一种超密集小蜂窝网络中基于模拟退火算法频谱分配方法组成比例

本发明专利技术公开了一种超密集小蜂窝网络中基于模拟退火算法频谱分配方法，利用小蜂窝用户之间的干扰关系创建干扰矩阵，再根据干扰矩阵创建干扰关系无向图，并根据模拟退火算法求解干扰图中最大团，去掉已经构成团的点，再次寻找最大团，直到无团就停止算法。将频谱按照团的数量和非团用户数量之和分割成子带，最后对用户进行频谱分配，本方法能显著降低频谱分割，增加频谱利用率，提升整个网络的吞吐量。

Spectral allocation method based on simulated annealing algorithm for ultra small cell networks

The invention discloses an ultra dense small cellular network spectrum allocation method based on simulated annealing algorithm, the interference relationship between small cellular users create interference matrix, then create interference matrix interference relationship graph according to the maximum, and according to the simulated annealing algorithm for interference graph, remove the group has formed, looking for the maximum group again, until the group stop algorithm. The spectrum according to the number of group and non group and the number of users is divided into sub bands, the spectrum distribution of users, this method can significantly reduce the spectrum segmentation, increase the spectrum utilization rate, increase the throughput of the whole network.

【技术实现步骤摘要】

本专利技术涉及异构网络中干扰缓和技术，尤其涉及一种超密集小蜂窝网络中基于模拟退火算法的频谱分配方法。
技术介绍
移动互联网的爆发式增长将导致在未来十年移动数据通信被预测需要提高1000倍以上。随着数据通信的增长，它也被预期这近50亿的设备将在2020年进行连接。考虑到空中接口频谱效率(SE)几近其物理极限和新谱获取变得越来越困难，进一步要求长期演进系统(LTE)提升1000倍的容量是一个非常具有挑战性的任务。为了应对这一挑战，在宏蜂窝覆盖范围内部署超密集小蜂窝来补充现有的移动通信基础设施提供了一个有前途的方法，以进一步增加频谱效率，使得基站与用户之间距离更近从而消耗更低。资源管理一直是热点话题在无线网络中由于无线资源的有限性。此外，研究已经证明在频谱分配在OFDMA-网络中是一个NP-hard问题。这就意味着网络中任何一个因素改变都会影响资源分配策略，尤其是在超密集小蜂窝中的部署。在已有的传统频谱分配技术中，利用正交频分多址技术，有效的缓和干扰，但是造成了频谱的巨大浪费，在频谱资源几近匮乏的时代，显然这种技术不足以满足人们的需要。在超密集小蜂窝在时间和地理位置的剧烈的流量波动起伏，传统方式使得在网路流量需求低的地区频谱有效性差，需求高地区拥堵，图论作为频谱分配的有效方式被提出。运用图论中涂色问题对超密集蜂窝网络进行资源分配，有效的提升了系统性能和网络整体吞吐量。然而，他们都是以蜂窝为分配单元进行资源分配，大大降低了频谱利用率。目前提出了以蜂窝用户之间干扰关系为基础建立干扰图，应用图论中涂色理论并加以改进来分配资源，然而它并没有考虑用户流量特性，这会使得频谱分配不恰当而造成频谱过剩或不足的情况。以上分析可知，已有的频谱分配技术的缺点：1.在传统蜂窝网络中使用传统分配技术，尚可对频谱进行有效分配，然而随着信息时代的突飞猛进，人们对容量的要求成千倍提升，超密集小蜂窝网络的诞生，对频谱进行分配问题有着更高的要求，传统方式不能满足。2.在超密集小蜂窝网络中，动态变化的流量特性，要求网络结构随之变化，图色算法虽然可以在超密集小蜂窝网络中应用，但是无法根据流量特性对频谱进行合适的分配。
技术实现思路
本专利技术目的在于提供一种频谱效率高、可动态更新干扰矩阵的超密集小蜂窝网络中基于模拟退火算法频谱分配方法。为实现上述目的，本专利技术所述方法步骤如下：步骤1，在超密集小蜂窝网络中相互覆盖的蜂窝里的用户中，用户计算信噪比与信噪比阈值之间的大小关系，确定出干扰用户，构建干扰矩阵；步骤2，根据干扰矩阵，构建用户之间干扰关系图G(V,E)，每个顶点代表一个用户，无干扰的用户之间连线，构建无向图；其中，V代表图中顶点集合，E代表连接点的边集合；步骤3，设置初始值——设置最低温度T0，最高温度Ts，下降参数α，输入当前超密集小蜂窝网络中用户的干扰关系矩阵AG(ak,l)，计算目标函数F(G,σ)，初始化排列σ(i)＝i,i＝1,2...,n；其中，σ代表循环下降参数；ak,l为矩阵中第k行第l列元素；步骤4，将顶点按维度(与该顶点表示用户连接的用户数量)从低到高重新排列，按此排列使得寻找最大团更为快捷，即d(σ1)＜d(σ2)＜...＜d(σn-1)；d(σi)代表排在第i位的顶点的维度；步骤5，选择两个不同的顶点(蜂窝)vu和vw，u＝1,2，...m，w＝m+1,m+2,...n，使得分别计算F'(G,vu)和F'(G,vw),若F'(G,vu)≤F'(G,vw)，接受这两个顶点，执行下一步；若F'(G,vu)＞F'(G,vw)，重新选择顶点；其中，F和F'代表目标函数；vu和vw代表不同的顶点，其中u＝1,2，...m，w＝m+1,m+2,...n；步骤6，交换选择的两个顶点的下标，形成新的状态σ'，并计算F(G,σ')，若F(G,σ')＝0，找到此时最大团，此时，将这些点去除，重新寻找最大团，直到找不到团停止算法；计算团的数量与非团点的数量之和，否则执行下一步；步骤7，计算目标函数ΔF＝F(G,σ')-F(G,σ)，若ΔF≤0，σ＝σ'；否则根据公式计算P，并随机产生β，β∈[0,1]，若P＞β,σ＝σ'，否则拒绝σ'；其中，ΔF代表函数值只差；P代表概率；步骤8，计算当前温度，t＝αt；若t＜T0，终止；否则返回步骤3。进一步的，步骤5中，若F'(G,vu)＞F'(G,vw)出现8n次，则接受这两个顶点，执行下一步。由此我们可以将干扰关系无向图中的点分为两部分，一部分为最大团中的点，另一部分为非团中的点。我们将同一团中用户标注相同编号，不同团用户标号不同，剩余非团用户标号均不同且与团中用户标号不同。与现有技术相比，本专利技术方法具有如下优点：1、在用户组成的团中，考虑基站流量特性，选择流量相近的基站所含用户组成的团，进一步提升频谱效率。2、在构建的干扰关系图中，每一个顶点代表一个用户而不是基站，用户与用户之间的关系代替基站与基站之间的关系，使得频谱分配效率提升。3、提供的模拟退火算法相比较N.Metropolis模拟退火算法，可以动态更新干扰矩阵，求解图中所有存在的最大团，有效提升了算法的实际操作意义，使得模拟退火算法具有更高的实际研究价值。附图说明图1为本专利技术的干扰关系无向图。图2为本专利技术的程序流程图。图3为本专利技术提供的模拟退火算法的结果图。具体实施方式下面结合附图对本专利技术做进一步说明：如图1所示，在超密集小蜂窝网络中用原点代表相互覆盖的蜂窝网络中的用户，每个用户计算信噪比与信噪比阈值之间的大小关系，确定出干扰用户，构建干扰矩阵；根据干扰矩阵，将无干扰的用户之间连线，构建用户之间干扰关系图G(V,E)。如图2所示，本专利技术所属策略包括以下步骤：{初始化温度，最低温度T0，最高温度Ts输入蜂窝用户干扰矩阵AG(ak,l)，计算目标函数F(G,σ)将顶点按维度(与该顶点表示蜂窝连接的边数量)从低到高排列，主循环：WHILEt＞T0DOFORu＝1tom-1FORv＝1ton分别计算F'(G,vu)和F'(G,vw)IFF'(G,vu)≤F'(G,vw)，接受u,v。IFF'(G,vu)＞F'(G,vw)，选择新的u，v。IFELSEF'(G,vu)＞F'(G,vw)出现8n次，则接受u，vTHEN形成新的状态σ'，并计算F(G,σ'),若F(G,σ')＝0。ENDELSE计算目标函数ΔF＝F(G,σ')-F(G,σ)。IFΔF≤0，σ＝σ'。ELSEIFβ，β∈[0,1]P＞β,σ＝σ't＝αTsENDIFENDFOR本文档来自技高网...

【技术保护点】
一种超密集小蜂窝网络中基于模拟退火算法频谱分配方法，主要包括超密集小蜂窝网络、用户，其特征在于，所述方法步骤如下：步骤1，在超密集小蜂窝网络中相互覆盖的蜂窝里的用户中，用户计算信噪比与信噪比阈值之间的大小关系，确定出干扰用户，构建干扰矩阵；步骤2，根据干扰矩阵，构建用户之间干扰关系图G(V,E)，每个顶点代表一个用户，无干扰的用户之间连线，构建无向图；其中，V代表图中顶点集合，E代表连接点的边集合；步骤3，设置初始值——设置最低温度T0，最高温度Ts，下降参数α，输入当前超密集小蜂窝网络中用户的干扰关系矩阵AG(ak,l)，计算目标函数F(G,σ)，初始化排列σ(i)＝i,i＝1,2...,n；其中，σ代表循环下降参数；ak,l为矩阵中第k行第l列元素；步骤4，将顶点按维度(与该顶点表示用户连接的用户数量)从低到高重新排列，按此排列使得寻找最大团更为快捷，即d(σ1)＜d(σ2)＜...＜d(σn‑1)；d(σi)代表排在第i位的顶点的维度；步骤5，选择两个不同的顶点(蜂窝)vu和vw，u＝1,2，...m，w＝m+1,m+2,...n，使得分别计算F'(G,vu)和F'(G,vw),若F'(G,vu)≤F'(G,vw)，接受这两个顶点，执行下一步；若F'(G,vu)＞F'(G,vw)，重新选择顶点；其中，F和F'代表目标函数；vu和vw代表不同的顶点，其中u＝1,2，...m，w＝m+1,m+2,...n；步骤6，交换选择的两个顶点的下标，形成新的状态σ'，并计算F(G,σ')，若F(G,σ')＝0，找到此时最大团，此时，将这些点去除，重新寻找最大团，直到找不到团停止算法；计算团的数量与非团点的数量之和，否则执行下一步；步骤7，计算目标函数ΔF＝F(G,σ')‑F(G,σ)，若ΔF≤0，σ＝σ'；否则根据公式计算P，并随机产生β，β∈[0,1]，若P＞β,σ＝σ'，否则拒绝σ'；其中，ΔF代表函数值只差；P代表概率；步骤8，计算当前温度，t＝αt；若t＜T0，终止；否则返回步骤3。...

【技术特征摘要】
1.一种超密集小蜂窝网络中基于模拟退火算法频谱分配方法，主要包括超密集小蜂窝网络、用户，其特征在于，所述方法步骤如下：步骤1，在超密集小蜂窝网络中相互覆盖的蜂窝里的用户中，用户计算信噪比与信噪比阈值之间的大小关系，确定出干扰用户，构建干扰矩阵；步骤2，根据干扰矩阵，构建用户之间干扰关系图G(V,E)，每个顶点代表一个用户，无干扰的用户之间连线，构建无向图；其中，V代表图中顶点集合，E代表连接点的边集合；步骤3，设置初始值——设置最低温度T0，最高温度Ts，下降参数α，输入当前超密集小蜂窝网络中用户的干扰关系矩阵AG(ak,l)，计算目标函数F(G,σ)，初始化排列σ(i)＝i,i＝1,2...,n；其中，σ代表循环下降参数；ak,l为矩阵中第k行第l列元素；步骤4，将顶点按维度(与该顶点表示用户连接的用户数量)从低到高重新排列，按此排列使得寻找最大团更为快捷，即d(σ1)＜d(σ2)＜...＜d(σn-1)；d(σi)代表排在第i位的顶点的维度；步骤5，选择两个不同的顶点(蜂窝)vu和vw，u＝1,2，...m，w＝m+1,m+2,...

【专利技术属性】
技术研发人员：郭希娟，常征，刘洁，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13