CN117255412B - 基于感知通信融合的ap功率分配方法、系统及其应用 - Google Patents

基于感知通信融合的ap功率分配方法、系统及其应用 Download PDF

Info

Publication number
CN117255412B
CN117255412B CN202311355997.8A CN202311355997A CN117255412B CN 117255412 B CN117255412 B CN 117255412B CN 202311355997 A CN202311355997 A CN 202311355997A CN 117255412 B CN117255412 B CN 117255412B
Authority
CN
China
Prior art keywords
power
point
aps
interference source
fermat
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
Application number
CN202311355997.8A
Other languages
English (en)
Other versions
CN117255412A (zh
Inventor
张嘉伟
周奇
杨心怡
曹正昕
张靖
葛晓虎
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and 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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202311355997.8A priority Critical patent/CN117255412B/zh
Publication of CN117255412A publication Critical patent/CN117255412A/zh
Application granted granted Critical
Publication of CN117255412B publication Critical patent/CN117255412B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04W72/0473—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
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • 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

本发明公开了基于感知通信融合的AP功率分配方法、系统及其应用，无线通信技术领域，包括：建立目标函数求解使得该目标函数取最小值的点P的位置，得到给各AP平均分配功率时的费马点，记为初始费马点P0；确定各干扰源的位置后，求解给各AP分配功率的权重，使得按照该组权重计算的费马点距离初始费马点P0最近；对于任意一组权重，计算相应费马点的方式包括：建立目标函数 在预设约束条件下求解使得该目标函数取最小值的点P的位置，得到按照权重ωi给各AP分配功率时的费马点；按照所求解的权重给各AP分配功率。本发明能够提高网络的抗干扰能力，保证最差用户的通信性能，使用户有更好的上网体验。

Description

基于感知通信融合的AP功率分配方法、系统及其应用
技术领域
本发明属于无线通信技术领域，更具体地，涉及基于感知通信融合的AP功率分配方法、系统及其应用。
背景技术
随着无线通信的发展，对高质量数据连接和信号传输速率追求使得通信向着更高频段和更大带宽方向发展。由于社会的快速发展和技术的不断创新，层出不穷的新设备、新应用越来越多地走进人们的日常生活中，无线网络所连接的设备爆发式的增长。因此，为了满足更多的设备连接需求，也为了实现更快更稳定的网络服务，新一代无线网络基站的部署将会更加密集。
按照基站密集部署的发展趋势，网络中基站之间的距离越近，单个基站的覆盖范围就更小，用户与基站之间的距离更短。因此，信号传输的能耗更小，所需要的发射功率更低。但是，较小的发射功率带来了新的问题，即更易受到环境干扰的影响，在相同的干扰水平下，信号功率越小，其传输会受到更大的影响。换言之，相同的干扰水平会对较小功率的信号传输产生更大的影响，这是不利于网络的性能提升的。
无线接入点的密集部署使得在现有网络的基础上利用网络设备进行环境或目标感知的可能性大幅提升。通过一些算法或方案，无线网络将会拥有更强的感知能力，越来越多的人开始研究利用现有通信波形和设备实现感知的可能性，这引起了一个新的技术领域的讨论，即感知通信融合(Integrated Sensing and Communications，ISAC)，特别是对于下一代无线网络。事实上，无线电感知技术和通信技术都在朝着更高频段、更大天线阵列和小型化方向发展，从而在硬件架构、信道特性和信号处理方面变得越来越相似，这为利用无线基础设施实现传感提供了机会。传感功能不必局限于雷达基础设施，无线基础设施和设备也可以通过无线电发射和信号进行传感，这构成了ISAC的基础和基本原理。ISAC系统为减小干扰源对无线通信系统的通信速率、通信质量等的影响提供了一种可行的方案。
在ISAC系统中，以一种怎样的方式同时实现感知和通信两个功能是核心问题，更具体地说，设计一种怎样的信号是ISAC系统的重点和难点，这直接关系这ISAC系统的性能表现，也是其与独立的通信(或感知)系统的重要区别。ISAC系统主要是通过共享使用公共资源(频段、带宽、时间、基础设施等)利用一种双功能的信号实现通信和感知功能，现有的ISAC的优化目的往往在系统整体通信速率的提升，但是忽略了干扰源对于不同用户的影响差异，其结果是，受干扰最严重的用户的通信性能往往得不到保证，最终导致整个通信系统的通知质量较差，影响用户的上网体验。
发明内容
针对现有技术的缺陷和改进需求，本发明提供了基于感知通信融合的AP功率分配方法、系统及其应用，其目的在于，其目的在于，提高网络的抗干扰能力，保证最差用户的通信性能，使用户有更好的上网体验。
为实现上述目的，按照本发明的一个方面，提供了一种基于感知通信融合的AP功率分配方法，包括：
(S1)建立目标函数求解使得该目标函数取最小值的点P的位置，得到给各AP平均分配功率时的费马点，记为初始费马点P0；n表示AP总数，Ai表示第i个AP的位置；
(S2)确定各干扰源的位置后，求解给各AP分配功率的权重，使得按照该组权重计算的费马点距离初始费马点P0最近；
对于任意一组权重，计算相应费马点的方式包括：
建立目标函数在预设约束条件下求解使得该目标函数取最小值的点P的位置，得到按照权重ωi给各AP分配功率时的费马点；m为干扰源总数，Bj为第j个干扰源的位置；
(S3)按照步骤(S2)所求解的权重给各AP分配功率。
进一步地，步骤(S2)中，对于任意一个干扰源I，其位置确定方式包括：
(S21)任取三个不同的AP，分别测量干扰源I到这三个AP处的接收信号强度，并分别计算每两个AP对应的阿氏圆的圆心及半径，共得到三个阿氏圆的圆心及半径；
对于任意两个AP，以(xa1,ya1)和(xa2,ya2)分别表示这两个AP的位置，以RSSI1和RSSI2分别表示干扰源I到这两个AP出的接收信号强度，则这两个AP对应的阿氏圆的圆心(x0,y0)及半径r的计算方式如下：
其中，μ表示路径损耗指数；
(S22)若步骤(S21)所计算的三个阿氏圆相交于一点，则将该交点作为干扰源I的位置；若三个阿氏圆重叠于一个区域，则将该区域的中心点作为干扰源I的位置；
(S23)对于每一个由三个AP组成的AP组合，通过步骤(S21)～(S22)计算干扰源I的位置，将所计算的位置的平均坐标作为最终计算的干扰源I的位置。
进一步地，步骤(S1)中，通过CVX求解使得目标函数取最小值的点P的位置。
进一步地，步骤(S2)中的预设约束条件包括：
给各AP分配功率的权重之和不超过n；
每个AP分配功率的权重不小于最小功率与基本功率的比值，且不大于最大功率与基本功率的比值。
进一步地，步骤(S2)中，确定各干扰源的位置后，采用迭代搜索算法求解给各AP分配功率的权重。
按照本发明的又一个方面，提供了上述基于感知通信融合的AP功率分配方法在FTTR系统中的应用。
按照本发明的又一个方面，提供了一种基于感知通信融合的AP功率分配控制器，包括：
初始定位模块，用于建立目标函数求解使得该目标函数取最小值的点P的位置，得到给各AP平均分配功率时的费马点，记为初始费马点P0；n表示AP总数，Ai表示第i个AP的位置；
干扰识别模块，用于确定各干扰源的位置；
功率优化模块，用于解给各AP分配功率的权重，使得按照该组权重计算的费马点距离初始费马点P0最近；对于任意一组权重，计算相应费马点的方式包括：建立目标函数在预设约束条件下求解使得该目标函数取最小值的点P的位置，得到按照权重ωi给各AP分配功率时的费马点；m为干扰源总数，Bj为第j个干扰源的位置；
以及功率分配模块，用于按照功率优化模块计算的权重给各AP分配功率。
按照本发明的又一个方面，提供了一种计算机可读存储介质，包括：存储的计算机程序；计算机程序被处理器执行时，控制计算机可读存储介质所在设备执行本发明提供的基于感知通信融合的AP功率分配方法。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
(1)本发明提供的基于感知通信融合的AP功率分配方法，在考虑干扰源和不考虑干扰源的情况下，分别建立费马问题模型，并求解得到两种情况下的费马点，进一步通过优化求解干扰源存在情况下给各AP分配功率的权重，使得两种情况下的费马点距离最小化，最终将按照所求解的权重给各AP进行功率分配。由于所求解的费马点可视作网络的“中心点”，本发明按照这种方式求解功率分配权重并进行功率分配后，能够使得在干扰源存在的情况下，网络的中心点相比于无干扰时的网络中心点变化最小，最大程度上减小了干扰源对于网络整体的影响，实验表明，按照本发明所提供的方法，距离干扰源越近的AP其功率分配权重越大，由此保证了受干扰影响严重的用户得到更多的资源倾向，提高其通信质量，保证了信道条件较差的用户的通信体验，从而提升网络服务的公平性，提高了网络的稳定性和整体服务质量。总的来说，本发明能够提高网络的抗干扰能力，保证最差用户的通信性能，使用户有更好的上网体验。
(2)本发明基于接收信号强度(RSSI)完成干扰源的识别和定位，在该方案中，会对每三个AP计算一个干扰源位置，并将计算的所有干扰源位置的平均结果作为最终所计算的干扰源位置，该方式能够准确、高效地完成干扰源定位，为后续的功率分配权重的优化计算提供了可靠的依据。
(3)本发明在建立优化模型求解AP的功率分配权重时，考虑了总功率限制以及每个用户功率变化的限制，建立相应的约束条件，由此从系统整体以及各个用户的角度综合确定了出现干扰后各AP的功率分配权重。
(4)本发明所提供的基于感知通信融合的AP功率分配方法，不受干扰源的实际位置、强度、类型、数量等的影响，对干扰的不同情况均具有很强的适应性，同时，本发明所建立优化模型的目标函数均为凸函数，利用CVX软件工具、迭代搜索算法等常规工具或算法即可快速、准确地完成求解，因此，本发明计算高效、准确度高。
附图说明
图1为本发明实施例提供的基于感知通信融合的AP功率分配方法流程图；
图2为本发明实施例提供的FTTR场景示意图；
图3为本发明实施例提供的不同功率分配方法下最差用户通信速率的对比图；
图4为本发明实施例提供的不同功率分配方法下系统整体吞吐量的对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在本发明中，本发明及附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
为了提高网络的抗干扰能力，保证最差用户的通信性能，使用户有更好的上网体验，本发明提供了基于感知通信融合的AP功率分配方法、系统及其应用，将韦伯-费马问题应用到多AP(Access Point，访问接入点)的功率优化问题上。首先，利用费马问题的思路，将网络内部部署的所有AP的位置组成一个点集，使用相应的解法，求出这个点集的费马点，视其为无干扰时网络的“中心点”。
当系统出现干扰源时，可以利用网络中的设备对其进行定位，得到干扰源的位置。此时，将干扰源也加入所考虑的费马问题中，求解问题可以得到干扰加入后网络的中心点，其相比于不考虑干扰源时求解的费马点会发生变化。由于干扰出现后，各AP与干扰之间距离不同，收到的影响也不同，距离干扰近的AP收到的影响比距离干扰较远的AP更大，此通过对AP的功率进行重新调整，能够保证通信质量，因此，对每个AP引入一个权值，作为其功率分配的依据，以此进行功率分配。
当引入权值后，根据的大小变化，费马问题求解结果不同，所求出的网络中心点也不同。根据实验结果表明，当某点的权值由小变大，而其他权值保持不变的情况下，所求出的中心点将向这个点的方向趋近。将这个规律应用到功率分配上，通过调整每个AP处的权值，使求出来的中心趋近于无干扰情况下的中心位置，在二者最近时，将此时的权值作为功率分配的依据进行分配。
经过上述方法的调整，系统可以在一定程度上抵消或减轻干扰对通信的影响。
以上即为本发明技术构思的相关原理及理论分析。本发明所提供的方法，可适用于在一定区域内，用户在几个基站(AP)之间切换，并且这几个基站受同一个设备控制的场景，其中的典型应用场景即为FTTR(Fiber to The Room)。不失一般性地，在以下实施例中，均以FTTR为应用场景进行说明。
为便于描述，本发明所使用的符号表示如下：对于一个无线通信系统，若其中有n个AP，根据测量可得知n个AP位置信息为A＝{A1,A2,…Ai,…An}，其中任意第i个AP的位置为Ai＝{xi,yi}。对于任意一个干扰源，n个AP与干扰源的距离集合D＝{d1,d2,…di,…dn}。n个AP的功率分配权重为W＝{ω1,ω2,…ωi,…ωn}，若按照平均分配的方式进行功率分配，则各AP的功率分配权重为1，分配的功率为基本功率P，每个AP的功率分配权值上下界可依据最大功率和最小功率计算，依次记为为ωi,max和ωi,min。
以下为实施例。
实施例1：
一种基于感知通信融合的AP功率分配方法，如图1所示，包括：步骤(S1)～(S4)。各步骤具体如下：
如图1所示，本实施例中，步骤(S1)包括：建立目标函数求解使得该目标函数取最小值的点P的位置，得到给各AP平均分配功率时的费马点，记为初始费马点P0；
n表示AP总数，Ai表示第i个AP的位置。
本发明的步骤(S1)所建立的目标函数未考虑干扰源，所求初始费马点P0可视作无干扰时的网络中心点。
本是实施例的步骤(S1)所建立的目标函数可以看做是在权重均为1时的特殊情况，/>本质上是二阶欧几里得范数的累加，易知其为凸函数。通过CVX软件工具，可以很容易将公式所述的凸问题表述出来，并求出该问题的最优解，得到初始中心点即费马点P0。
应当说明的是，此处的CVX软件工具仅为一种可选的求解方式，不应理解为对本发明的为一限定，其他可用于实现凸问题的优化求解的求解方式均可适用于本发明。
如图2所示，本实施例中，步骤(S2)包括：确定各干扰源的位置后，求解给各AP分配功率的权重，使得按照该组权重计算的费马点距离初始费马点P0最近。
为了得到干扰源的位置信息，本实施例基于Wi-Fi信号的RSSI(Received SignalStrength Indication，接收信号强度)完成了干扰源的定位。具体地，根据无线信号衰减模型公式：
其中，Pr,dB(d)和Pr,dB(d0)是分别距离发射源距离d和d0的点的接收信号强度，可以直接测量得到，μ是路径损耗指数。
任取两点测量接收信号强度，记选取的两个点的坐标分别为(xa1,ya1)，(xa2,ya2)，由此可以得到两个距离的比值为
根据上式易知，满足该式的点的轨迹为一个圆，干扰点就在这个圆上。为便于表示，令RSSI1＝Pr,dB(d)、RSSI2＝Pr,dB(d)，则
其对应的圆的轨迹为
(x-xo)2+(y-yo)2＝r2
其中，
任取三个接收点AP，获取这四个接收点的信号强度，两两组合，即可得到三组阿氏圆的轨迹公式。记这三组阿氏圆的圆心坐标为(xA,yA)，(xB,yB)，(xC,yC)，半径为rA，rB，rC，通过三边测量法公式
计算交点坐标(xT,yT)，由于实际误差，三个圆不一定交于一点，而是重叠于一个区域，此时，计算可得到三个交点坐标(xT1,yT1)，(xT2,yT2)，(xT3,yT3)，取这三个点的中心点作为最终的交点坐标。为了确定干扰源的位置，重复上述步骤，依次取出所有的三圆组合，得出它们的中心点集合：
{(xm1,ym1),(xm2,ym2),…(xmk,ymk),…(xmh,ymh)}
从而得到干扰源坐标
当系统中存在多个干扰源时，可以从AP所接收到的信号中分离出每一个干扰源在该AP处的接收信号强度，并按照以上方法计算出每一个干扰源的位置。
在FTTR场景中，受家庭范围的限制，一般家庭面积在100～200平方米左右，此时，部署在其中的AP设备之间的最大距离一般在20米以内，实验结果表明，在此范围内，利用以上基于RSSI的计算方式计算距离的分辨率小于1m，因此，基于以上计算方式，本实施例准确完成干扰源的定位。
获得干扰源位置信息后，将其加入费马问题的建立，即可进行后续的优化。对于任意一组权重，计算相应费马点的方式包括：
建立目标函数在预设约束条件下求解使得该目标函数取最小值的点P的位置，得到按照权重ωi给各AP分配功率时的费马点；m为干扰源总数，Bj为第j个干扰源的位置。
在以上考虑干扰源的费马问题的基础上，本实施例的步骤(S2)可等效为以下优化问题：
其中，目标函数‖P-P0‖为考虑干扰源后，某一组权值下系统的费马点P到无干扰源点P0之间的距离，求解该优化问题到对应的权值ωi。在上述优化问题中，约束条件C1表示费马点P是通过求解步骤(S2)所建立的考虑干扰源的费马问题得到的；考虑到实际情况下，AP功率并不能无限制调整，对应的权值必须设置一个范围约束，因此约束条件C2表示总功率限制；约束条件C3表示每个用户功率变化的最大值和最小值，ωi,min和ωi，max分别表示最小功率、最大功率与基本功率的比值。当目标函数取得最小值时，求得各点的权值，以此权值序列作为功率分配的依据进行下一步的功率分配。
上述优化问题目标函数‖P-P0‖与费马问题类似，本质上均为两点间的距离，容易证明其为凸函数。但由于其中的约束条件在CVX软件工具箱无法表达，因此，该优化问题不能直接使用CVX软件工具箱解决，但是，由于其目标函数的凸性，关于凸优化问题的求解算法思路仍可以应用到这个问题当中，可选地，本实施例中，使用简单的迭代搜索算法进行求解，可通过搜索步长的设置达到相应的求解精度。
基于以上步骤(S2)优化求解得到的功率分配权重，本实施例的步骤(S3)包括：按照步骤(S2)所求解的权重给各AP分配功率。容易理解的是，以p表示基本功率，则按权重进行功率分配后，任意第i个AP最终分配的功率为ωip。
总的来说，本实施例通过AP位置信息及干扰源的位置信息，计算初始费马点，在AP功率调整限制下使求得的加权费马点与初始费马点最近，确保经功率分配后，距离干扰近的用户得到了更多的资源倾向，提高其通信质量，保证了某些信道条件较差用户的通信体验，从而提升网络服务的公平性，提高了稳定性、整体服务质量。
图2所示为一个FTTR场景，其中存在三个AP，分别分布在房间俯视图的左上角、左下角以及右下角，以下结合不同功率分配方法在该场景下的通信质量表示对本发明所能取得的有益效果做进一步的分析验证。
图3为平均功率分配方法和本实施例提供的基于费马问题的功率分配方法下最差用户速率的对比图，反映出不同干扰源功率时，两种方法最差用户速率的变化。由图3可以看出，随干扰源功率增大，最差用户速率总体呈下降趋势，采用本实施例的功率分配方法时，最差用户速率有了明显的提高，平均可达13.3％。
图4为平均功率分配方法和本实施例提供的费马点功率分配方法系统吞吐量的对比图，反映出不同干扰源功率时，两种方法系统平均吞吐量的变化。由图4可以看出，随干扰源功率增大，两种分配方法的系统平均吞吐量均呈下降趋势，但系统平均吞吐量基本相同。由此可知，本实施例在提升通信质量的同时，对于系统整体吞吐量的影响及其微小，由此可知，本实施例可以在几乎不影响系统整体通信速率的情况下，有效提升系统整体的通信质量。
实施例2：
上述实施例1提供的基于感知通信融合的AP功率分配方法在FTTR系统中的应用。
实施例3：
一种基于感知通信融合的AP功率分配控制器，包括：
初始定位模块，用于建立目标函数求解使得该目标函数取最小值的点P的位置，得到给各AP平均分配功率时的费马点，记为初始费马点P0；n表示AP总数，Ai表示第i个AP的位置；
干扰识别模块，用于确定各干扰源的位置；
功率优化模块，用于解给各AP分配功率的权重，使得按照该组权重计算的费马点距离初始费马点P0最近；对于任意一组权重，计算相应费马点的方式包括：建立目标函数在预设约束条件下求解使得该目标函数取最小值的点P的位置，得到按照权重ωi给各AP分配功率时的费马点；m为干扰源总数，Bj为第j个干扰源的位置；
以及功率分配模块，用于按照功率优化模块计算的权重给各AP分配功率。
本实施例中，各模块的具体实施方式可参考上述实施例1中的描述，在此将不做复述。
实施例4：
一种计算机可读存储介质，包括：存储的计算机程序；计算机程序被处理器执行时，控制计算机可读存储介质所在设备执行上述实施例1提供的基于感知通信融合的AP功率分配方法。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于感知通信融合的AP功率分配方法，其特征在于，包括：
(S1)建立目标函数求解使得该目标函数取最小值的点P的位置，得到给各AP平均分配功率时的费马点，记为初始费马点P0；n表示AP总数，Ai表示第i个AP的位置；
(S2)确定各干扰源的位置后，求解给各AP分配功率的权重，使得按照该组权重计算的费马点距离初始费马点P0最近；
对于任意一组权重，计算相应费马点的方式包括：
建立目标函数在预设约束条件下求解使得该目标函数取最小值的点P的位置，得到按照权重ωi给各AP分配功率时的费马点；m为干扰源总数，Bj为第j个干扰源的位置；
(S3)按照步骤(S2)所求解的权重给各AP分配功率；
所述步骤(S2)中，对于任意一个干扰源I，其位置确定方式包括：
(S21)任取三个不同的AP，分别测量干扰源I到这三个AP处的接收信号强度，并分别计算每两个AP对应的阿氏圆的圆心及半径，共得到三个阿氏圆的圆心及半径；
对于任意两个AP，以(xa1,ya1)和(xa2,ya2)分别表示这两个AP的位置，以RSSI1和RSSI2分别表示干扰源I到这两个AP出的接收信号强度，则这两个AP对应的阿氏圆的圆心(x0,y0)及半径r的计算方式如下：
其中，μ表示路径损耗指数；
(S22)若步骤(S21)所计算的三个阿氏圆相交于一点，则将该交点作为干扰源I的位置；若三个阿氏圆重叠于一个区域，则将该区域的中心点作为干扰源I的位置；
(S23)对于每一个由三个AP组成的AP组合，通过步骤(S21)～(S22)计算干扰源I的位置，将所计算的位置的平均坐标作为最终计算的干扰源I的位置；
所述步骤(S2)中的预设约束条件包括：
给各AP分配功率的权重之和不超过n；
每个AP分配功率的权重不小于最小功率与基本功率的比值，且不大于最大功率与基本功率的比值。
2.如权利要求1所述的基于感知通信融合的AP功率分配方法，其特征在于，所述步骤(S1)中，通过CVX求解使得目标函数取最小值的点P的位置。
3.如权利要求1所述的基于感知通信融合的AP功率分配方法，其特征在于，所述步骤(S2)中，确定各干扰源的位置后，采用迭代搜索算法求解给各AP分配功率的权重。
4.一种基于感知通信融合的AP功率分配控制器，其特征在于，包括：
初始定位模块，用于建立目标函数求解使得该目标函数取最小值的点P的位置，得到给各AP平均分配功率时的费马点，记为初始费马点P0；n表示AP总数，Ai表示第i个AP的位置；
干扰识别模块，用于确定各干扰源的位置；
功率优化模块，用于解给各AP分配功率的权重，使得按照该组权重计算的费马点距离初始费马点P0最近；对于任意一组权重，计算相应费马点的方式包括：建立目标函数在预设约束条件下求解使得该目标函数取最小值的点P的位置，得到按照权重ωi给各AP分配功率时的费马点；m为干扰源总数，Bj为第j个干扰源的位置；
以及功率分配模块，用于按照所述功率优化模块计算的权重给各AP分配功率；
其中，对于任意一个干扰源I，其位置确定方式包括：
(S21)任取三个不同的AP，分别测量干扰源I到这三个AP处的接收信号强度，并分别计算每两个AP对应的阿氏圆的圆心及半径，共得到三个阿氏圆的圆心及半径；
对于任意两个AP，以(xa1,ya1)和(xa2,ya2)分别表示这两个AP的位置，以RSSI1和RSSI2分别表示干扰源I到这两个AP出的接收信号强度，则这两个AP对应的阿氏圆的圆心(x0,y0)及半径r的计算方式如下：
其中，μ表示路径损耗指数；
(S22)若步骤(S21)所计算的三个阿氏圆相交于一点，则将该交点作为干扰源I的位置；若三个阿氏圆重叠于一个区域，则将该区域的中心点作为干扰源I的位置；
(S23)对于每一个由三个AP组成的AP组合，通过步骤(S21)～(S22)计算干扰源I的位置，将所计算的位置的平均坐标作为最终计算的干扰源I的位置；
预设约束条件包括：
给各AP分配功率的权重之和不超过n；
每个AP分配功率的权重不小于最小功率与基本功率的比值，且不大于最大功率与基本功率的比值。
5.一种计算机可读存储介质，其特征在于，包括：存储的计算机程序；所述计算机程序被处理器执行时，控制所述计算机可读存储介质所在设备执行权利要求1～3任一项所述的基于感知通信融合的AP功率分配方法。
CN202311355997.8A 2023-10-18 2023-10-18 基于感知通信融合的ap功率分配方法、系统及其应用 Active CN117255412B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311355997.8A CN117255412B (zh) 2023-10-18 2023-10-18 基于感知通信融合的ap功率分配方法、系统及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311355997.8A CN117255412B (zh) 2023-10-18 2023-10-18 基于感知通信融合的ap功率分配方法、系统及其应用

Publications (2)

Publication Number Publication Date
CN117255412A CN117255412A (zh) 2023-12-19
CN117255412B true CN117255412B (zh) 2024-05-24

Family

ID=89129405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311355997.8A Active CN117255412B (zh) 2023-10-18 2023-10-18 基于感知通信融合的ap功率分配方法、系统及其应用

Country Status (1)

Country Link
CN (1) CN117255412B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102355320A (zh) * 2011-06-29 2012-02-15 电子科技大学 一种自组织网络的抗干扰通信控制方法
CN104144482A (zh) * 2013-05-08 2014-11-12 中兴通讯股份有限公司 一种干扰分配方法、系统、数据库和重配置管理节点
CN105680963A (zh) * 2016-01-04 2016-06-15 杭州电子科技大学 一种能效优先的分布式压缩感知频谱检测与功率分配方法
CN108650002A (zh) * 2018-05-21 2018-10-12 西安电子科技大学 一种具有闭式解的两层蜂窝网络下行协作传输方法
CN109379705A (zh) * 2018-12-29 2019-02-22 浙江大学 一种基于位置信息的功率分配方法
CN110337111A (zh) * 2019-04-17 2019-10-15 北京科技大学 一种无线通信网络功率分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102355729B (zh) * 2011-06-29 2014-03-12 中国人民解放军理工大学 协同认知simo网络中吞吐量最大化的资源分配方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102355320A (zh) * 2011-06-29 2012-02-15 电子科技大学 一种自组织网络的抗干扰通信控制方法
CN104144482A (zh) * 2013-05-08 2014-11-12 中兴通讯股份有限公司 一种干扰分配方法、系统、数据库和重配置管理节点
CN105680963A (zh) * 2016-01-04 2016-06-15 杭州电子科技大学 一种能效优先的分布式压缩感知频谱检测与功率分配方法
CN108650002A (zh) * 2018-05-21 2018-10-12 西安电子科技大学 一种具有闭式解的两层蜂窝网络下行协作传输方法
CN109379705A (zh) * 2018-12-29 2019-02-22 浙江大学 一种基于位置信息的功率分配方法
CN110337111A (zh) * 2019-04-17 2019-10-15 北京科技大学 一种无线通信网络功率分配方法

Also Published As

Publication number Publication date
CN117255412A (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
JP2002044718A (ja) チャネルを割り当てるための方法およびワイヤレスサービスのリクエストを処理するための方法
US9544858B2 (en) Channel power adjustment based on positional information of area restricted self-organizing subnets
CN106341826B (zh) 基于虚拟化技术的面向无线电力专网的资源优化分配方法
WO2020010527A1 (zh) 波束赋形方法及装置、基站、存储介质
KR101630563B1 (ko) 스펙트럼 관리 시스템 및 방법
JP5475822B2 (ja) 無線通信ネットワークにおいて装置をクラスタ化する方法
CN103037377A (zh) 一种同频干扰协调方法和装置
US9161235B2 (en) Frequency band determination method in coexistence scheme
CN109039494A (zh) 一种基于改进和声搜索算法的5g通信系统资源分配方法
CN100372422C (zh) 基于智能天线实现交叉时隙的动态信道分配方法
US9538387B2 (en) Radio resource assignment coordination in superdense networks
US20210409963A1 (en) Spectrum device, wireless communication system, wireless communication method and storage medium
CN109743736A (zh) 一种以用户为中心的超密集网络用户接入与资源分配方法
CN117255412B (zh) 基于感知通信融合的ap功率分配方法、系统及其应用
CN110505696A (zh) 一种波束分配方法、装置、设备及计算机存储介质
CN113141660B (zh) 一种信道分配方法、控制器及接入点
CN109921835A (zh) 一种用户配对方法和接入点
CN107071911B (zh) 一种基于最大snr的虚拟小区载波分配方法
CN107888287B (zh) 一种在可见光通信网络中基于用户体验质量最优的资源分配方法
WO2019100244A1 (zh) 波束分配方法及装置
CN115568023A (zh) 时域资源分配方法、装置、电子设备及存储介质
CN107682870A (zh) Lte频率复用中的边缘用户和中心用户划分方法
Sumith et al. Enhanced model for spectrum handoff in cognitive radio networks
JP3376099B2 (ja) 移動無線通信システム
CN109041016B (zh) 一种密集场景下5g通信系统终端接入数量的优化方法

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
GR01 Patent grant
GR01 Patent grant