认知异构无线网络鲁棒资源分配方法组成比例

本发明专利技术请求保护一种认知异构无线网络鲁棒资源分配算法，属于通信认知异构无线网络技术领域。考虑信道参数摄动影响的认知异构多网络环境下的鲁棒资源分配算法，通过考虑跨层干扰约束和目标函数中的有界信道不确定性和干扰功率不确定性，利用鲁棒优化理论将原无穷维多变量优化问题转化为确定性的凸优化问题，利用拉格朗日对偶方法来得到鲁棒功率控制算法，实现认知异构无线网络鲁棒资源共享。仿真结果表明，所提出算法能很好的保护宏蜂窝网络用户的性能，具有较强的鲁棒性。

Robust resource allocation algorithm for cognitive heterogeneous wireless networks

The invention requests to protect a cognitive heterogeneous wireless network robust resource allocation algorithm, belonging to the field of communication cognitive heterogeneous wireless network technology. Robust resource allocation algorithm of channel parameter perturbation influence cognitive heterogeneous network environment, by considering the cross layer interference constraints and the objective function of bounded channel uncertainty and interference power uncertainty, robust optimization theory using the original infinite dimensional multivariable optimization problem into a convex optimization problem with uncertainty, Lagrange dual method to get a robust power control algorithm, the realization of cognitive resource sharing in heterogeneous wireless network robust. Simulation results show that the proposed algorithm can protect the performance of macro cellular network users very well and has strong robustness.

【技术实现步骤摘要】
认知异构无线网络鲁棒资源分配算法
本专利技术涉及通信认知异构无线网络
，具体涉及一种认知异构无线网络鲁棒资源分配算法。
技术介绍
随着4G移动通信的商业运营和未来移动移动通信技术的快速发展，使得移动通信技术朝着大规模组网、多种不同无线接入技术(radioaccesstechnology,RAT)的无线网络组成。近年来提出的微蜂窝网络(microcellnetwork)采用低发射功率基站和较小的小区半径来加大无线电的覆盖，消除宏蜂窝(macrocellnetwork)中障碍物遮蔽效益导致的传播盲点，是一种低功耗提高无线通信系统数据传输的有效技术[1][2][3]。微蜂窝小区的覆盖半径为30-300米，其主要分布在宏蜂窝的热点地区，从而使得小区尺寸各不相同且相互重叠，不同发射功率的基站相邻并同时存在，使得整个无线通信网络呈现出多层、异构的网络结构，通常工作在非授权频段。由于多用户、多种网络共存的情况，如何减小小区间干扰、降低通信系统能耗、提高谱效(无线电频谱的利用率)成为异构无线网络研究中的关键问题[4]。另外，传统固定的频谱资源分配方式导致频谱利用率低下，目前认知无线电技术使得无线网络具有重构和资源重复利用的功能，可以根据通信环境灵活的改变发射参数和所占用的频带资源，从而使得认知异构无线网络动态资源分配成为可能[5]。动态资源分配是实现无线通信网络传输的关键技术，近年来成为学者们的研究热点，尤其在基站/用户的功率控制(调节)方面。文献[6]研究了认知飞蜂窝网络(家庭基站，femtocell)下行传输动态资源分配混合接入问题，基于对偶分解方法提出了一种飞蜂窝网络用户总效益最大化的动态频谱分配算法。为了减小层与层之间的干扰(跨层干扰，cross-tierinterference)、提高频谱效率，文献[7]提出了一种F-ALOHA认知频谱接入方法，从跨层频谱接入中寻找一个新的自由度(DOF,degreeoffreedom)去实现干扰管理和频谱效益最优化。针对异构认知网络中的资源管理问题，文献[8]基于小波神经网络、维纳过程预测方法和增强学习方法提出了动态分级资源管理方法使得通信网络业务流动态的分配到最佳接入的网络当中。文献[9]研究了基于干扰和能量效率的小蜂窝认知无线网络动态频谱管理问题，利用随机动态优化理论RestlessBandits模型计算最优频谱资源分配策略，以实现最大化长期折扣收益。针对传统资源分配忽略公平性和频谱感知误差的影响，文献[10]研究了认知飞蜂窝网络干扰有限的资源分配问题使得网络用户总容量最大化，同时保证次用户的服务质量(qualityofservice,QoS)和跨层干扰不影响主用户宏蜂窝网络的通信质量。文献[11]研究了带自适应调制的认知飞蜂窝网络的上行最优功率分配问题，实现整个系统的吞吐量最大。与上述集中式功率分配算法不同，文献[11][13]研究了两层异构无线网络分布式功率分配和信道分配问题，将总速率最大化问题转化为每个网络速率最大化来求解。目前，认知异构无线网络中的资源分配方法(即，功率分配算法)都只考虑了完美信道信息，而忽略了随机扰动、估计误差、链路时延引起的信道不确定性；同时，由于缺少对目标函数中参数不确定性对资源优化问题的影响，使得现有的认知异构无线网络资源分配算法可实用性、鲁棒性较差。根据上述研究背景，从而使得鲁棒功率控制算法逐渐受到关注。文献[14]基于博弈论研究了两层蜂窝OFDM网络在有界信道不确定性条件下的下行功率控制问题，然而并没有考虑宏蜂窝对微蜂窝干扰不确定性的影响且假设每个基站只服务一个用户。LIU等人[15][16]研究了基于用户中断概率下的飞蜂窝网络组成的异构无线网络上行传输鲁棒功率控制问题，使得整个网络的传输功率最小，但信道不确定性的统计分布可能不满足文章中的假设模型或者信道不确定性统计模型不易得到，这种模型失配情况会使得该鲁棒功率控制算法难以实现。本文提出了一种考虑信道参数摄动影响的认知异构多网络环境下的鲁棒资源分配算法，通过考虑跨层干扰约束和目标函数中的有界信道不确定性和干扰功率不确定性，利用鲁棒优化理论将原无穷维多变量优化问题转化为确定性的凸优化问题，利用拉格朗日对偶方法来得到鲁棒功率控制算法，实现认知异构无线网络鲁棒资源共享。仿真结果表明，所提出算法能很好的保护宏蜂窝网络用户的性能，具有较强的鲁棒性。参考文献[1]ELSAWYH,HOSSAINE,DONGIK.HetNetswithcognitivesmallcells:useroffloadinganddistributedchannelaccesstechniques[J].IEEECommunicationsMagazine,2013,51(6):28-36.[2]CHANGCW.Aninterference-avoidancecodeassignmentstrategyforthehierarchicaltwo-dimensional-spreadMC-DS-CDMAsystem:aprototypeofcognitiveradiofemtocellsystem[J].IEEETransactionsonVehicularTechnology,2012,61(1):166-184.[3]ADEDOYINM,FALOWOO.Self-organizingradioresourcemanagementfornextgenerationheterogeneouswirelessnetworks[A].ICC2016[C].KualaLumpur,2016.1-6.[4]石华,李建东,李钊.认知异构网络中基于克隆选择算法的动态频谱分配[J].通信学报,2012,33(7):59-66.SHIH,LIJD,LiZ.Dynamicspectrumallocationbasedoncloneselectionalgorithmincognitiveheterogeneouswirelessnetworks[J].JournalonCommunications,2012,33(7):59-66.[5]LEAVESP,MOESSNERK,TAFAZOLLIR.Dynamicspectrumallocationincompositereconfigurablewirelessnetworks[J].IEEECommunicationsMagazine,2004,42(5):72-81.[6]ZHANGL,JIANGT,LUOK.DynamicspectrumallocationforthedownlinkofOFDMA-basedhybrid-accesscognitivefemtocellnetworks[J].IEEETransactionsonVehicularTechnology,2016,65(3):1772-1781.[7]YANGL,SONGS,LETAIEFK.OptimaloverlaycognitivespectrumaccesswithF-ALOHAinmacro-femtoheterogeneousnetworks[J].IEEETransactionsonWi本文档来自技高网...

【技术保护点】
一种认知异构无线网络鲁棒资源分配算法，其特征在于，包括以下步骤：1)、建立所述认知异构无线网络的优化模型，假设可以用来给微蜂窝网络用户进行数据传输的总子载波数量为N，每个子载波的带宽为ΔfHz，宏蜂窝网络用户占用的频带定义为{B

【技术特征摘要】
1.一种认知异构无线网络鲁棒资源分配算法，其特征在于，包括以下步骤：1)、建立所述认知异构无线网络的优化模型，假设可以用来给微蜂窝网络用户进行数据传输的总子载波数量为N，每个子载波的带宽为ΔfHz，宏蜂窝网络用户占用的频带定义为{B1,…,Bm,…,BM}，微蜂窝用户机会式使用宏蜂窝网络频带分布在其两边，定义微蜂窝编号为微蜂窝网络用户占用的子载波集合定义为宏蜂窝所占用的频带资源集合定义为得出总传输速率最大的资源分配优化问题；2)、通过考虑跨层干扰约束和目标函数中的有界信道不确定性和干扰功率不确定性，建立鲁棒优化模型将步骤1)所述多维资源分配优化问题转化为确定性的凸优化问题；3)、利用拉格朗日对偶原理和次梯度更新算法获得分布式最优解，求解鲁棒功率控制算法，实现认知异构无线网络鲁棒资源共享。2.根据权利要求1所述的认知异构无线网络鲁棒资源分配算法，其特征在于，所述步骤1)总传输速率最大的资源分配优化问题为：其中，C1代表干扰温度约束，来保护宏蜂窝网络中用户的传输性能；C2代表每个微蜂窝基站的功率限制，Rk,n表示第k个微蜂窝网络基站与该网络用户在子载波n上进行通信的吞吐量；Ith表示宏网络用户最大允许的干扰功率；表示微蜂窝基站允许的最大发射功率；pk,n表示第k个微蜂窝基站在第n个子载波上的发射功率，表示第k个微蜂窝中用户n对宏蜂窝网络用户在子载波m上的干扰功...

【专利技术属性】
技术研发人员：徐勇军，陈前斌，李国权，唐伦，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50