【技术实现步骤摘要】
一种无线网络上下行多业务并发功率分配方法及存储介质
[0001]本专利技术属于涉及无线网络通信
,具体涉及一种无线网络上下行多业务并发功率分配方法及存储介质。
技术介绍
[0002]下面说明本专利技术所涉及的
技术介绍
。
[0003]1.灵活双工(Flexible Duplex)技术。
[0004]灵活双工技术是一种具有重要潜在应用价值的新型双工技术。与传统双工技术在上下行间采用相对固定的传输资源分配方式不同,灵活双工能够根据上下行业务变化情况动态分配上下行资源,有效提高系统资源利用率,更适合未来无线网络中的上下行业务需求随时间、地点而变化的特点。
[0005]所谓双工技术,是指终端与网络接入设备间上下行链路协同工作的模式。双工技术是各类无线通信网络中的关键技术之一。在现网2G、3G、4G和5G网络中主要采用两种双工方式,即频分双工(Frequency division duplex,FDD)和时分双工(Time division duplex,TDD),且每个网络只能用一种双工模式。其中,4G和5G网络的高级特性中,部分地引入了灵活双工技术。
[0006]灵活双工技术有两个基本分支,分别称为动态FDD和动态TDD。动态FDD系统中,为了适应上下行非对称的业务需求,每个小区可根据业务量需求,将上行频带配置为灵活频带,在多数时间内用于上行传输,部分时间内用于下行传输,或者将下行频带配置为灵活频带,在多数时间内用于下行传输,部分时间内用于上行传输。动态TDD系统中,时域资源在上下行链路 ...
【技术保护点】
【技术特征摘要】
1.一种无线网络上下行多业务并发功率分配方法,其特征在于,包括如下步骤:(一)获取以下参数之一或者其组合:1)各受扰基站与其服务的各用户终端之间的上行链路信道状态信息CSI;2)各施扰基站与其服务的各用户终端之间的下行链路CSI;3)各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI;4)各施扰基站与各受扰基站之间的干扰链路CSI;5)各上行或下行链路被分配到的传输带宽;6)各传输链路的噪声功率;7)各用户终端业务类型;8)各施扰基站与各受扰基站预期的上下行传输资源配置;9)各用户终端的QoS要求和对应的最小传输速率;10)各基站和用户终端的最大可允许发射功率;(二)为不同业务建立不同MOS值计算模型,根据获取的参数信息,以使场景中所有用户的平均MOS值最大为目标,求取功率分配最优解;(三)指示各施扰基站的下行发射功率与各施扰用户终端的上行发射功率按求得的最优解进行功率调整。2.根据权利要求1所述的方法,其特征在于,所述的步骤(二)中,根据业务类型建立不同MOS值计算模型,包括:(1)语音业务的MOS值MOS
u
,根据语音业务质量感知评估中给出的误包率PEP计算得到;(2)数据业务的MOS值MOS
w
,根据用户终端的传输速率R和PEP来计算,如下:MOS
w
=a*log
10
[b*R*(1
‑
PEP)]其中,参数a和b由用户感知质量确定;(3)视频业务的MOS值MOS
v
,使用峰值信噪比PSNR来计算,如下:其中,函数参数c、d和e设置为:c=6.6431,d=
‑
0.1344,e=30.4264。3.根据权利要求1所述的方法,其特征在于,所述的步骤(二)中,求取功率分配最优解时,进一步设置约束如下:根据各用户终端的QoS要求,分别对各用户终端对应的上行或下行的最小传输速率给出约束;根据设备的类型,对各用户终端和各基站的最大发射功率给出约束。4.根据权利要求1或2或3所述的方法,其特征在于,所述的步骤(二)中,求取功率分配最优解时,为不同业务计算公平系数;设置的目标函数为:将公平系数作为MOS值的权重,计算场景中所有用户的加权MOS值的平均值,求取使所述平均值最大的功率分配方案;所述公平系数的计算方式为:设场景中某类业务有Q个用户,当前处于第Z次功率分配步骤中;对所述Q个用户中的每个用户,求取在前Z
‑
1次功率分配步骤中的MOS值的和,对最大和值求取Z
‑
1次的平均值,作为该类业务用户的最大MOS值MaxMOS
Z
,然后计算第Z次功率分配时的公平系数如下:其中,λ
qZ
(q=1,2,
…
Q)表示用户q在第Z次功率分配步骤中的公平系数;MOS
qn
表示用户q在第n次功率分配步骤中的MOS值。5.根据权利要求1或2或3所述的方法,其特征在于,所述的步骤(二)中,利用改进的定
向Q
‑
Learning算法求取功率分配最优解;当有新加入的多业务用户时,采用如下三种方式之一更新新用户的Q
‑
table:(1)第一种为相同业务类型定向学习方式,是指取相同业务类型用户的Q
‑
table均值作为新用户的Q
‑
table;(2)第二种为最近用户定向学习方式,是指选取距离新用户最近的用户的Q
‑
table作为新用户的Q
‑
table;(3)第三种为随机选择定向学习方式,是指在原始用户中随机选择某个用户的Q
‑
table作为新用户的Q
‑
table。6.根据权利要求5所述的方法,其特征在于,所述的步骤(二)中,利用改进的定向Q
‑
Learning算法求取功率分配最优解,包括:设场景中包括施扰的第一基站和受扰的第二基站;第一基站获取环境当前状态,在可行域中对功率的有限离散空间进行搜索,寻求一个最优分配,以最大化目标值;(1)代理为第一基站,设第t次选择的动作为a
t
,a
t
包含第一基站为第一小区下行用户的功率分配以及第二基站为第二小区上行用户的功率分配;获取第t次的状态为s
t
,s
t
包含第一小区和第二小区的环境状态;设第一小区的环境状态i表示第一小区环境状态的标号;当第一小区所有用户终端的发送功率满足第一基站的最大发送功率约束时,取值为0,否则为1;当第一小区内所有用...
【专利技术属性】
技术研发人员:杨少石,还婧文,袁田浩,孟阔,毕嘉辉,王潇杨,
申请(专利权)人:北京邮电大学,
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。