异构网络中基于信道聚合的联合资源分配方法组成比例

本发明专利技术涉及异构网络中基于信道聚合的联合资源分配方法，包括：确定遗传算法的初始种群G，G中每一个个体为一个可行的信道分配方案；对每个个体进行交叉与变异的遗传操作产生新种群G1，针对G1中每个个体，采用Zoutendijk可行方向法寻找该个体的最优功率分配，并确定该个体的功耗比值，选择最低功耗比的m个个体作为下一次迭代使用的初始种群，重复上述过程，直至迭代达到预设次数，获取具有最低功耗比的一个最优个体，将最优个体的信道分配作为全网的信道分配方案，最优个体的功率分配方案作为全网的功率分配方案。通过遗传算法的迭代寻优能力，能不断寻找最优信道分配条件下最优功率分配值，从而在满足用户设备通信速率的前提下极小化网络的功率消耗。

Joint resource allocation method based on channel aggregation in heterogeneous networks

The present invention relates to a joint resource allocation method based on channel aggregation in heterogeneous networks, including: determining the initial population G of a genetic algorithm, each individual in the G as a feasible channel allocation scheme, and generating new species of G1 for each individual with crossover and mutation genetic manipulation, using Zoutendijk for each individual in G1 The line direction method is to find the optimal power allocation of the individual, determine the individual's power ratio, select the M individual with the lowest power ratio as the initial population of the next iteration, repeat the above process, until the iteration reaches the preset number, and obtains an optimal individual with the lowest power ratio, and divides the optimal individual channel. As the channel allocation scheme of the whole network, the optimal individual power allocation scheme is used as the power allocation scheme of the whole network. Through the iterative optimization ability of the genetic algorithm, the optimal power allocation value under the optimal channel allocation condition can be constantly searched, and the power consumption of the network is minimized under the premise of meeting the communication rate of the user equipment.

【技术实现步骤摘要】
异构网络中基于信道聚合的联合资源分配方法
本专利技术涉及通信
，尤其涉及一种异构网络中基于信道聚合的联合资源分配方法。
技术介绍
随着智能无线设备日益普及与无线数据流量需求的急剧增长，移动通信中的有限的频谱资源变得日益稀缺和拥挤，已经成为制约无线通信发展的一个瓶颈。异构网络通过在传统宏蜂窝覆盖区域中部署其它多种不同无线接入能力的接入节点，如微基站和中继节点等，能够加强区域频谱复用来有效的提高频谱利用效率。然而，这种频谱的复用导致同频道用户之间存在通信干扰，如何通过高效的资源管理方法，以尽可能提供用户的通信速率成为异构网络中的重要研究内容。除了通过资源管理满足日益增长的用户需求外，异构网络的资源管理还需要考虑网络的整体通信能耗。统计显示，信息和通信技术行业越来越成为全球能源消耗的主要行业，在2008年，信息和通信技术工业的能源消耗占全球能源消费量的8％，预计到2020年将增加一倍。特别是，移动通信系统占据全球能源消耗的0.5％。因而，如何设计高效的资源管理方法，在满足日益增长的用户需求的基础上，极小化通信的总体能耗，无疑具有重要的意义。虽然目前已有部分针对异构蜂窝网络的资源分配方法，但这些方法忽视了用户设备对多个不同信道的聚合能力，因而其提高用户速率的能力还存在不足。
技术实现思路
(一)要解决的技术问题为了解决现有忽略用户设备对不同信道的聚合能力，使得用户速率无法提高的问题，本专利技术提供一种异构网络中基于信道聚合的联合资源分配方法。(二)技术方案为了达到上述目的，本专利技术采用的主要技术方案包括：一种异构网络中基于信道聚合的联合资源分配方法，包括：101、获取N个用户设备的位置信息，并依据所有用户设备的位置信息构建基于频谱聚合的联合优化模型；102、采用整数编码方法，随机初始化m个个体，将m个个体作为遗传算法的初始种群G；其中，每一个个体为一个可行的信道分配方案；103、对每个个体进行交叉与变异的遗传操作，产生新种群G1，所述新种群G1的个体数为2m；104、针对新种群G1中每一个个体，寻找当前个体的信道分配所对应的最优功率分配方法，并把功率与速率的能效比作为当前个体的适应度评估值；105、根据适应度评估值将新种群G1中的个体进行从大到小的排序，选择排序中的最后m个个体作为下一次迭代使用的种群；106、基于下一次迭代使用的种群，重复步骤103-105的过程，直至迭代达到预设的迭代次数上限；107、获取适应度评估值最小的最优个体，将获取的一个最优个体的信道分配作为异构网络内全网的信道分配方案，以及最优个体对应的功率分配方案作为异构网络内全网的功率分配方案；其中，所述信道分配方案和所述功率分配方案为采用遗传算法处理构建的所述联合优化模型而获得的方案。可选地，所述步骤101包括：1011、以pn,s表示基站n∈N分配给信道s∈S的功率百分比，构建公式1的功率分配约束；其中N为所有单宏蜂窝内所有异构基站的集合，S为每一个异构基站中所有信道的集合，功率分配约束表示每个异构基站分配的功率值不能超过该基站的最大功率；1012、以示性函数An,s,k表示某个异构基站n的某一条信道s是否分配个某一个用户设备k，构建信道分配约束为：其中K为所有用户设备的集合，所述信道分配约束表示每个异构基站每个信道最多被一个用户设备占用，且每个用户设备最多能够聚合C个可用信道；1013、构建单个用户k的整体传输速率Rk：其中Dn,k表示用户设备k与异构基站n之间的欧氏距离,Bd表示基站的带宽；1014、构建整个异构网络的能效比模型为公式6受到公式1、公式3、公式4的约束。可选地，所述步骤102包括：1021、将整个异构基站的信道分配方案抽象表示为一个二维数组C，二维数组中，通过行表示不同的异构基站，通过列表示不同的信道：其中，Cij表示对基站i的第j个信道的分配状态，将用户设备编号为k∈{1,2,3,…,K}，则Cij＝k来表示基站i的第j个信道分配给了第k个用户设备；因此，Cij∈{0,1,2,3,…,K}，其中Cij＝0表示该信道不分配给任何用户设备，该信道处于空闲状态，显然，处于空闲状态的信道功率分配为0；1022、为C中每个元素从集合{0,1,2,3,…,K}中随机赋值；1023、重复子步骤1021和子步骤1022，直到m个数组C生成，并将生成的m个数组作为遗传算法的初始种群。可选地，所述步骤103包括：1031、从初始种群G中随机选择两个个体A,B；1032、生成(0,1)范围内的随机数，如果小于交叉率Pc，则执行交叉操作步骤1033-步骤1039；1033、复制个体A和个体B，产生个体A’，个体B’作为父代个体；1034、从信道分配方案二维数组C的行数中，选择n个数作为交叉点位，存入C；1035、针对信道分配方案二维数组C中的每一行i：1036、在该行基因中选择交叉点j；1037、将两个父代个体信道分配的基因中第i行基因位j以后的基因互换；1038、将两个父代个体功率分配的基因中第i行基因位j以后的基因互换；1039、重复以上步骤1034-1038，直至整个二维数组C被遍历，则完成了个体A和个体B之间的基因的交叉操作，交叉过的个体A和个体B为新的子代个体；10310将新得到的子代个体A和个体B从种群中移除，和父代个体A’和B’一同加入新的种群G’中；10311、对于交叉之后新生成的种群G’中的每个个体；10312、对于二维数组C的每一行，即每一个基站的信道分配序列，生成0-1范围内的随机数，如果小于变异率Pm，则对该行基因执行变异操作；10313、在该行中随机选取一个基因位，如果该基因位为闲置状态，即该基因位的值为0，则在基站范围内随机选择一个用户设备，将此基因位对应的信道分配给选择的用户设备；10314、如果所述基因位对应的信道为非闲置状态，则生成另一个0-1范围内的随机数p，如果p<0.5，则将所述基因位对应的信道置空；否则在该基站范围内随机选择另一个用户设备，将所述基因位对应的信道分配给选择的用户设备；10315、重复执行步骤10312-10314，直至所有基站均进行完变异操作，则该个体的变异操作执行完成。可选地，所述步骤104包括：针对新种群G1中每一个个体，以藻滕代克Zoutendijk可行方向法寻找当前个体的信道分配所对应的最优功率分配方法，并把功率与速率的能效比作为当前个体的适应度评估值。可选地，所述步骤104包括：1041、基于个体编码中信道分配结果，简化公式6中的能效比模型为：其中表示基站的功率分配矩阵；1042、对公式7取相反数，并转换为公式8表示的标准型；1043、按行展开功率分配矩阵并转置,得到p＝(p11,p12,…p1s,p21,p22,…p2s,pn1,pn2,,…pns)T，显然向量p为n×s维向量；1044、改写约束条件C1，可以将其转化为矩阵表示的形式，其方法为4.4.1：设s维向量m为全1行向量，s维向量o为全0行向量，即：4.4.2：设n阶层矩阵A`为：由于向量m和o均为s维行向量，因此矩阵A’实际上为n行，n×s列的矩阵；4.4.3：设n维列向量b`＝(-1,-1,…-1)T，因此可以将C1条件表述为：A`p≥b`公式11；1045、改写约束条件C2，其方法为：4本文档来自技高网...

【技术保护点】
1.一种异构网络中基于信道聚合的联合资源分配方法，其特征在于，包括：101、获取N个用户设备的位置信息，并依据所有用户设备的位置信息构建基于频谱聚合的联合优化模型；102、采用整数编码方法，随机初始化m个个体，将m个个体作为遗传算法的初始种群G；其中，每一个个体为一个可行的信道分配方案；103、对每个个体进行交叉与变异的遗传操作，产生新种群G1，所述新种群G1的个体数为2m；104、针对新种群G1中每一个个体，寻找当前个体的信道分配所对应的最优功率分配方法，并把功率与速率的能效比作为当前个体的适应度评估值；105、根据适应度评估值将新种群G1中的个体进行从大到小的排序，选择排序中的最后m个个体作为下一次迭代使用的种群；106、基于下一次迭代使用的种群，重复步骤103‑105的过程，直至迭代达到预设的迭代次数上限；107、获取适应度评估值最小的最优个体，将获取的一个最优个体的信道分配作为异构网络内全网的信道分配方案，以及最优个体对应的功率分配方案作为异构网络内全网的功率分配方案；其中，所述信道分配方案和所述功率分配方案为采用遗传算法处理构建的所述联合优化模型而获得的方案。

【技术特征摘要】
1.一种异构网络中基于信道聚合的联合资源分配方法，其特征在于，包括：101、获取N个用户设备的位置信息，并依据所有用户设备的位置信息构建基于频谱聚合的联合优化模型；102、采用整数编码方法，随机初始化m个个体，将m个个体作为遗传算法的初始种群G；其中，每一个个体为一个可行的信道分配方案；103、对每个个体进行交叉与变异的遗传操作，产生新种群G1，所述新种群G1的个体数为2m；104、针对新种群G1中每一个个体，寻找当前个体的信道分配所对应的最优功率分配方法，并把功率与速率的能效比作为当前个体的适应度评估值；105、根据适应度评估值将新种群G1中的个体进行从大到小的排序，选择排序中的最后m个个体作为下一次迭代使用的种群；106、基于下一次迭代使用的种群，重复步骤103-105的过程，直至迭代达到预设的迭代次数上限；107、获取适应度评估值最小的最优个体，将获取的一个最优个体的信道分配作为异构网络内全网的信道分配方案，以及最优个体对应的功率分配方案作为异构网络内全网的功率分配方案；其中，所述信道分配方案和所述功率分配方案为采用遗传算法处理构建的所述联合优化模型而获得的方案。2.根据权利要求1所述的方法，其特征在于，所述步骤101包括：1011、以pn,s表示基站n∈N分配给信道s∈S的功率百分比，构建公式1的功率分配约束；其中N为所有单宏蜂窝内所有异构基站的集合，S为每一个异构基站中所有信道的集合，功率分配约束表示每个异构基站分配的功率值不能超过该基站的最大功率；1012、以示性函数An,s,k表示某个异构基站n的某一条信道s是否分配个某一个用户设备k，构建信道分配约束为：其中K为所有用户设备的集合，所述信道分配约束表示每个异构基站每个信道最多被一个用户设备占用，且每个用户设备最多能够聚合C个可用信道；1013、构建单个用户k的整体传输速率Rk：其中Dn,k表示用户设备k与异构基站n之间的欧氏距离,d表示基站的带宽；1014、构建整个异构网络的能效比模型为公式6受到公式1、公式3、公式4的约束。3.根据权利要求2所述的方法，其特征在于，所述步骤102包括：1021、将整个异构基站的信道分配方案抽象表示为一个二维数组C，二维数组中，通过行表示不同的异构基站，通过列表示不同的信道：其中，Cij表示对基站i的第j个信道的分配状态，将用户设备编号为k∈{1,2,3,…,K}，则Cij＝k来表示基站i的第j个信道分配给了第k个用户设备；因此，Cij∈{0,1,2,3,…,K}，其中Cij＝0表示该信道不分配给任何用户设备，该信道处于空闲状态，显然，处于空闲状态的信道功率分配为0；1022、为C中每个元素从集合{0,1,2,3,…,K}中随机赋值；1023、重复子步骤1021和子步骤1022，直到m个数组C生成，并将生成的m个数组作为遗传算法的初始种群。4.根据权利要求3所述的方法，其特征在于，所述步骤103包括：1031、从初始种群G中随机选择两个个体A,B；1032、生成(0,1)范围内的随机数，如果小于交叉率Pc，则执行交叉操作步骤1033-步骤1039；1033、复制个体A和个体B，产生个体A’，个体B’作为父代个体；1034、从信道分配方案二维数组C的行数中，选择n个数作为交叉点位，存入C；1035、针对信道分配方案二维数组C中的每一行i：1036、在该行基因中选择交叉点j；1037、将两个父代个体信道分配的基因中第i行基因位j以后的基因互换；1038、将两个父代个体功率分配的基因中第i行基因位j以后的基因互换；1039、重复以上步骤1034-1038，直至整个二维数组C被遍历...

【专利技术属性】
技术研发人员：贾杰，陈剑，洪庭贺，陈柯任，吉鹏硕，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21