Nothing Special   »   [go: up one dir, main page]

CN104066096A - 一种基于改进粒子群的超密集异构网络最优功率协调方法 - Google Patents

一种基于改进粒子群的超密集异构网络最优功率协调方法 Download PDF

Info

Publication number
CN104066096A
CN104066096A CN201410315609.8A CN201410315609A CN104066096A CN 104066096 A CN104066096 A CN 104066096A CN 201410315609 A CN201410315609 A CN 201410315609A CN 104066096 A CN104066096 A CN 104066096A
Authority
CN
China
Prior art keywords
power
power set
candidate
global optimum
search
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.)
Granted
Application number
CN201410315609.8A
Other languages
English (en)
Other versions
CN104066096B (zh
Inventor
潘志文
蒋慧琳
刘楠
尤肖虎
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN201410315609.8A priority Critical patent/CN104066096B/zh
Publication of CN104066096A publication Critical patent/CN104066096A/zh
Application granted granted Critical
Publication of CN104066096B publication Critical patent/CN104066096B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种基于改进粒子群的超密集异构网络最优功率协调方法。该方法联合调整微微站的发送功率,避免密集部署的微微站以最大功率发送对宏站、邻居微微站构成的严重干扰,最大化系统吞吐量。方法考虑用户服务小区在功率调整过程中的变化,并通过邻域局部搜索和多次初始化过程改进粒子群,加快收敛速度,提高功率解的质量。提出的改进通过邻域局部搜索过程保证功率解的局部最优性,并通过多次初始化过程进一步保证得到的功率解的全局最优性,能够以更少的迭代次数获得更高的系统吞吐量,在不影响子载波分配自由度、不损失资源利用率的基础上协调同层和跨层干扰,从功率调整的角度最大程度地提升系统频谱效率和总体吞吐量。

Description

一种基于改进粒子群的超密集异构网络最优功率协调方法
技术领域
本发明属于移动通信中的无线资源管理技术领域,具体涉及无线通信系统中一种考虑用户服务小区随功率改变的基于改进粒子群的超密集异构网络下行链路功率协调方法。
背景技术
为满足爆炸式增长的无线数据业务需求,3GPP LTE-A(Long TermEvolution-Advanced)提出在宏站覆盖范围内同频密集部署微微站、毫微微站、中继等低功率小站的超密集异构网络以最大化频谱利用率,提升系统吞吐量。然而密集部署的小站导致干扰场景的复杂化和干扰强度的增加,从而使网络性能的提升受到限制。功率协调是一种有效的干扰协调技术,通过调整小站的发送功率控制小区间干扰进而提高系统的吞吐量。现有的功率协调方案均考虑用户服务小区不变的场景,然而实际上,根据常用的服务小区选择准则——最大接收功率准则,每个用户总是选择接收信号功率最强的小区作为服务小区,也就是说,随着小区发送功率的改变,用户的服务小区也会做出相应改变。
考虑到用户服务小区随功率变化,基于功率协调的干扰协调问题成为一个非确定性多项式困难(NP-hard)问题。粒子群优化能够用来解该问题,但其不能保证结果的最优性甚至局部最优性。为了得到最优功率解,需要对粒子群优化进行改进。因此本发明考虑在用户服务小区变化的情况下提出一种基于改进粒子群的超密集异构网络功率协调方法,该方法联合调整微微站的发送功率,在功率调整过程中考虑用户的服务小区变化,通过将邻域局部搜索过程引入粒子群优化保证搜索的局部最优性,并进一步通过引入多次初始化过程保证粒子群优化得到的功率解的全局最优性,最大化系统吞吐量。
发明内容
本发明的目的是在用户服务小区随着小区发送功率变化的情况下提出一种基于改进粒子群的超密集异构网络下行链路功率协调方法,通过联合调整所有微微站的发送功率解决超密集异构网中的干扰协调问题,通过引入邻域局部搜索和多次初始化过程改进粒子群,保证以更少的迭代次数获得更高的系统吞吐量,保证功率解的局部和全局最优性,最大化系统总体吞吐量。
本发明提出的基于改进粒子群的超密集异构网络最优功率协调方法,包括如下步骤:
第一步,采集网络构成信息,初始化改进粒子群的参数。采集网络中的宏站个数M、微微站个数I及用户个数U。将站点集合记为C={Cm,Cp},其中宏站集合Cm={m1,m2,...,mM},微微站集合Cp={p1,p2,...,pI}。初始化改进粒子群的参数:迭代次数记为t,重新初始化次数记为s,初始化最大迭代次数和最大重新初始化次数分别为titer、tres,局部搜索半径调整因子ξ>1,当前迭代次数t=0,当前重新初始化次数s=0,当前局部搜索半径rQ(t)=1,搜索成功次数Ns(t)=1,搜索失败次数Nf(t)=1,成功失败比值门限ηth>1。
第二步:设置N种微微站候选发送功率集合及功率调整尺度集合每个候选发送功率集合和功率调整尺度集合包含I个微微站的候选发送功率和功率调整尺度,即 微微站的候选发送功率和功率调整尺度需满足其中为微微站能容忍的最大发送功率。
第三步:计算各候选功率集合对应的用户可达速率及系统吞吐量Tn(t)。针对当前每个候选功率集合根据公式(1)为用户u(u∈U)计算其接收到的来自各个站点的参考信号接收功率RSRPu,c(u∈U,c∈C),
RSRPu,c=PcGu,c (1)
其中Gu,c为用户u与站点c间的信道增益。将RSRP最大的小区作为用户u的服务小区,记为Cu,并根据公式(2)、(3)计算各候选功率集合下各用户的可达速率及系统吞吐量
r u n ( t ) = W u n log 2 ( 1 + P C u n ( t ) G u , C u Σ C I ∈ C , C I ≠ C u P C I n ( t ) G u , C I + N 0 ) - - - ( 2 )
其中为用户u在功率集合下在其服务小区分得的带宽,N0为噪声功率。
第四步:采集当前自身最优发送功率集合和全局最优发送功率集合
根据公式(4)选择各候选发送功率集合n目前为止的自身最优功率集合,
并根据公式(5)选择目前为止所有候选功率集合经历的全局最优发送功率集合。
第五步:采集当前全局最优功率集合在N个候选功率集合中对应的标号g(t)。
g ( t ) = arg max n T s n ( t ) - - - ( 6 )
第六步:更新除全局最优集合外,其他候选发送功率的调整尺度和功率集合根据公式(7)、(8)更新非当前全局最优候选发送功率集合和功率调整尺度集合
其中r1 n(t)、为[0,1]区间内的随机数,为保证寻优过程的收敛性,限制惯性权重ω及加速系数c1、c2的取值范围:
0 &le; &omega; < 1 0 &le; c 1 r 1 + c 2 r 2 < 4 &omega; &GreaterEqual; ( c 1 r 1 + c 2 r 2 ) / 2 - 1 - - - ( 9 )
第七步:根据局部随机搜索项,更新当前全局最优功率集合的功率调整尺度和发送功率集合
其中为邻域局部随机搜索项,
第八步:用户根据更新的功率集合重新选择服务小区,计算各候选集合获得的吞吐量。用户根据更新了的功率集合及公式(1)重新选择服务小区,并根据公式(2)、(3)计算各候选功率集合对应的系统吞吐量。
第九步:更新自身最优发送功率集合全局最优发送功率集合和全局最优功率集合标号g(t+1)。根据公式(4)、(5)、(6)更新当前各候选功率集合的自身最优发送功率、全局最优发送功率及全局最优功率集合标号。
第十步:更新搜索到更优值的成功次数Ns和失败次数Nf。方法为:判断全局最优功率集合的标号是否发生改变,若g(t+1)=g(t)且Tg(t+1)(t+1)>Tg(t)(t),即全局最优标号不变且搜索到更优值,则Ns=Ns+1;若g(t+1)=g(t)且Tg(t+1)(t+1)≤Tg(t)(t),即全局最优标号不变且未搜索到更优值,则Nf=Nf+1;若g(t+1)≠g(t),即全局最优标号发生改变,则重置成功和失败次数,Ns=Nf=1。
第十一步:更新局部搜索半径rQ(t+1)。根据(12)式更新局部搜索半径,
r Q ( t + 1 ) = &delta; r Q ( t ) if N s / N f > &eta; th r Q ( t ) / &delta; if N s / N f < 1 / &eta; th r Q ( t ) otherwise - - - ( 12 )
也就是说,如果成功与失败比值超过一定门限,则增大在全局最优粒子附近搜索的搜索半径以尝试搜索更多可行功率集合;若果比值低于门限,说明在当前搜索半径内搜索到更优解的几率小,应减小全局最优粒子附近搜索的搜索半径以在收敛的小范围内详尽搜索更优功率集合;若成功失败比值等于门限,说明可以在当前搜索半径下继续搜索。
第十二步:判断是否结束本次初始化的迭代。若t+1<titer,且所有候选功率集合与全局最优功率集合间的距离之和大于门限值ε,则更新迭代次数,即t=t+1,并回到第六步,计算各更新的候选功率集合对应的系统吞吐量并更新自身及全局最优发送功率集合;否则,进行第十三步。
第十三步:判断重新初始化结束条件。若s<tres,设置重新初始化次数s=s+1,t=0,重新初始化N-1种候选发送功率集合,与当前全局最优功率集合一起作为新的N种候选发送功率集合,并重新初始化N种功率调整尺度,回到第二步,计算各新的候选集合对应的系统吞吐量并更新自身及全局最优发送功率集合;否则,进行第十四步。
第十四步:停止,按照得到的全局最优发送功率集合设置各微微站的发送功率。
本发明与现有技术相比,具有以下优点:
考虑用户服务小区在功率调整过程中的变化,通过联合协调微微站的发送功率避免小区间干扰,最大化系统吞吐量。通过限制惯性权重ω、加速系数c1、c2的范围,保证功率解更新过程的收敛性。通过在每次迭代得到的全局最优功率的更新中增加局部随机搜索过程改进粒子群,提出的改进能以更少的迭代次数获得更高的系统吞吐量,避免优化过程的过早收敛,保证结果的局部最优性。通过在优化过程中引入多次初始化过程改进粒子群,进一步保证结果的全局最优性,保证获得的微微站发送功率解的可靠性。提出的改进能够在不影响子载波分配自由度、不损失资源利用率的基础上同时处理网络中的同层干扰和跨层干扰,获得在功率调整层面上频谱效率和系统吞吐量的最大提升。
附图说明
图1为本发明的基于粒子群优化的异构网络干扰协调方法完整流程。
具体实施方式
本发明的基于载波聚合的异构网络干扰协调方法。
以LTE-A系统为例来给出一种实施例:
包括如下步骤:
第一步,采集网络构成信息,初始化改进粒子群的参数。采集网络中的宏站个数M、微微站个数I及用户个数U。将站点集合记为C={Cm,Cp},其中宏站集合Cm={m1,m2,...,mM},微微站集合Cp={p1,p2,...,pI}。初始化改进粒子群的参数:迭代次数记为t,重新初始化次数记为s,初始化最大迭代次数和最大重新初始化次数分别为titer、tres,局部搜索半径调整因子ξ>1,当前迭代次数t=0,当前重新初始化次数s=0,当前局部搜索半径rQ(t)=1,搜索成功次数Ns(t)=1,搜索失败次数Nf(t)=1,成功失败比值门限ηth>1。
第二步:设置N种微微站候选发送功率集合及功率调整尺度集合每个候选发送功率集合和功率调整尺度集合包含I个微微站的候选发送功率和功率调整尺度,即 微微站的候选发送功率和功率调整尺度需满足其中为微微站能容忍的最大发送功率。
第三步:计算各候选功率集合对应的用户可达速率及系统吞吐量Tn(t)。针对当前每个候选功率集合根据公式(1)为用户u(u∈U)计算其接收到的来自各个站点的参考信号接收功率RSRPu,c(u∈U,c∈C),
RSRPu,c=PcGu,c (1)
其中Gu,c为用户u与站点c间的信道增益。将RSRP最大的小区作为用户u的服务小区,记为Cu,并根据公式(2)、(3)计算各候选功率集合下各用户的可达速率及系统吞吐量
r u n ( t ) = W u n log 2 ( 1 + P C u n ( t ) G u , C u &Sigma; C I &Element; C , C I &NotEqual; C u P C I n ( t ) G u , C I + N 0 ) - - - ( 2 )
其中为用户u在功率集合下在其服务小区分得的带宽,N0为噪声功率。
第四步:采集当前自身最优发送功率集合和全局最优发送功率集合
根据公式(4)选择各候选发送功率集合n目前为止的自身最优功率集合,
并根据公式(5)选择目前为止所有候选功率集合经历的全局最优发送功率集合。
第五步:采集当前全局最优功率集合在N个候选功率集合中对应的标号g(t)。
g ( t ) = arg max n T s n ( t ) - - - ( 6 )
第六步:更新除全局最优集合外,其他候选发送功率的调整尺度和功率集合根据公式(7)、(8)更新非当前全局最优候选发送功率集合和功率调整尺度集合
其中r1 n(t)、为[0,1]区间内的随机数,为保证寻优过程的收敛性,限制惯性权重ω及加速系数c1、c2的取值范围:
0 &le; &omega; < 1 0 &le; c 1 r 1 + c 2 r 2 < 4 &omega; &GreaterEqual; ( c 1 r 1 + c 2 r 2 ) / 2 - 1 - - - ( 9 )
第七步:更新当前全局最优集合的功率调整尺度和发送功率集合
其中为邻域随机搜索项,
第八步:用户根据更新的功率集合重新选择服务小区,计算各候选集合获得的吞吐量。用户根据更新了的功率集合及公式(1)重新选择服务小区,并根据公式(2)、(3)计算各候选功率集合对应的系统吞吐量。
第九步:更新自身最优发送功率集合全局最优发送功率集合和全局最优功率集合标号g(t+1)。根据公式(4)、(5)、(6)更新当前各候选功率集合的自身最优发送功率、全局最优发送功率及全局最优功率集合标号。
第十步:更新搜索到更优值的成功次数Ns和失败次数Nf。方法为:判断全局最优功率集合的标号是否发生改变,若g(t+1)=g(t)且Tg(t+1)(t+1)>Tg(t)(t),即全局最优标号不变且搜索到更优值,则Ns=Ns+1;若g(t+1)=g(t)且Tg(t+1)(t+1)≤Tg(t)(t),即全局最优标号不变且未搜索到更优值,则Nf=Nf+1;若g(t+1)≠g(t),即全局最优标号发生改变,则重置成功和失败次数,Ns=Nf=1。
第十一步:更新局部搜索半径rQ(t+1)。根据(12)式更新局部搜索半径,
r Q ( t + 1 ) = &delta; r Q ( t ) if N s / N f > &eta; th r Q ( t ) / &delta; if N s / N f < 1 / &eta; th r Q ( t ) otherwise - - - ( 12 )
也就是说,如果成功与失败比值超过一定门限,则增大在全局最优粒子附近搜索的搜索半径以尝试搜索更多可行功率集合;若果比值低于门限,说明在当前搜索半径内搜索到更优解的几率小,应减小全局最优粒子附近搜索的搜索半径以在收敛的小范围内详尽搜索更优功率集合;若成功失败比值等于门限,说明可以在当前搜索半径下继续搜索。
第十二步:判断是否结束本次初始化的迭代。若t+1<titer,且所有候选功率集合与全局最优功率集合间的距离之和大于门限值ε,则更新迭代次数,即t=t+1,并回到第六步,计算各更新的候选功率集合对应的系统吞吐量并更新自身及全局最优发送功率集合;否则,进行第十三步。
第十三步:判断重新初始化结束条件。若s<tres,设置重新初始化次数s=s+1,t=0,重新初始化N-1种候选发送功率集合,与当前全局最优功率集合一起作为新的N种候选发送功率集合,并重新初始化N种功率调整尺度,回到第二步,计算各新的候选集合对应的系统吞吐量并更新自身及全局最优发送功率集合;否则,进行第十四步。
第十四步:停止,按照得到的全局最优发送功率集合设置各微微站的发送功率。

Claims (1)

1.一种基于改进粒子群的超密集异构网络最优功率协调方法,包括如下步骤:
第一步,采集网络构成信息,初始化改进粒子群的参数。采集网络中的宏站个数M、微微站个数I及用户个数U。将站点集合记为C={Cm,Cp},其中宏站集合Cm={m1,m2,...,mM},微微站集合Cp={p1,p2,...,pI}。初始化改进粒子群的参数:迭代次数记为t,重新初始化次数记为s,初始化最大迭代次数和最大重新初始化次数分别为titer、tres,局部搜索半径调整因子ξ>1,当前迭代次数t=0,当前重新初始化次数s=0,当前局部搜索半径rQ(t)=1,搜索成功次数Ns(t)=1,搜索失败次数Nf(t)=1,成功失败比值门限ηth>1。
第二步:设置N种微微站候选发送功率集合及功率调整尺度集合每个候选发送功率集合和功率调整尺度集合包含I个微微站的候选发送功率和功率调整尺度,即 微微站的候选发送功率和功率调整尺度需满足其中为微微站能容忍的最大发送功率。
第三步:计算各候选功率集合对应的用户可达速率及系统吞吐量Tn(t)。针对当前每个候选功率集合根据公式(1)为用户u(u∈U)计算其接收到的来自各个站点的参考信号接收功率RSRPu,c(u∈U,c∈C),
RSRPu,c=PcGu,c (1)
其中Gu,c为用户u与站点c间的信道增益。将RSRP最大的小区作为用户u的服务小区,记为Cu,并根据公式(2)、(3)计算各候选功率集合下各用户的可达速率及系统吞吐量
r u n ( t ) = W u n log 2 ( 1 + P C u n ( t ) G u , C u &Sigma; C I &Element; C , C I &NotEqual; C u P C I n ( t ) G u , C I + N 0 ) - - - ( 2 )
其中为用户u在功率集合下在其服务小区分得的带宽,N0为噪声功率。
第四步:采集当前自身最优发送功率集合和全局最优发送功率集合
根据公式(4)选择各候选发送功率集合n目前为止的自身最优功率集合,
并根据公式(5)选择目前为止所有候选功率集合经历的全局最优发送功率集合。
第五步:采集当前全局最优功率集合在N个候选功率集合中对应的标号g(t)。
g ( t ) = arg max n T s n ( t ) - - - ( 6 )
第六步:更新除全局最优集合外,其他候选发送功率的调整尺度和功率集合根据公式(7)、(8)更新非当前全局最优候选发送功率集合和功率调整尺度集合
其中r1 n(t)、为[0,1]区间内的随机数,为保证寻优过程的收敛性,限制惯性权重ω及加速系数c1、c2的取值范围:
第七步:根据局部随机搜索项,更新当前全局最优功率集合的功率调整尺度和发送功率集合
其中为邻域局部随机搜索项,
第八步:用户根据更新的功率集合重新选择服务小区,计算各候选集合获得的吞吐量。用户根据更新了的功率集合及公式(1)重新选择服务小区,并根据公式(2)、(3)计算各候选功率集合对应的系统吞吐量。
第九步:更新自身最优发送功率集合全局最优发送功率集合和全局最优功率集合标号g(t+1)。根据公式(4)、(5)、(6)更新当前各候选功率集合的自身最优发送功率、全局最优发送功率及全局最优功率集合标号。
第十步:更新搜索到更优值的成功次数Ns和失败次数Nf。方法为:判断全局最优功率集合的标号是否发生改变,若g(t+1)=g(t)且Tg(t+1)(t+1)>Tg(t)(t),即全局最优标号不变且搜索到更优值,则Ns=Ns+1;若g(t+1)=g(t)且Tg(t+1)(t+1)≤Tg(t)(t),即全局最优标号不变且未搜索到更优值,则Nf=Nf+1;若g(t+1)≠g(t),即全局最优标号发生改变,则重置成功和失败次数,Ns=Nf=1。
第十一步:更新局部搜索半径rQ(t+1)。根据(12)式更新局部搜索半径,
r Q ( t + 1 ) = &delta; r Q ( t ) if N s / N f > &eta; th r Q ( t ) / &delta; if N s / N f < 1 / &eta; th r Q ( t ) otherwise - - - ( 12 )
也就是说,如果成功与失败比值超过一定门限,则增大在全局最优粒子附近搜索的搜索半径以尝试搜索更多可行功率集合;若果比值低于门限,说明在当前搜索半径内搜索到更优解的几率小,应减小全局最优粒子附近搜索的搜索半径以在收敛的小范围内详尽搜索更优功率集合;若成功失败比值等于门限,说明可以在当前搜索半径下继续搜索。
第十二步:判断是否结束本次初始化的迭代。若t+1<titer,且所有候选功率集合与全局最优功率集合间的距离之和大于门限值ε,则更新迭代次数,即t=t+1,并回到第六步,计算各更新的候选功率集合对应的系统吞吐量并更新自身及全局最优发送功率集合;否则,进行第十三步。
第十三步:判断重新初始化结束条件。若s<tres,设置重新初始化次数s=s+1,t=0,重新初始化N-1种候选发送功率集合,与当前全局最优功率集合一起作为新的N种候选发送功率集合,并重新初始化N种功率调整尺度,回到第二步,计算各新的候选集合对应的系统吞吐量并更新自身及全局最优发送功率集合;否则,进行第十四步。
第十四步:停止,按照得到的全局最优发送功率集合设置各微微站的发送功率。
CN201410315609.8A 2014-07-03 2014-07-03 一种基于改进粒子群的超密集异构网络最优功率协调方法 Expired - Fee Related CN104066096B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410315609.8A CN104066096B (zh) 2014-07-03 2014-07-03 一种基于改进粒子群的超密集异构网络最优功率协调方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410315609.8A CN104066096B (zh) 2014-07-03 2014-07-03 一种基于改进粒子群的超密集异构网络最优功率协调方法

Publications (2)

Publication Number Publication Date
CN104066096A true CN104066096A (zh) 2014-09-24
CN104066096B CN104066096B (zh) 2017-09-08

Family

ID=51553582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410315609.8A Expired - Fee Related CN104066096B (zh) 2014-07-03 2014-07-03 一种基于改进粒子群的超密集异构网络最优功率协调方法

Country Status (1)

Country Link
CN (1) CN104066096B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104640189A (zh) * 2015-01-07 2015-05-20 东南大学 一种结合拉格朗日对偶和改进粒子群的超密集异构网络功率调整方法
CN105611574A (zh) * 2015-12-25 2016-05-25 北京邮电大学 一种基于缓存的超密集网络下联合动态接入和子载波分配的方法
CN109362081A (zh) * 2018-12-05 2019-02-19 重庆邮电大学 一种超密集异构网络下带内回程基站的部署方法
CN110798851A (zh) * 2019-10-25 2020-02-14 西安交通大学 无线异构网络基于QoS的能量效率和负载均衡的联合优化方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090221316A1 (en) * 2008-03-03 2009-09-03 Industrial Technology Research Institute Apparatus and method for transforming signal strength of wireless positioning system
CN103533629A (zh) * 2013-10-25 2014-01-22 东南大学 一种基于粒子群优化的异构网络干扰协调方法
CN103561430A (zh) * 2013-11-20 2014-02-05 东南大学 一种均衡能量效率和频谱效率的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090221316A1 (en) * 2008-03-03 2009-09-03 Industrial Technology Research Institute Apparatus and method for transforming signal strength of wireless positioning system
CN103533629A (zh) * 2013-10-25 2014-01-22 东南大学 一种基于粒子群优化的异构网络干扰协调方法
CN103561430A (zh) * 2013-11-20 2014-02-05 东南大学 一种均衡能量效率和频谱效率的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨金凤: "基于粒子群算法的多用户OFDM系统自适应资源分配", 《计算机应用与软件》 *
蒋励菁: "基于粒子群算法的多小区用户分组调度研究", 《南京邮电大学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104640189A (zh) * 2015-01-07 2015-05-20 东南大学 一种结合拉格朗日对偶和改进粒子群的超密集异构网络功率调整方法
CN105611574A (zh) * 2015-12-25 2016-05-25 北京邮电大学 一种基于缓存的超密集网络下联合动态接入和子载波分配的方法
CN105611574B (zh) * 2015-12-25 2019-02-01 北京邮电大学 一种基于缓存的超密集网络下联合动态接入和子载波分配的方法
CN109362081A (zh) * 2018-12-05 2019-02-19 重庆邮电大学 一种超密集异构网络下带内回程基站的部署方法
CN110798851A (zh) * 2019-10-25 2020-02-14 西安交通大学 无线异构网络基于QoS的能量效率和负载均衡的联合优化方法

Also Published As

Publication number Publication date
CN104066096B (zh) 2017-09-08

Similar Documents

Publication Publication Date Title
Wang et al. Coverage analysis for energy-harvesting UAV-assisted mmWave cellular networks
US11641591B2 (en) Optimization method for UAV-based wireless information and energy transmission
Hattab et al. Energy-efficient massive IoT shared spectrum access over UAV-enabled cellular networks
KR102280903B1 (ko) Ofdma swipt 시스템의 통합 자원 할당 장치 및 방법
CN102573033A (zh) 基于博弈论的多Femtocell下行功率干扰控制方法
CN103533629B (zh) 一种基于粒子群优化的异构网络干扰协调方法
CN101557641B (zh) 一种适用于蜂窝中继系统的子载波和功率分配方法
WO2015117508A1 (zh) 一种多小区波束形成方法和装置
CN105451315A (zh) 吞吐量最大化的串行能量采集方法
CN108601087A (zh) 一种基于网络切片的无线通信资源分配算法
CN104066096A (zh) 一种基于改进粒子群的超密集异构网络最优功率协调方法
US12040630B2 (en) Signaling for energy harvesting at a device
Hassan et al. User association in coexisting RF and terahertz networks in 6G
Xiao et al. Full-duplex machine-to-machine communication for wireless-powered Internet-of-Things
Fu et al. Joint speed and bandwidth optimized strategy of UAV-assisted data collection in post-disaster areas
US9237529B2 (en) Method and apparatus for managing interference in wireless backhaul networks through power control with a one-power-zone constraint
CN104010341B (zh) 一种用于高效协同组播通信中的中继选择和功率控制方法
CN112261662B (zh) 一种提升noma协作通信系统能量效率的传输方法
CN108521672A (zh) 一种分布式无线能量和信息传输系统的资源分配方法
Shi et al. Downlink-Uplink Decoupled Access in Heterogeneous Cellular Networks with UAVs
CN108419255B (zh) 一种无线传感器网络移动充电和数据收集方法
CN107995631B (zh) 一种无线异构eh网络移动台及其关联基站的方法
Li et al. UAV-assisted cellular communication: Joint trajectory and coverage optimization
Liu et al. Optimal mobile association and power allocation in device-to-device-enable heterogeneous networks with non-orthogonal multiple access protocol
Senadhira et al. Impact of UAV trajectory on NOMA-assisted cellular-connected UAV networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170908

Termination date: 20200703