resource Allocation Method on Ultra-Dense Networks in Femto-Macrocellular Network
CN112954806B (zh) 异构网络中基于弦图着色的联合干扰对齐与资源分配方法
CN107396372B (zh) 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
CN107426775B (zh) 一种面向高能效异构网络的分布式多用户接入方法
CN107396380B (zh) 一种合作认知网络中认知用户能量效率最优化的方法
CN113490277B (zh) H-cran中基于swipt的能量分配与时隙切换系数联合优化方法
CN112584403B (zh) Noma小小区最大速率最小功率的联合优化方法
CN110012483B (zh) 一种联合不对称接入和无线携能通信的干扰协调方法
CN110381590B (zh) 一种基于无线能量收集的无线网络子信道功率分配方法
CN110381589B (zh) 基于无线能量收集的协作无线网络子信道功率分配方法
CN104185184B (zh) 一种基于max-min公平的多小区资源分配方法
CN113115456A (zh) 基于量子星系搜索机制的双层异构网络功率分配方法

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