[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN110602718B - 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统 - Google Patents

基于交替方向乘子法的异构蜂窝网络功率分配方法及系统 Download PDF

Info

Publication number
CN110602718B
CN110602718B CN201910952789.3A CN201910952789A CN110602718B CN 110602718 B CN110602718 B CN 110602718B CN 201910952789 A CN201910952789 A CN 201910952789A CN 110602718 B CN110602718 B CN 110602718B
Authority
CN
China
Prior art keywords
power distribution
power
optimal
energy efficiency
model
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
CN201910952789.3A
Other languages
English (en)
Other versions
CN110602718A (zh
Inventor
王雪
刘京
钱志鸿
冯一诺
李京杭
毕晶
孙佳妮
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.)
Jilin University
Original Assignee
Jilin 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 Jilin University filed Critical Jilin University
Priority to CN201910952789.3A priority Critical patent/CN110602718B/zh
Publication of CN110602718A publication Critical patent/CN110602718A/zh
Application granted granted Critical
Publication of CN110602718B publication Critical patent/CN110602718B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • H04W72/54—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
    • H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
    • 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

本发明属于通信技术领域，公开了一种基于交替方向乘子法的异构蜂窝网络功率分配方法及系统，计算用户终端到每个蜂窝基站在不同信道上的信道增益,根据系统容量最优建立初步的功率分配问题模型，由拉格朗日乘数法得到每个信道上整个网络的吞吐量最大功率；将得到的所述吞吐量最大功率作为限制条件，以能量效率最优为目标，建立功率分配模型；基于建立的所述功率分配模型，采用交替方向乘子法求出最佳的功率分配方案。本发明解决了在异构蜂窝网络环境中针对不同用户终端在不同信道下如何选取最佳功率，使整个系统能量效率最优。本发明不仅能够快速有效地求出能量最优的功率分配方案，还可以提高系统工作效率。

Description

基于交替方向乘子法的异构蜂窝网络功率分配方法及系统
技术领域
本发明属于通信技术领域，尤其涉及一种基于交替方向乘子法的异构蜂窝网络功率分配方法及系统。具体涉及一种基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法。
背景技术
目前，最接近的现有技术：
随着无线通信技术的发展，逐渐涌现出了一大批制式各异的网络，这其中就包括了包含大蜂窝基站和小蜂窝基站的异构蜂窝网络，即异构蜂窝网络指的是包括宏基站和低功率节点组成的混合网络，由于这些低功率节点可以由用户自己部署，所以具有灵活、覆盖全、功耗低且维护成本低等优点。但是，随着绿色通信的要求的提出，在未来的生活中能量效率一定是一个重点考虑的问题，因此如何为蜂窝小区用户提供最佳的信道功率逐渐成为一个热点问题。
目前关于异构蜂窝网络的功率分配研究已有很多，提出了许多不同的功率分配算法。现存的功率分配算法主要有智能算法或者博弈论方法，这些方法的解决方案是离散的，得到的是最佳功率的近似值，通过连续方法可以准确得到功率分配方案的有基于凸优化的数学算法，但是多是基于吞吐量最大为目标，且迭代速度太慢，效率较低。因此，如何提供一种高效的基于能量效率的功率分配方法是本领域技术人员亟需解决的问题。
综上所述，现有技术存在的问题是：
(1)现有技术中，在异构蜂窝网络环境中对不同用户终端在不同信道下，使整个系统能量效率最优的效果差，现有的功率分配方法在异构蜂窝网络数据处理中迭代速度太慢，造成网络相关数据信息处理效率低。
(2)现有技术中，存在有以博弈论的方法来对建立好的功率分配问题进行求解。这种方法虽然可得以实施，但是其存在的缺点是，他们在计算之前对可用范围的功率进行分割成块，即将功率范围的值离散化，然后通过博弈的思想，从许多个不同级别的功率中去挑选出能使目标问题结果最优的功率。这样可能会出现一种情况，在他们把可用范围的功率分为离散数值的时候，刚好跨过去了最优的功率值，不能够得到最优的功率分配方案，使得最好的避免同层干扰和跨层干扰，从而实现最佳的节能。
(3)现有技术中，一般的功率分配的问题模型是，建立的是以网络速率最优或者系统吞吐量最大为目标，目标单一并且不符合绿色节能的发展趋势，过高的以能量效率为代价，会大幅缩短各终端的使用时长，进而会提高通信网络的成本，间接造成了环境污染。
解决上述技术问题的难度：
(1)现有的功率分配方法在异构蜂窝网络数据处理中迭代速度太慢，造成网络相关数据信息处理效率低，需要从解决方法上进行突破创新，打破常规的问题模型建立思路，寻找更合适的问题解决方法。
(2)想要避免在离散的功率范围上找最优的功率值，可以用凸优化的数学解的方式，但在连续的功率范围上寻找最优的功率分配方案会存在大量的计算过程，如何设计一种快速有效的方案避免多余的计算过程，也可以为系统节约能量，这需要更深度的方法探索。
(3)以网络速率最优或者系统吞吐量最大为目标来得到功率分配方案会使能量效率较低，同时在以能量效率为目标时，也要考虑网络速率或者系统吞吐量等通信指标，同时权衡二者的优化是全新的挑战。
解决上述技术问题的意义：
(1)解决功率分配算法中迭代问题冗余复杂的问题，可以大大提高系统的计算效率，节约计算时间，减少功率分配的时延，对未来不断变化的网络状态实现实时的动态功率分配有着很大的积极意义。
(2)在计算过程中，如果迭代求解计算功率值是连续的，因此一定可以得到的是目标问题最优的功率分配方案，不存在离散分割的过程中无法认为避免的跨过最优功率值的可能，从而得到使整个网络系统的能量效率最优。
(3)以能量效率最优建立功率分配问题模型，同时不以牺牲网络速率或者系统吞吐量为代价，尽可能满足通信网络的需求，这种功率分配符合绿色节能的发展趋势，可以延长各终端的使用时长，降低通信网络的成本，减少了环境污染。
发明内容
针对现有技术存在的问题，本发明提供了一种基于交替方向乘子法的异构蜂窝网络功率分配方法及系统。
本发明目的在于提供了一种基于交替方向乘子法的异构蜂窝网络功率分配方法，整体方法复杂度低，迭代速度快，且该方法能够求得满足能量效率最佳的功率分配方案，并且满足用户的通信需求，可有效保障用户的服务质量。
本发明是这样实现的，一种基于交替方向乘子法的异构蜂窝网络功率分配方法，包括以下步骤：
S1：构建异构网络模型，根据信道衰落模型计算用户终端到每个蜂窝基站在不同信道上的信道增益干扰比；
S2：根据系统吞吐量最优建立初步的功率分配问题模型，由拉格朗日乘数法迭代求解得到每个信道上达到整个网络的吞吐量最大的功率；
S3：把S2中得到功率作为新的限制条件，以能量效率最优为目标，建立进一步的功率分配模型；
S4：根据S3步骤中的功率分配问题模型构建增广拉格朗日函数；
S5：交替更新S4中得到的增广拉格朗日函数中的变量。由于功率值的更新没有约束的要求，可以采用梯度下降或者牛顿法等经典迭代算法解决；
S6：采用交替方向乘子法，重复迭代执行S5至收敛或者最大迭代次数，求出最佳的功率分配方案。
进一步，在步骤S1中，所述的信道衰落模型是服从瑞利信道的衰落模型；所述信道增益干扰比为
Figure BDA0002226301170000041
其中，hk就是不同基站到达每个用户的k个的信道增益。
进一步，在步骤S2中，根据系统吞吐量最优建立初步的功率分配问题模型为：
Figure BDA0002226301170000042
Figure BDA0002226301170000043
其中，K是微基站n信道的个数，B是信道带宽，
Figure BDA0002226301170000044
是信道增益干扰比，ptot是基站可以用于分配到信道的总功率。
进一步，在步骤S3中，构造进一步的功率分配模型具体步骤为：
定义系统的能量效率为，系统中所有的用户的吞吐量和比上用到的信道传输功率之和，约束条件是使每个簇的功率不大于经典注水法分配的功率，表达式如下：
Figure BDA0002226301170000045
Figure BDA0002226301170000046
进一步，在步骤S4中的增广拉格朗日函数为：
Figure BDA0002226301170000047
其中，η为能量效率，λ为拉格朗日因子，ρ为常数。
进一步，在步骤S5中，交替更新S4中得到的增广拉格朗日函数中的变量为：
Figure BDA0002226301170000051
Figure BDA0002226301170000052
其中，argminL的求解过程由于没有约束的要求，可以采用梯度下降或者牛顿法解决。
进一步，步骤S6的交替方向乘子算法中重复迭代执行S5至P收敛或者最大迭代次数，求出最佳的功率分配方案。
本发明的另一目的在于提供一种实现所述基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法。
本发明的另一目的在于提供一种基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配系统包括：
用户终端按照泊松过程分布模型的分布在宏基站和多个蜂窝微基站下，在进行功率分配之前，按照异构蜂窝网络模型，为了避免干扰，会预先为各用户终端分配相互正交的资源块，不同的用户对应于不同的资源块，从而受提供该资源块的基站或微基站服务。在分配完频率资源之后，采用同一个资源块的用户在下行链路通信的过程中会彼此产生干扰，这时采用功率资源分配算法，找到使总体网络能量效率最优的功率分配方案；
多个蜂窝微基站会在异构蜂窝网络模型中根据各个需要服务的用户到它的距离，根据瑞利信道的衰落模型，计算服务各用户的信道增益，此时根据系统吞吐量最优建立初步的功率分配问题模型，由拉格朗日乘数法迭代求解得到每个信道上达到整个网络的吞吐量最大的功率，以此为新的限制条件，以能量效率最优为目标，建立进一步的功率分配模型，构建增广拉格朗日函数，交替其中的变量，重复迭代至收敛或者最大迭代次数，求出最佳的功率分配方案，此时由这些微基站为它们所服务的用户终端设置最佳的信道功率，从而使整个系统的能量效率最优；
宏基站也会在异构蜂窝网络模型中根据各个服务的用户到它的距离，根据瑞利信道的衰落模型，计算服务各用户的信道增益，此时根据系统吞吐量最优建立初步的功率分配问题模型，和微基站不同的是，由于我们考虑的一个通信网络模型中只含有一个宏基站，所以它服务的用户终端只受来自其它微基站的跨层干扰，没有同层干扰。由拉格朗日乘数法迭代求解得到每个信道上达到整个网络的吞吐量最大的功率，以此为新的限制条件，以能量效率最优为目标，建立进一步的功率分配模型，构建增广拉格朗日函数，交替更新其中的变量，重复迭代至收敛或者最大迭代次数，求出最佳的功率分配方案，此时由这些微基站为它们所服务的用户终端设置最佳的信道功率，从而使整个系统的能量效率最优。
综上所述，本发明的优点及积极效果为：
本发明解决了在异构蜂窝网络环境中针对不同用户终端在不同信道下如何选取最佳功率，使整个系统能量效率最优的问题，本发明计算用户终端到每个蜂窝基站在不同信道上的信道增益，首先根据系统容量最优建立初步的功率分配问题模型，由拉格朗日乘数法得到每个信道上达到整个网络的吞吐量最大的功率，接着把这些功率作为限制条件，再以能量效率最优为目标，建立进一步的功率分配模型，采用交替方向乘子法求出最佳的功率分配方案。不仅能够解决功率分配算法中迭代问题冗余复杂的问题，可以大大提高系统的计算效率，节约计算时间，减少功率分配的时延，对未来不断变化的网络状态实现实时的动态功率分配有着很大的积极意义。
本发明提出采用交替方向乘子法的思想，在迭代计算过程中，使迭代计算的功率是一个连续的取值，不存在离散分割的过程中无法认为避免的跨过最优功率值的可能，从而得到使整个网络系统的能量效率最优，提高了分配算法的准确度。本发明通过构建异构蜂窝网络模型，建立初步的以吞吐量为目标的功率分配问题模型，从而初步分配功率保证了各个用户的通信质量，接着建立进一步的能量效率模型，同时不以牺牲网络速率或者系统吞吐量为代价，以上一步的功率分配结果作为限制条件，构建增广拉格朗日函数，进而用交替方向乘子法迭代求解至功率结果收敛，从而得到满足系统网络最优的功率分配，这种功率分配符合绿色节能的发展趋势，可以延长各终端的使用时长，降低通信网络的成本，减少了环境污染。
附图说明
图1是本发明实施例提供的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法流程图。
图2是本发明实施例提供的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法原理图。
图3是本发明实施例提供的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配系统示意图。
图中：1、用户终端；2、多个蜂窝微基站；3、宏基站。
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。
现有技术中，在异构蜂窝网络环境中对不同用户终端在不同信道下，使整个系统能量效率最优的效果差，现有的功率分配方法在异构蜂窝网络数据处理中迭代速度太慢，造成网络相关数据信息处理效率低。
针对现有技术存在的问题，本发明提供了一种基于交替方向乘子法的异构蜂窝网络功率分配方法及系统，下面结合附图对本发明作详细的描述。
如图1所示，本申请实施例提供的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法包括以下步骤：
S101：构建异构网络模型，根据信道衰落模型计算用户终端到每个蜂窝基站在不同信道上的信道增益干扰比。
S102：根据系统吞吐量最优建立初步的功率分配问题模型，由拉格朗日乘数法迭代求解得到每个信道上达到整个网络的吞吐量最大的功率。
S103：把S102中得到功率作为新的限制条件，以能量效率最优为目标，建立进一步的功率分配模型。
S104：根据S103步骤中的功率分配问题模型构建增广拉格朗日函数。
S105：交替更新S104中得到的增广拉格朗日函数中的变量。由于S104步骤中功率值的更新没有约束的要求，可以采用梯度下降或者牛顿法等经典迭代算法解决。
S106：采用交替方向乘子法，重复迭代执行S105至收敛或者最大迭代次数，求出最佳的功率分配方案。
在步骤S101中，构建异构网络模型，定义异构网络中所有用户的集合U，根据信道衰落模型计算用户终端i到每个蜂窝基站在不同信道上的信道k上的增益干扰比的定义为：
Figure BDA0002226301170000081
其中，k是指用户到蜂窝网络中可以使用的所有信道的个数，hk根据瑞利信道衰落模型得到的信道增益，pj,k是用户在信道k上可采用的最大的传输功率，σ2是信道传输过程中产生的噪声。
在步骤S102中，根据系统吞吐量最优建立初步的功率分配问题模型为：
Figure BDA0002226301170000091
Figure BDA0002226301170000092
其中，K是是基站提供信道的个数，B是信道带宽，
Figure BDA0002226301170000093
是信道增益干扰比，ptot是每个基站可以分配的总功率。用构建拉格朗日函数，可以迭代求解出初步的功率分配方案。
在步骤S103中，以能量效率最优为目标，建立进一步的功率分配模型为，定义系统的能量效率为系统中所有的用户的吞吐量和比上用到的信道传输功率之和，约束条件是使每个簇的功率不大于步骤S2中分配的功率，表达式如下：
Figure BDA0002226301170000094
Figure BDA0002226301170000095
其中，
Figure BDA0002226301170000096
是步骤S102中所求得的初步功率分配方案。
在步骤S104中的增广拉格朗日函数为：
Figure BDA0002226301170000097
其中，η为能量效率，λ为拉格朗日因子，ρ为常数。
在步骤S105中，交替更新S104中得到的增广拉格朗日函数中的变量分别为：
Figure BDA0002226301170000098
Figure BDA0002226301170000099
在步骤S105中每次功率Pk的更新，由于没有约束的要求，可以采用梯度下降或者牛顿法解决。
在步骤S106中，交替方向乘子发中交替更新的变量是：从步骤S105中确定的Pk和λk，反复迭代更新至最大迭代次数或收敛时，此时得到的功率分配方案即作为最优的功率分配方案。
为了进一步说明得到的最优的功率分配方案，现举例如下：
如对于一个蜂窝基站m，此时它所覆盖的用户有a,b,c,d,e五个用户，即此时K＝5，对应的，蜂窝基站m在到这五个用户的通信信道中，对应着五个功率Pa，Pb，Pc，Pd，Pe，由于一般蜂窝微基站的功率为0.1W，所以显然可以得到五个功率的限制条件为Pa+Pb+Pc+Pd+Pe≤0.1，如果此时为五个用户平均分配功率的话，即Pa＝Pb＝Pc＝Pd＝Pe＝0.02，此时系统的总吞吐量和总能量效率都不是最优的。此时由步骤S101，根据具体五个用户到基站位置远近的分布情况，分析计算可以得到五个用户不同的信道增益干扰比ga,gb,gc,gd,ge，假设通过计算得到a,b,c,d,e五个用户的信道增益干扰比分别为0.1,0.2,0.3,0.4,0.5，由步骤S102通过计算，为信道较好的用户分配更多的功率，例如计算过后的五个功率值分别为0.005W,0.006W,0.02W,0.03W,0.04W，这五个功率值再作为步骤S103中的限制条件。即
Figure BDA0002226301170000101
s.t.pa≤0.005
pb≤0.006
pc≤0.02
pd≤0.03
pe≤0.04
通过剩余步骤的计算可以得到五个功率的值为0.006W,0.004W,0.018W,0.032W,0.039W，这五个功率即对应了使系统最大的能量效率的功率分配方案，此时可以让基站按照它们设置发射功率，为用户发送信号。
图2是本发明实施例提供的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法原理。
图3是本发明实施例提供的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配系统。包括：
用户终端1，按照泊松过程分布模型的分布在宏基站和多个蜂窝微基站下，在进行功率分配之前，按照异构蜂窝网络模型，为了避免干扰，会预先为各用户终端分配相互正交的资源块，不同的用户对应于不同的资源块，从而受提供该资源块的基站或微基站服务。在分配完频率资源之后，采用同一个资源块的用户在下行链路通信的过程中会彼此产生干扰，这时采用功率资源分配算法，找到使总体网络能量效率最优的功率分配方案；
多个蜂窝微基站,2，会在异构蜂窝网络模型中根据各个需要服务的用户到它的距离，根据瑞利信道的衰落模型，计算服务各用户的信道增益，此时根据系统吞吐量最优建立初步的功率分配问题模型，由拉格朗日乘数法迭代求解得到每个信道上达到整个网络的吞吐量最大的功率，以此为新的限制条件，以能量效率最优为目标，建立进一步的功率分配模型，构建增广拉格朗日函数，交替其中的变量，重复迭代至收敛或者最大迭代次数，求出最佳的功率分配方案，此时由这些微基站为它们所服务的用户终端设置最佳的信道功率，从而使整个系统的能量效率最优；
宏基站3，也会在异构蜂窝网络模型中根据各个服务的用户到它的距离，根据瑞利信道的衰落模型，计算服务各用户的信道增益，此时根据系统吞吐量最优建立初步的功率分配问题模型，和微基站不同的是，由于我们考虑的一个通信网络模型中只含有一个宏基站，所以它服务的用户终端只受来自其它微基站的跨层干扰，没有同层干扰。由拉格朗日乘数法迭代求解得到每个信道上达到整个网络的吞吐量最大的功率，以此为新的限制条件，以能量效率最优为目标，建立进一步的功率分配模型，构建增广拉格朗日函数，交替更新其中的变量，重复迭代至收敛或者最大迭代次数，求出最佳的功率分配方案，此时由这些微基站为它们所服务的用户终端设置最佳的信道功率，从而使整个系统的能量效率最优。
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 (7)

1.一种基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法，其特征在于，所述基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法包括：
计算用户终端到每个蜂窝基站在不同信道上的信道增益,根据系统容量最优建立初步的功率分配问题模型，由拉格朗日乘数法得到每个信道上整个网络的吞吐量最大功率；将得到的所述吞吐量最大功率作为限制条件，以能量效率最优为目标，建立功率分配模型；基于建立的所述功率分配模型，采用交替方向乘子法求出最佳的功率分配方案；
基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法具体包括以下步骤：
步骤一，构建异构网络模型，根据信道衰落模型计算用户终端到每个蜂窝基站在不同信道上的信道增益干扰比；
步骤二，根据系统吞吐量最优建立初步的功率分配问题模型，由拉格朗日乘数法迭代求解得到每个信道上达到整个网络的吞吐量最大的功率；
步骤三，把步骤二中得到功率作为新的限制条件，以能量效率最优为目标，建立进一步的功率分配模型；
步骤四，根据步骤三中的功率分配问题模型构建增广拉格朗日函数；
步骤五，交替更新步骤四中得到的增广拉格朗日函数中的变量；
步骤六，采用交替方向乘子法，重复迭代执行步骤五至收敛或者最大迭代次数，求出最佳的功率分配方案；
基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法，其特征在于，在步骤一中，构建异构网络模型，定义异构网络中所有用户的集合U，根据信道衰落模型计算用户终端i到每个蜂窝基站在不同信道上的信道k上的增益干扰比的定义为：
Figure FDF0000017577890000011
其中，k是指用户到蜂窝网络中可以使用的所有信道的个数，hK根据瑞利信道衰落模型得到的信道增益，pj，k是用户在信道k上采用的最大的传输功率，σ2是信道传输过程中产生的噪声；
在步骤三中，以能量效率最优为目标，建立进一步的功率分配模型为，定义系统的能量效率为系统中所有的用户的吞吐量和比上用到的信道传输功率之和，约束条件是使每个簇的功率不大于步骤二中分配的功率，表达式如下：
Figure FDF0000017577890000021
Figure FDF0000017577890000022
其中，
Figure FDF0000017577890000023
是步骤二中所求得的初步功率分配方案。
2.如权利要求1所述的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法，其特征在于，在步骤二中，根据系统吞吐量最优建立初步的功率分配问题模型为：
Figure FDF0000017577890000024
Figure FDF0000017577890000025
其中，K是基站提供信道的个数，B是信道带宽，
Figure FDF0000017577890000026
是信道增益干扰比，ptot是每个基站可以分配的总功率；用构建拉格朗日函数，迭代求解出初步的功率分配方案。
3.如权利要求1所述的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法，其特征在于，在步骤四中的增广拉格朗日函数为：
Figure FDF0000017577890000027
其中，η为能量效率，λ为拉格朗日因子，ρ为常数。
4.如权利要求1所述的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法，其特征在于，在步骤五中，交替更新步骤四中得到的增广拉格朗日函数中的变量分别为：
Figure FDF0000017577890000031
Figure FDF0000017577890000032
Figure FDF0000017577890000033
Figure FDF0000017577890000034
Figure FDF0000017577890000035
Figure FDF0000017577890000036
每次功率PK的更新，没有约束的要求，采用梯度下降或者牛顿法进行更新；
在步骤六中，从步骤五中确定的PK和λK，反复迭代更新至最大迭代次数或收敛时，得到的功率分配方案即作为最优的功率分配方案。
5.一种实现权利要求1～4任意一项所述基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法的信息数据处理终端。
6.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-4任意一项所述的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配方法。
7.一种实现权利要求1～4任意一项所述功率分配方法的基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配系统，其特征在于，所述基于交替方向乘子法的面向能量效率最优的异构蜂窝网络的功率分配系统包括：
用户终端，按照泊松过程分布模型的分布在宏基站和多个蜂窝微基站下，在进行功率分配前，按照异构蜂窝网络模型，预先为各用户终端分配相互正交的资源块，不同的用户对应于不同的资源块，接受提供该资源块的基站或微基站服务；在分配完频率资源后，采用同一个资源块的用户在下行链路通信的过程中彼此产生干扰时，采用功率资源分配算法，获取使总体网络能量效率最优的功率分配方案；
多个蜂窝微基站，在异构蜂窝网络模型中根据与各个需要服务的用户的距离，根据瑞利信道的衰落模型，计算服务各用户的信道增益，根据系统吞吐量最优建立初步的功率分配问题模型，由拉格朗日乘数法迭代求解得到每个信道上达到整个网络的吞吐量最大的功率，以得到的所述吞吐量最大的功率为新的限制条件，以能量效率最优为目标，建立进一步的功率分配模型，构建增广拉格朗日函数，交替所述增广拉格朗日函数中的变量，重复迭代至收敛或者最大迭代次数，求出最佳的功率分配方案，同时，为用户终端设置最佳的信道功率，使整个系统的能量效率最优；
宏基站，在异构蜂窝网络模型中根据与各个服务的用户的距离，根据瑞利信道的衰落模型，计算服务各用户的信道增益，根据系统吞吐量最优建立初步的功率分配问题模型，由拉格朗日乘数法迭代求解得到每个信道上达到整个网络的吞吐量最大的功率，以所述吞吐量最大的功率为新的限制条件，以能量效率最优为目标，建立进一步的功率分配模型，构建增广拉格朗日函数，交替更新增广拉格朗日函数中的变量，重复迭代至收敛或者最大迭代次数，求出最佳的功率分配方案。
CN201910952789.3A 2019-10-09 2019-10-09 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统 Active CN110602718B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910952789.3A CN110602718B (zh) 2019-10-09 2019-10-09 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910952789.3A CN110602718B (zh) 2019-10-09 2019-10-09 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统

Publications (2)

Publication Number Publication Date
CN110602718A CN110602718A (zh) 2019-12-20
CN110602718B true CN110602718B (zh) 2022-08-16

Family

ID=68865861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910952789.3A Active CN110602718B (zh) 2019-10-09 2019-10-09 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统

Country Status (1)

Country Link
CN (1) CN110602718B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111935205B (zh) * 2020-06-19 2022-08-26 东南大学 雾计算网络中基于交替方向乘子法的分布式资源分配方法
CN114423070B (zh) * 2022-02-10 2024-03-19 吉林大学 一种基于d2d的异构无线网络功率分配方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110213826A (zh) * 2019-05-21 2019-09-06 重庆邮电大学 一种非理想信道下异构携能通信网络鲁棒资源分配方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8379574B2 (en) * 2010-03-25 2013-02-19 Eden Rock Communications, Llc Systems and methods for mitigating intercell interference by coordinated scheduling amongst neighboring cells
CN103582105B (zh) * 2013-11-11 2016-07-20 浙江工业大学 一种大规模异构蜂窝网络中最大化系统效益的优化方法
US9560531B1 (en) * 2015-10-01 2017-01-31 Fujitsu Limited Joint wireless and fixed network optimization for heterogeneous cellular networks

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110213826A (zh) * 2019-05-21 2019-09-06 重庆邮电大学 一种非理想信道下异构携能通信网络鲁棒资源分配方法

Also Published As

Publication number Publication date
CN110602718A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN108809695B (zh) 一种面向移动边缘计算的分布上行链路卸载策略
CN107333267B (zh) 一种用于5g超密集组网场景的边缘计算方法
CN109413724B (zh) 一种基于mec的任务卸载和资源分配方案
CN111447619B (zh) 一种移动边缘计算网络中联合任务卸载和资源分配方法
CN111586720B (zh) 一种多小区场景下的任务卸载和资源分配的联合优化方法
CN109413676B (zh) 一种超密异构网络中联合下上行的边缘计算迁移方法
CN112737837B (zh) 一种高动态网络拓扑下无人机群带宽资源分配方法
CN110493854B (zh) 一种基于优化理论的wpt-mec网络上下行资源分配与功率控制机制
CN110233755B (zh) 一种物联网中雾计算的计算资源和频谱资源分配方法
Fan et al. Game-based task offloading and resource allocation for vehicular edge computing with edge-edge cooperation
CN111343704B (zh) 异构蜂窝网络中毫微微基站的联合休眠与功率控制方法
CN108965009B (zh) 一种基于势博弈的负载已知用户关联方法
CN110602718B (zh) 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统
CN112512065A (zh) 支持mec的小小区网络中在移动感知下的卸载和迁移算法
Zhou et al. Multi-server federated edge learning for low power consumption wireless resource allocation based on user QoE
CN105554771B (zh) 基于密集分布的毫微微用户资源分配方法
CN107454601B (zh) 一种超密集环境下考虑小区间干扰的无线虚拟映射方法
Luo et al. Joint game theory and greedy optimization scheme of computation offloading for UAV-aided network
CN106332257B (zh) 超密集d2d网络中基于干扰平均场分布式功率控制方法
CN112202847A (zh) 一种基于移动边缘计算的服务器资源配置方法
Xia et al. Dynamic task offloading and resource allocation for heterogeneous MEC-enable IoT
CN107426775B (zh) 一种面向高能效异构网络的分布式多用户接入方法
CN110996326B (zh) 一种资源复用场景下mtc网络的簇数目规划方法
CN112770398A (zh) 一种基于卷积神经网络的远端射频端功率控制方法
CN116887344A (zh) 一种基于改进二进制多元宇宙算法的云边端协同系统优化方法及装置

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