【技术实现步骤摘要】
一种基于D2D的异构无线网络功率分配方法及系统
[0001]本专利技术涉及无线通信
,具体是一种基于D2D的异构无线网络功率分配方法及系统。
技术介绍
[0002]近些年,随着经济与科技的高速发展,以及移动智能通信设备的爆炸式增长,多层异构网络的分布式部署和D2D通信被认为是满足下一代蜂窝网络性能要求的有效途径。异构网络可以在一个宏小区中容纳多个小覆盖小区,以提高网络容量。D2D通信能够提高本地服务灵活性并降低功耗,使得邻近用户无需通过基站即可直接通信。在异构网络中集成D2D通信可以进一步改善信道条件和用户的服务质量。
[0003]由于用户设备的电池寿命有限,在D2D通信中必须平衡网络效用和用户设备的能耗。为了提高能源效率,高效合理的功率分配算法是一个重点考虑的问题。现存功率分配算法多以拉格朗日,博弈论,近似凸规划等为主,在瞬息多变的未来网络环境中,这些方法仍缺少灵活性和拓展性。因此,一种高效灵活的面向能量效率优化的功率分配方法是本领域技术人员亟需解决的问题。
[0004]综上所述,现有技术存在的问题是 ...
【技术保护点】
【技术特征摘要】
1.一种基于D2D的异构无线网络功率分配方法,其特征在于,所述方法包括:根据用户终端的信道增益状态、网络环境构建深度强化学习框架,以用户终端的总能效作为目标构建奖励函数,将发射功率占比映射为动作空间并使用丁克尔巴赫方法缩减动作空间;基于此框架,采用双延迟深度确定性策略梯度算法,针对整体通信网络环境进行学习,以作出灵活快速的功率分配。2.根据权利要求1所述的基于D2D的异构无线网络功率分配方法,其特征在于,该方法具体步骤包括:步骤一:根据信道衰落模型计算用户设备到各个宏基站及微基站的信号干扰噪声比以及能量效率,构建异构网络模型;步骤二:根据系统总能量效率建立功率分配问题模型,考虑蜂窝用户以及D2D用户的最低速率需求作为约束,以最大化能量效率为总目标;步骤三:构建深度强化学习框架,将非凸分式优化问题转换成适用于深度强化学习方法求解的架构;步骤四:在使用深度强化学习方法求解之前,使用丁克尔巴赫方法缩减动作空间,提高智能体学习以及决策的效率及降低算法复杂度;步骤五:根据步骤四中缩减动作空间之后的结果,使用双延迟深度确定性策略梯度算法求解优化后的功率分配问题。3.根据权利要求1所述的基于D2D的异构无线网络功率分配方法,其特征在于,在步骤一中,构建异构网络模型,定义蜂窝用户集合C和D2D用户集合D,根据信道衰落模型可以得到D2D用户设备j的信号干扰噪声比SINR以及能量效率EE为:到D2D用户设备j的信号干扰噪声比SINR以及能量效率EE为:其中,P
t
,P
c
是D2D/蜂窝用户发射机的最大发射功率,G
j,d
为根据信道衰落模型得到的D2D发射机j到接收机信道增益,G
i,j,d
为根据信道衰落模型得到的蜂窝用户i到接收机信道增益,σ2为信道传输过程中产生的噪声。W是子信道的带宽,η是用户终端的功率放大器的转换效率,P
cir
是用户设备的电路功率。y
j
∈Y1×
N
为功率分配因子,y
j
∈(0,1)。4.根据权利要求1所述的基于D2D的异构无线网络功率分配方法,其特征在于,在步骤二中根据系统能效所建立的功率分配问题模型为:二中根据系统能效所建立的功率分配问题模型为:其中表示D2D/蜂窝用户的速率约束阈值。5.根据权利要求1所述的基于D2D的异构无线网络功率分配方法,其特征在于,在步骤三中构建的深度强化学习框架为:
其中r
t
(s
t
,a
t
)=αe
β
(EE
‑
EE
random
),γ为折扣因子,EE
rando...
【专利技术属性】
技术研发人员:王雪,史昊天,韩英斌,高鑫,朱巧,钱志鸿,
申请(专利权)人:吉林大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。