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 PDFInfo
- 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
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
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;
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;
式中pm,k为Pin中对应元素;
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:
步骤C4:根据公式(8)计算当前能量效率:
步骤C6:判断收敛条件(9)是否成立:
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D3-1:根据公式(10)计算SINR的下界近似为:
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;
步骤D3-3:根据公式(13)定义辅助变量ρk:
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:
步骤D3-8:使用标准凸优化求解器求解问题P2:
式中T[i]由前述公式(18)给出;
步骤D4:根据公式(22)计算当前能量效率:
步骤D6:判断收敛条件(23)是否成立;
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;
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/>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;
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;
式中pm,k为Pin中对应元素;
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:
步骤C4:根据公式(8)计算当前能量效率:
步骤C6:判断收敛条件(9)是否成立:
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D3-1:根据公式(10)计算SINR的下界近似为:
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;
步骤D3-3:根据公式(13)定义辅助变量ρk:
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:
步骤D3-8:使用标准凸优化求解器求解问题P2:
式中T[i]由前述公式(18)给出;
步骤D4:根据公式(22)计算当前能量效率:
步骤D6:判断收敛条件(23)是否成立;
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;
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/>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;
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;
式中pm,k为Pin中对应元素;
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:
步骤C4:根据公式(8)计算当前能量效率:
步骤C6:判断收敛条件(9)是否成立:
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D3-1:根据公式(10)计算SINR的下界近似为:
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;
步骤D3-3:根据公式(13)定义辅助变量ρk:
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:
步骤D3-8:使用标准凸优化求解器求解问题P2:
式中T[i]由前述公式(18)给出;
步骤D4:根据公式(22)计算当前能量效率:
步骤D6:判断收敛条件(23)是否成立;
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)
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 |
-
2022
- 2022-12-12 CN CN202211588187.2A patent/CN116261227A/zh active Pending
Cited By (2)
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 |