超密集D2D网络中基于干扰平均场分布式功率控制方法技术

本发明专利技术公开了一种超密集D2D网络中基于干扰平均场分布式功率控制方法，所述超密集D2D网络中基于干扰平均场分布式功率控制方法基于干扰平均场近似的平均场博弈理论框架，结合能量效率和消耗功率设计目标函数；在平均场博弈理论框架上导出相关的哈密顿‑雅可比‑贝尔曼方程和福克‑普朗克‑柯尔莫戈洛夫方程；基于有限差分算法求解上述哈密顿‑雅可比‑贝尔曼方程和福克‑普朗克‑柯尔莫戈洛夫方程，得出面向能量和干扰感知的功率控制策略。本发明专利技术结合能量效率和功耗功率设计目标函数，提出了面向能量和干扰感知的功率控制策略从而提高频谱效率和能源效率。

【技术实现步骤摘要】

本专利技术属于无线通信
，尤其涉及一种超密集D2D网络中基于干扰平均场分布式功率控制方法。
技术介绍
作为面向5G的关键候选技术，设备到设备通信(Device-to-Device，D2D)具有潜在的提高系统性能、提升用户体验、扩展蜂窝通信应用的前景，受到广泛关注。于蜂窝网络的D2D通信，或称为邻近服务(ProximityService，ProSe)，是指用户数据可不经网络中转而直接在终端之间传输。D2D通信与传统的蜂窝通信网络架构有显著区别。在D2D通信模式下，用户数据直接在终端之间传输，避免了蜂窝通信中用户数据经过网络中转传输，由此产生链路增益；其次，D2D用户之间以及D2D与蜂窝之间的资源可以复用，由此可产生资源复用增益；通过链路增益和资源复用增益则可提高无线频谱资源的效率，进而提高网络吞吐量。D2D通信的发展提高了传统蜂窝网络的能源效率和频谱效率。这些可见的优势是通过临近复用和频率复用来实现的。然而，这些优势同时也存在技术挑战：D2D通信中的层内干扰和层间干扰影响到系统系能。所以需要更进一步提高频谱效率。同时，能源效率也是另一个非常重要的问题。传统的D2D设备由电池驱动，因此，延长电池寿命和节约能量对提高用户体验非常重要。所以总的来说，提高频谱效率和能源效率在超密集应用场景中非常重要。为了同时提高频谱和能量效率，各种不同的技术已经被设计出来，如：干扰协调，干扰抑制和资源管理。其中，对于D2D通信，功率控制是节省能源抑制干扰的关键。为了描述相互联系的干扰关系，博弈理论被很好的应用在建模资源竞争上和干扰协调，分析策略行为和设计分布式算法上。最近，合作博弈和非合作博弈都被用到D2D通信中。然而，当D2D连接变多的时候，这些传统博弈模型分写解决问题变得非常困难。平均场博弈在建模和分析超大规模系统是一个很好的选择。英特尔公司的专利申请文件“针对D2D通信的分布式功率控制”(公开号CN104995851A，申请号201480007221.X，申请日2014.03.05)中公开一种通过使用分布式功率控制技术来设置单独D2D发射器的发射功率的技术，这种方法通过分布式功率控制来对干扰温度进行的管理使得网络能够最大化其对时间频率资源的复用，但该方法的不足之处是：在密集异构蜂窝场景下时，需要服务交互次数和交互信息数据较大，而其不能保证在大量用户存在的情况下进行有效的功率控制。北京邮电大学的专利申请文件“一种密集部署的家庭基站网络中的节能无线资源管理方法”(公开号CN103281761A，申请号201310219126.3，申请日2013.06.04)中公开一种密集部署的家庭基站网络中，功率和信道联合分配的分布式节能无线资源管理方法，该方法通过信道分配和功率控制两步来实现，从而使所有用户的效能达到最高，实现网络整体节能的目标。但该方法的不足之处在于其无法解决在超密集网络环境下的功率控制的问题。
技术实现思路
本专利技术的目的在于提供一种超密集D2D网络中基于干扰平均场分布式功率控制方法，旨在解决现有的分布式功率控制方法存在无法解决在超密集D2D网络环境下的功率控制的问题。本专利技术是这样实现的，一种超密集D2D网络中基于干扰平均场分布式功率控制方法，所述超密集D2D网络中基于干扰平均场分布式功率控制方法，利用基于干扰平均场近似的平均场博弈理论框架，结合能量效率和消耗功率设计目标函数，使最佳功率控制问题转化为使目标函数最小化的问题；在平均场博弈理论框架上导出相关的哈密顿-雅可比-贝尔曼方程(HJB)和福克-普朗克-柯尔莫戈洛夫方程(FPK)来表示系统的平均场博弈；基于有限差分算法求解上述哈密顿-雅可比-贝尔曼方程和福克-普朗克-柯尔莫戈洛夫方程，得出面向能量和干扰感知的功率控制策略。其中上述HJB和FPK方程分别是，HJB方程：其中u是发射端产生的干扰，c是成本函数，p是功率，s是状态空间；FPK：其中m是平均场，s是状态空间。进一步，所述超密集D2D网络中基于干扰平均场分布式功率控制方法包括以下步骤：步骤一，将时间间隔，能量状态和干扰状态进行离散化；步骤二，判断是否符合迭代条件，若是进行下一步，否则停止迭代；步骤三，升级平均场，并判断功率水平是否为零，如果是则进一步升级平均场，如果否则平均场为零；步骤四，更新拉格朗日算子和功率水平，根据迭代条件，重复步骤二到步骤四。进一步，时间间隔[0,T]，能量状态空间[0,Emax]和干扰状态空间[0,μmax]将被离散化为X×Y×Z的空间，时间，能量，干扰空间的迭代步骤为：δt=TX,δE=EmaxY,δμ=μmaxZ.]]>进一步，所述迭代条件是指是i,j,k同时符合i＝1:X,j＝1:Y且k＝1:Z，符合条件时进行下一步，否则停止迭代；其中i、j和k分别代表离散网格中的时间、能量水平和干扰状态；X、Y和Z的值在初始化时给出。进一步，所述升级平均场时使用公式：M(i+1,j,k)=12[M(i,j-1,k)+M(i,j+1,k)+M(i,j,k-1)+M(i,j,k+1)]+δt2δE[M(i,j+1,k)P(i,j+1,k)-M(i,j-1,k)P(i,j-1,k)]+δt2δμ[M(i,j,k+1)P(i,j,k+1)ϵ(i,j,k+1)-M(i,j,k-1)ϵ(i,j,k-1)P(i,j,k-1)];]]>其中M(i,j,k),P(i,j,k),ε(i,j,k)分别是i时间、j能量水平和k干扰状态时离散网格中的平均场，功率和干扰增益的值。进一步，所述步骤四，通过计算得到更新拉格朗日算子λ(i-1,j,k)时使用式；λ(i-1,j,k)=12[λ(i,j+1,k)+λ(i,j-1,k)]+12[λ(i,j,k+1)+λ(i,j,k+1)]-12δtP(i,j,k)[ϵ(i,j,k)δμ+1δE][λ(i,j+1,k)-λ(i,j-1,k)]+δtC(i,j,k);]]>其中M(i,j,k),P(i,j,k),λ(i,j,k)和C(i,j,k)分别是在时间i，能量水平j和干扰状态k的离散网格中的平均场，功率，拉格朗日乘子和成本函数的值；功率水平P(i-1,j,k)的更新使用如下方式：∂Ld∂P(i,j,k)=Σj=1Y+1Σk=1Z+1M(i,j,k)∂C(i,j,k)∂(i,j,k)+[M(i,j,k)2δE+M(i,j,k)ϵ(i,j,k)2δμ][λ(i,j+1,k)-λ(i,j-1,k)].]]>本专利技术的另一目的在于提供一种应用所述超密集D2D网络中基于干扰平均场分布式本文档来自技高网...

【技术保护点】
一种超密集D2D网络中基于干扰平均场分布式功率控制方法，其特征在于，所述超密集D2D网络中基于干扰平均场分布式功率控制方法基于干扰平均场近似的平均场博弈理论框架，结合能量效率和消耗功率设计目标函数；在平均场博弈理论框架上导出相关的哈密顿‑雅可比‑贝尔曼方程和福克‑普朗克‑柯尔莫戈洛夫方程；基于有限差分算法求解上述哈密顿‑雅可比‑贝尔曼方程和福克‑普朗克‑柯尔莫戈洛夫方程，即可得出得出面向能量和干扰感知的基于干扰平均场的分布式功率控制方法。

【技术特征摘要】
1.一种超密集D2D网络中基于干扰平均场分布式功率控制方法，其特征在于，所述超密集D2D网络中基于干扰平均场分布式功率控制方法基于干扰平均场近似的平均场博弈理论框架，结合能量效率和消耗功率设计目标函数；在平均场博弈理论框架上导出相关的哈密顿-雅可比-贝尔曼方程和福克-普朗克-柯尔莫戈洛夫方程；基于有限差分算法求解上述哈密顿-雅可比-贝尔曼方程和福克-普朗克-柯尔莫戈洛夫方程，即可得出得出面向能量和干扰感知的基于干扰平均场的分布式功率控制方法。2.如权利要求1所述的超密集D2D网络中基于干扰平均场分布式功率控制方法，其特征在于，所述超密集D2D网络中基于干扰平均场分布式功率控制方法包括以下步骤：步骤一，将时间间隔，能量状态和干扰状态进行离散化；步骤二，判断是否符合迭代条件，若是进行下一步，否则停止迭代；步骤三，升级平均场，并判断功率水平是否为零，如果是则进一步升级平均场，如果否则平均场为零；步骤四，更新拉格朗日算子和功率水平，根据迭代条件，重复步骤二到步骤四。3.如权利要求2所述的超密集D2D网络中基于干扰平均场分布式功率控制方法，其特征在于，时间间隔[0,T]，能量状态空间[0,Emax]和干扰状态空间[0,μmax]将被离散化为X×Y×Z的空间，时间，能量，干扰空间的迭代步骤为：δt=TX,δE=EmaxY,δμ=μmaxZ.]]>4.如权利要求2所述的超密集D2D网络中基于干扰平均场分布式功率控制方法，其特征在于，所述迭代条件是指是i,j,k同时符合i＝1:X,j＝1:Y且k＝1:Z，符合条件时进行下一步，否则停止迭代；其中i、j和k分别代表离散网格中的时间、能量水平和干扰状态；X、Y和Z的值在初始化时给出。5.如权利要求2所述的超密集D2D网络中基于干扰平均场分布式功率控制方法，其特征在于，所述升级平均场时使用公式：M(i+1,j,k)=12[M(i,j-1,k)+M(i,j+1,k)+M(i,j,k-1)+M(i,j,k+1)]+δt2δE[M(i,j+1,k)P(i,j+...

【专利技术属性】
技术研发人员：杨春刚，代浩翔，李建东，肖佳，盛敏，李红艳，张越，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61