技術(shù)特征：

1.一種超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法，其特征在于，所述超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法利用具有主干擾源的平均場(chǎng)博弈理論框架，設(shè)計(jì)成本函數(shù)，使最佳功率控制問(wèn)題轉(zhuǎn)化為使成本函數(shù)最小的最小值問(wèn)題；在平均場(chǎng)博弈理論框架上導(dǎo)出相關(guān)的哈密頓-雅可比-貝爾曼方程和?？?普朗克-柯爾莫戈洛夫方程來(lái)表示系統(tǒng)的平均場(chǎng)博弈；基于有限差分算法求解上述哈密頓-雅可比-貝爾曼方程和?？?普朗克-柯爾莫戈洛夫方程，從而得出干擾感知功率控制策略。

2.如權(quán)利要求1所述的超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法，其特征在于，所述哈密頓-雅可比-貝爾曼方程為：

${\∂}_{t}u(t,s)+\frac{{\mathrm{\σ}}_o^2}{2}{\mathrm{\Δ}}_{s_o}u(t,s)+\frac{{\mathrm{\σ}}_i^2}{2}{\mathrm{\Δ}}_{s_i}u(t,s)=H(c,{\▿}_{s}u(t,s\left)\right);$

其中

所述?？?普朗克-柯爾莫戈洛夫方程為：

${\∂}_{t}m(t,s)+\frac{{\mathrm{\σ}}_o^2}{2}{\mathrm{\Δ}}_{s_o}m(t,s)+\frac{{\mathrm{\σ}}_i^2}{2}{\mathrm{\Δ}}_{s_i}m(t,s)-\frac{\∂s_o}{\∂t}{\▿}_{s_o}m(t,s)-\frac{\∂s_i}{\∂t}{\▿}_{s_i}m(t,s)=0.$

3.如權(quán)利要求1所述的超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法，其特征在于，所述超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法包括以下步驟：

步驟一，初始化，并將時(shí)間間隔，主干擾源的狀態(tài)空間和一般干擾的狀態(tài)空間進(jìn)行離散化；

步驟二，判斷是否符合迭代條件，若是進(jìn)行下一步，否則停止迭代；

步驟三，升級(jí)干擾平均場(chǎng)，并判斷功率水平是否為零，如果是則進(jìn)一步升級(jí)干擾平均場(chǎng)，如果否則干擾平均場(chǎng)為零；

步驟四，更新拉格朗日算子和功率水平，根據(jù)迭代條件，重復(fù)步驟二到步驟四。

4.如權(quán)利要求3所述的超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法，其特征在于，所述時(shí)間間隔，主干擾源的狀態(tài)空間和一般干擾的狀態(tài)空間將被離散化為X×Y×Z的空間，時(shí)間，能量，干擾空間的迭代步長(zhǎng)為：

${\mathrm{\δ}}_t=\frac{T}{X},{\mathrm{\δ}}_o=\frac{I_{o,max}}{Y},{\mathrm{\δ}}_i=\frac{I_{i,max}}{Z}.$

5.如權(quán)利要求3所述的超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法，其特征在于，所述迭代條件是指是t,o,i同時(shí)符合t＝1:s,o＝1:Y且i＝1:Z，符合條件時(shí)進(jìn)行下一步，否則停止迭代；其中s、Y和Z的值在初始化時(shí)給出。

6.如權(quán)利要求3所述的超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法，其特征在于，所述升級(jí)干擾平均場(chǎng)時(shí)使用公式：

$\frac{m_{o,i}^{t+1}}{{\mathrm{\δ}}_t}=m_{o,i}^t(\frac{1}{{\mathrm{\δ}}_t}+\frac{{\mathrm{\σ}}_o^2}{{\mathrm{\δ}}_o^2}+\frac{{\mathrm{\σ}}_i^2}{{\mathrm{\δ}}_i^2}+\frac{s_o}{{\mathrm{\δ}}_o}+\frac{s_i}{{\mathrm{\δ}}_i})-m_{o-1,i}^t(\frac{{\mathrm{\σ}}_o^2}{2{\mathrm{\δ}}_o^2}+\frac{s_o}{{\mathrm{\δ}}_o})-m_{o,i-1}^t(\frac{{\mathrm{\σ}}_i^2}{2{\mathrm{\δ}}_i^2}+\frac{s_i}{{\mathrm{\δ}}_i})-m_{o+1,i}^t\frac{{\mathrm{\σ}}_o^2}{2{\mathrm{\δ}}_o^2}-m_{o,i+1}^t\frac{{\mathrm{\σ}}_i^2}{2{\mathrm{\δ}}_i^2};$

其中是離散網(wǎng)格中任一點(diǎn)(t,o,i)處的平均場(chǎng)值，和分別是主干擾源和一般干擾的方差，s_o和s_i分別是主干擾源o和一般用戶的i的狀態(tài)動(dòng)力學(xué)，δ_o和δ_i是迭代步長(zhǎng)，其中

7.如權(quán)利要求3所述的超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法，其特征在于，所述更新拉格朗日算子時(shí)使用式：

$\frac{{\mathrm{\λ}}_{o,i}^{t-1}}{{\mathrm{\δ}}_t}={\mathrm{\λ}}_{o,i}^t(\frac{1}{{\mathrm{\δ}}_t}+\frac{{\mathrm{\σ}}_o^2}{{\mathrm{\δ}}_o^2}+\frac{{\mathrm{\σ}}_i^2}{{\mathrm{\δ}}_i^2}+\frac{s_o}{{\mathrm{\δ}}_o}+\frac{s_i}{{\mathrm{\δ}}_i})-{\mathrm{\λ}}_{o+1,i}^t(\frac{{\mathrm{\σ}}_o^2}{2{\mathrm{\δ}}_o^2}+\frac{s_o}{{\mathrm{\δ}}_o})-{\mathrm{\λ}}_{o,i+1}^t(\frac{{\mathrm{\σ}}_i^2}{2{\mathrm{\δ}}_i^2}+\frac{s_i}{{\mathrm{\δ}}_i})-m_{o-1,i}^t\frac{{\mathrm{\σ}}_o^2}{2{\mathrm{\δ}}_o^2}-m_{o,i-1}^t\frac{{\mathrm{\σ}}_i^2}{2{\mathrm{\δ}}_i^2}-c_{o,i}^t;$

其中和分別是離散網(wǎng)格中任一點(diǎn)(t,o,i)處的平均場(chǎng)值和成本函數(shù)值，和分別是主干擾源和一般干擾的方差，s_o和s_i分別是主干擾源o和一般用戶的i的狀態(tài)動(dòng)力學(xué)，δ_o、δ_i和δ_t是迭代步長(zhǎng)，其中

主干擾源o的功率水平的更新使用如下方式：

$p_o^t=\frac{\frac{({\mathrm{\κ}}_g-g_{o,i}){\mathrm{\λ}}_{o,i}^t(m_{o,i}^t-m_{o,i-1}^t)}{4{\mathrm{\δ}}_i{m}_{o,i}^t{g}_{o,i}}-p_i^t{m}_{j,i}}{g_{o,i}}$

其中和分別是離散網(wǎng)格中任一點(diǎn)(t,o,i)處的平均場(chǎng)值和成本函數(shù)值，s_o和s_i分別是主干擾源o和一般用戶的i的狀態(tài)動(dòng)力學(xué)，是主干擾源的發(fā)射功率，δ_o和δ_i是迭代步長(zhǎng)，其中

一般用戶i的功率水平的更新使用如下方式：

$p_i^t=\frac{\{\frac{{\mathrm{\λ}}_{o,i}^t}{2m_{o,i}^t}\·\[\frac{({\mathrm{\κ}}_m-m_{i,o})(m_{o,i}^t-m_{o-1,i}^t)}{{\mathrm{\δ}}_o}+\frac{({\mathrm{\κ}}_m-m_{j,i})(m_{o,i}^t-m_{o,i-1}^t)}{{\mathrm{\δ}}_i}-{\mathrm{\σ}}_m^2(\frac{m_{o+1,i}^t-2m_{o,i}^t+m_{o-1,i}^t}{{\mathrm{\δ}}_o^2}+\frac{m_{o,i+1}^t-2m_{o,i}^t+m_{o,i-1}^t}{{\mathrm{\δ}}_i^2})\]-2p_o^t{g}_{o,i}{m}_{j,i}\}}{2(m_{i,o}^t+m_{j,i}^2)}$

其中各字母的含義參考如上，是一般用戶主干擾源的發(fā)射功率。

8.一種應(yīng)用權(quán)利要求1-7任意一項(xiàng)所述超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法的線通信方法。

9.一種應(yīng)用權(quán)利要求1-7任意一項(xiàng)所述超密集網(wǎng)絡(luò)中面向主干擾源的分布式功率控制方法的智能移動(dòng)設(shè)備。