回程受限密集无线网络面向内容覆盖的功率分配方法组成比例

本发明专利技术公开了一种回程受限密集无线网络面向内容覆盖的功率分配方法，主要解决现有技术在网络密集部署下功率分配效果差的问题。其方案为：联合设计高效的基站侧内容缓存概率和回程链路检索概率；以网络容量为性能指标，在考虑信号传输功率的基础上对功率优化问题进行建模；将功率优化模型作为深度强化学习网络的约束条件，并用元组分别表示网络系统中所有基站的状态集合、动作集合和奖励函数集合，得到具有深度强化学习能力的智能基站；智能基站利用与环境交互获取到的信息对其进行深度强化学习训练，得到密集网络功率分配的决策结果。本发明专利技术提升了网络容量，能保证密集无线网络下用户服务的连续性，可用于密集无线网络的回程优化和功率分配。线网络的回程优化和功率分配。线网络的回程优化和功率分配。

【技术实现步骤摘要】
回程受限密集无线网络面向内容覆盖的功率分配方法


[0001]本专利技术属于蜂窝移动通信
，尤其涉及一种密集无线网络功率分配方法，可用于密集无线网络的回程优化和功率分配。

技术介绍

[0002]互联网用户的不断增加以及智能设备的不断发展的同时也产生了巨大的数据流量需求，到2022年，全球每月移动业余数据总量将达到77艾字节，1艾字节＝260字节。同时，远程医疗、自动驾驶、电子竞技、同声翻译这些产业的兴起也对通信网络的时延提出了新的要求。为了更好的满足日益增长的业务需求，提升无线网络内容覆盖成为最根本手段。网络密集部署是提升网络内容覆盖最有效的途径，它能够将网络容量提升近2700倍。其中密集部署指的是除传统宏基站外，网络中将布设大量的基站/接入点来缩短信号收发两端的距离，极大增强了空间复用程度。未来无线系统中的通信基础设施还将从地面扩展到空中，扩大现有地面基站的覆盖能力。
[0003]Alam A,Dooley L,Poulton A在其发表的论文“Traffic
‑
and
‑
Interference Aware Base Station Switching for Green Cellular Networks”(Proc.IEEE CAMAD,2013)中提出了一种基于动态流量感知和动态流量干扰感知的基站开关算法，该算法可以无缝地结合基站睡眠和中继站转换模型，以确定在任何时刻保持活动的最佳基站集，既能严格维护用户的服务质量，从而进一步提升网络容量，又能减少基站的能源消耗。但是该方法由于未考虑密集网络下回程资源受限对网络性能的限制，无法满足密集无线网络下用户的全部需求，从而导致内容覆盖的连续性无法得到保障，故不适用于密集无线网络。
[0004]Chen Z,Pappas N,Kountouris M在其发表的论文“Probabilistic Caching in Wireless D2D Networks:Cache Hit Optimal versus Throughput Optimal”(IEEE Commun.Lett.,2017)中证明了应用缓存技术时考虑传输可靠性的重要意义，通过比较最大化文件的缓存命中概率与最大化网络空间吞吐量分别得到每个文件的缓存概率，并进一步求得两种考虑方式下服务的用户请求密度，以提高网络的空间吞吐量。但是该方法由于未考虑基站/接入点密集部署情况，造成最大化文件的缓存命中概率将导致网络干扰加剧的后果，从而恶化网络性能。
[0005]Nasser A,Muta O,Elsabrouty M等在其发表的论文“Interference Mitigation and Power Allocation Scheme for Downlink MIMO
–
NOMA HetNet”(IEEE Transactions on Vehicular Technology,2019)中提出了面向非正交多址接入和多输入多输出技术的干扰抑制和功率分配方案，其利用协作多点传输技术，缓解小区间干扰。该方案包括两个阶段：第一阶段是消除小区间的簇间干扰和共层干扰以及处理宏蜂窝间的簇间干扰；第二阶段是控制宏基站和微基站的功率以管理跨层干扰。但是该方法建立的优化问题非常复杂，且由于在解决资源管理问题时未考虑缓存网络通信存储一体化特点，导致耗时长，不适用于通信存储协同网络。

技术实现思路

[0006]本专利技术针对现有技术存在的问题，提供了一种面向内容覆盖的回程受限密集无线网络功率分配方法，以提升回程受限情况下密集无线网络的容量，并通过简化资源分配问题来实现干扰的高效管控，从而保证密集无线网络下用户内容覆盖的连续性。
[0007]为实现上述目的，本专利技术的技术方案包括如下：
[0008](1)对基站侧内容缓存概率和回程链路检索概率进行联合优化设计：
[0009](1a)设置最优基站侧内容缓存概率以最大化网络容量；
[0010](1b)在最大化网络容量的条件下，计算使回程链路检索概率发生变化的临界基站密度λ
+
：
[0011][0012]其中，Δh表示基站与用户间的天线高度差，其中，Δh表示基站与用户间的天线高度差，表示基站最佳激活概率，α表示路径损耗因子，τ表示解调门限，2F1(,,,)表示高斯超几何函数。
[0013](1c)根据临界基站密度λ
+
，确定最优回程链路检索概率：
[0014]当基站密度λ满足λ≤λ
+
时，最优回程链路检索概率恒为1；
[0015]当λ＞λ
+
时，最优回程链路检索概率随最优基站侧内容缓存概率的增大而减小；
[0016](1d)针对不同基站密度，通过调整最优基站侧内容缓存概率得到最小回程检索概率
[0017](2)以网络容量为性能指标，在考虑信号传输功率的基础上对功率优化问题进行建模：
[0018][0019][0020][0021]0≤q
r
≤1,
[0022]P
im
≥P
min
,for m∈[1,M],SBS
i
∈Π
SBS
[0023][0024]其中，表示网络容量，N表示网络中的内容总数，N
C
表示基站侧可缓存的内容数，M表示网络中资源块的总数量，表示基站侧内容缓存概率，q
r
表示回程链路检索概率，P
im
表示第i个基站在第m个资源块的传输功率，P
min
表示每个资源块上的最小传输功率，P
max
表示基站的最大传输功率，SBS
i
表示第i个基站，Π
SBS
表示所有基站的集合；
[0025](3)将上述功率优化模型作为深度强化学习网络的约束条件，并用元组
分别表示网络系统中N
SBS
个基站的状态集合、动作集合和奖励函数集合，得到具有深度强化学习能力的智能基站；
[0026](4)智能基站利用与环境交互获取到的信息对其进行深度强化学习训练，得到密集无线网络功率分配的决策结果，实现对网络干扰的高效管控。
[0027]本专利技术与现有技术相比，具有如下优点：
[0028]第一，本专利技术由于考虑了回程资源受限的密集无线网络场景，利用基站侧缓存技术有效缓解回程压力，并通过对基站侧内容缓存概率和回程链路检索概率的联合优化，提升用户服务质量，从宏观上保障了内容覆盖的时间连续性；
[0029]第二，本专利技术由于在密集无线网络中利用深度强化学习方法获得基站最佳功率分配的决策结果，可将复杂问题简单化，并通过最佳功率分配的决策结果实现干扰的高效管控，从微观上保障了内容覆盖的时间连续性。
附图说明
[0030]图1是本专利技术的实现总流程图；
[0031]图2是本专利技术中基站侧内容缓存概率和回程链路检索概率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.回程受限密集无线网络面向内容覆盖的功率分配方法，其特征在于，包括：(1)对基站侧内容缓存概率和回程链路检索概率进行联合优化设计：(1a)设置最优基站侧内容缓存概率以最大化网络容量；(1b)在最大化网络容量的条件下，计算使回程链路检索概率发生变化的临界基站密度λ
+
：其中，Δh表示基站与用户间的天线高度差，其中，Δh表示基站与用户间的天线高度差，表示基站最佳激活概率，α表示路径损耗因子，τ表示解调门限，2F1(,,,)表示高斯超几何函数。(1c)根据临界基站密度λ
+
，确定最优回程链路检索概率：当基站密度λ满足λ≤λ
+
时，最优回程链路检索概率恒为1；当λ＞λ
+
时，最优回程链路检索概率随最优基站侧内容缓存概率的增大而减小；(1d)针对不同基站密度，通过调整最优基站侧内容缓存概率得到最小回程检索概率(2)以网络容量为性能指标，在考虑信号传输功率的基础上对功率优化问题进行建模：(2)以网络容量为性能指标，在考虑信号传输功率的基础上对功率优化问题进行建模：(2)以网络容量为性能指标，在考虑信号传输功率的基础上对功率优化问题进行建模：(2)以网络容量为性能指标，在考虑信号传输功率的基础上对功率优化问题进行建模：P
im
≥P
min
,for m∈[1,M],SBS
i
∈Π
SBS
其中，表示网络容量，N表示网络中的内容总数，N
C
表示基站侧可缓存的内容数，M表示网络中资源块的总数量，P
im
表示第i个基站在第m个资源块的传输功率，P
min
表示每个资源块上的最小传输功率，P
max
表示基站的最大传输功率，SBS
i
表示第i个基站，Π
SBS
表示所有基站的集合；(3)将上述功率优化模型作为深度强化学习网络的约束条件，并用元组分别表示网络系统中N
SBS
个基站的状态集合、动作集合和奖励函数集合，得到具有深度强化学习能力的智能基站；(4)智能基站利用与环境交互获取到的信息对其进行深度强化学习训练，得到密集无线网络功率分配的决策结果，实现对网络干扰的高效管控。2.根据权利要求1所述的方法，其特征在于，所述(1c)中最优回程链路检索概率与最优基站侧内容缓存概率的关系，表示如下：
其中，N表示网络中内容总数，表示基站最佳激活概率，q
k
表示用户对于第k个内容的请求概率，k的取值范围为1,2,...,N，N表示网络中的内容总数。3.根据权利要求1所述的方法，其特征在于，所述(1d)中得到的最小回程检索概率表示如下：其中，表示基站最佳激活概率，q
k
表示用户对于第k个内容的请求概率，k的取值范围为1,2,...,N，N表示网络中内容总数，表示基站超密部署临界密度，Δh表示基站与用户间的天线高度差，α表示路径损耗因子，τ表示解调门限，2F1(,,,)表示高斯超几何函数。4.根据权利要求1所述的方法，其特征...

【专利技术属性】
技术研发人员：刘俊宇，武妍，盛敏，王伟，李建东，史琰，
申请(专利权)人：中国通信学会，
类型：发明
国别省市：