本發(fā)明屬于移動(dòng)通信技術(shù)領(lǐng)域，涉及無(wú)線(xiàn)通信系統(tǒng)中無(wú)線(xiàn)資源管理方法，更為具體的說(shuō)，是涉及基于非合作博弈的分布式超密集異構(gòu)網(wǎng)絡(luò)中干擾協(xié)調(diào)方法。

背景技術(shù)：

在宏站覆蓋范圍內(nèi)同頻密集部署低功率小站的超密集異構(gòu)網(wǎng)絡(luò)是3gpp(thirdgenerationpartnershipproject)提出的一種提升5g網(wǎng)絡(luò)頻譜利用率和網(wǎng)絡(luò)容量的有效方法。然而小站密度的增加會(huì)造成小區(qū)間干擾加劇，限制整個(gè)網(wǎng)絡(luò)容量的提升，同時(shí)小區(qū)邊緣用戶(hù)的通話(huà)質(zhì)量受到嚴(yán)重影響。而且未來(lái)實(shí)際網(wǎng)絡(luò)場(chǎng)景中的每個(gè)小區(qū)基站及小區(qū)用戶(hù)處于動(dòng)態(tài)變化的網(wǎng)絡(luò)環(huán)境中，包括小區(qū)基站位置不固定、小區(qū)可自行決定開(kāi)關(guān)狀態(tài)、每個(gè)小區(qū)可以服務(wù)多個(gè)用戶(hù)，每個(gè)用戶(hù)由于自身業(yè)務(wù)的變化會(huì)有不同的速率請(qǐng)求等等多種情況。在5g網(wǎng)絡(luò)中，小區(qū)數(shù)目急劇增加，小區(qū)間的干擾問(wèn)題直接影響著用戶(hù)的服務(wù)質(zhì)量和網(wǎng)絡(luò)容量，需有效的干擾協(xié)調(diào)技術(shù)來(lái)解決。但現(xiàn)有的干擾協(xié)調(diào)方案不能有效解決用戶(hù)之間由于業(yè)務(wù)類(lèi)型不同而引起的速率請(qǐng)求的差異問(wèn)題，且需要大量的信令交換。

技術(shù)實(shí)現(xiàn)要素：

為解決上述問(wèn)題，本發(fā)明公開(kāi)了一種基于非合作博弈的分布式超密集異構(gòu)網(wǎng)絡(luò)干擾協(xié)調(diào)方法，考慮了在超密集異構(gòu)網(wǎng)絡(luò)場(chǎng)景下不同小區(qū)用戶(hù)由于業(yè)務(wù)類(lèi)型不同而引起的用戶(hù)速率速率需求變化，通過(guò)分析超密集網(wǎng)絡(luò)的動(dòng)態(tài)特性，將網(wǎng)絡(luò)干擾問(wèn)題建模成非合作博弈問(wèn)題，網(wǎng)絡(luò)中小區(qū)作為博弈參與者，最小化自身干擾為效用函數(shù)。為了推導(dǎo)納什均衡解的存在，將建立博弈模型推導(dǎo)成潛在博弈問(wèn)題。

為了達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

基于非合作博弈的分布式超密集異構(gòu)網(wǎng)絡(luò)干擾協(xié)調(diào)方法，包括如下步驟：

步驟一，采集網(wǎng)絡(luò)信息，初始化參數(shù)

采集網(wǎng)絡(luò)中的宏站數(shù)目m、小站數(shù)目n和用戶(hù)數(shù)目u，宏站分布在中心位置，感知小區(qū)隨機(jī)分布在宏站周?chē)?，感知小區(qū)具有感知和發(fā)現(xiàn)周?chē)h(huán)境的能力，能夠根據(jù)過(guò)去的信息作出相應(yīng)的決策，能夠調(diào)整接入的信道，發(fā)射功率，小區(qū)處于動(dòng)態(tài)開(kāi)關(guān)狀態(tài)中，能夠根據(jù)服務(wù)的用戶(hù)數(shù)目調(diào)整開(kāi)關(guān)狀態(tài)，能夠服務(wù)多個(gè)用戶(hù)，同時(shí)會(huì)由于小區(qū)內(nèi)用戶(hù)業(yè)務(wù)類(lèi)型的變化調(diào)整自身的速率請(qǐng)求；假設(shè)小區(qū)i的可選rb集合為si，初始選擇的rb集合為si(0)，在第0時(shí)隙，各個(gè)小區(qū)在其可選rb集合中隨機(jī)選擇rb集合；

步驟二，采集信道信息

小區(qū)用戶(hù)采用最大參考信號(hào)接收功率準(zhǔn)則接入小區(qū)，小區(qū)基站j到小區(qū)基站i服務(wù)的用戶(hù)ei之間的信道增益近似為兩小區(qū)基站i,j之間的信道增益，即由此將網(wǎng)絡(luò)中小區(qū)基站間即用戶(hù)間的信道增益對(duì)稱(chēng)化，即

步驟三，小區(qū)干擾信息初始化

根據(jù)步驟二采集的信道信息，通過(guò)下式計(jì)算小區(qū)n在rbi上受到的網(wǎng)絡(luò)干擾

其中，表示小區(qū)m在rbi上的發(fā)射功率，σ²表示白噪聲功率，n/{n}表示小區(qū)集合n中除了小區(qū)n以外的所有小區(qū)，為干擾系數(shù)，其表示如下：

其中，sn表示小區(qū)n最終使用的rb集合，表示小區(qū)n使用的rb集合sn中的第i個(gè)rb，當(dāng)小區(qū)n與小區(qū)m使用相同的rbi時(shí)，為1，否則為0；

步驟四，小區(qū)總速率計(jì)算

假設(shè)rb帶寬為b，則小區(qū)n在rbi上的速率由香農(nóng)公式計(jì)算，表示如下：

網(wǎng)絡(luò)中所有的小區(qū)rb選擇表示為(sn,s-n)，其中s-n表示除了小區(qū)n外其他小區(qū)的rb選擇，則小區(qū)n的總速率利用其表示為：

步驟五，問(wèn)題建模

基于在超密集感知網(wǎng)中，每個(gè)小區(qū)選擇rb的原則：選擇使自身受到的干擾最小的rb集合，達(dá)到最大化自身速率；將小區(qū)n受到的干擾表示為：

整個(gè)網(wǎng)絡(luò)的干擾表示為：

定義本方法的效用函數(shù)為：

根據(jù)非合作博弈模型定義，本方法的問(wèn)題建模為參與者為n個(gè)小區(qū)，sn為小區(qū)n的策略集合，un(sn,s-n)為小區(qū)n的效用函數(shù)，非合作博弈問(wèn)題建模具體表示如下：

subjectto:

其中，限制條件c1表示小區(qū)m和小區(qū)n只能同時(shí)使用相同的rb或者不使用相同的rb，限制條件c2表示rb上的功率必須大于0，限制條件c3表示每個(gè)小區(qū)有速率請(qǐng)求，rre,n為小區(qū)n請(qǐng)求速率；

步驟六，在第t時(shí)隙，小區(qū)i根據(jù)式(7)計(jì)算當(dāng)前選擇策略的效用函數(shù)ui(si(t),s-i(t))，其中si(t)為第t時(shí)隙小區(qū)i選擇的rb集合；

步驟七，更新t時(shí)隙的置信矩陣的大小為|si(t)|×si(t)|，其中

其中，ai(t)表示在t時(shí)隙小區(qū)i選擇的rb集合si(t)中的一個(gè)rb，而a′i(t)表示不在si(t)中的一個(gè)rb，置信矩陣反映的是選擇其它rb所帶來(lái)的效用函數(shù)的變化，即收益的改變，置信矩陣中非零元素的個(gè)數(shù)完全由t時(shí)隙的rb選擇策略si(t)決定；

步驟八，更新矩陣及矩陣

其中，為輔助矩陣，為平均置信矩陣，ε^t＝1/(t+1)表示每一次迭代步長(zhǎng)；

步驟九，更新選擇概率矩陣同時(shí)決定t+1時(shí)隙的選擇策略；

其中，μ為歸一化系數(shù)，選擇概率矩陣描述的是在下一時(shí)刻t+1選擇各個(gè)rb的概率大小，小區(qū)i選擇中概率最大的那個(gè)rb，根據(jù)式(3)計(jì)算當(dāng)前的速率若不滿(mǎn)足小區(qū)速率請(qǐng)求rre,i，即則繼續(xù)選擇中概率次大的那個(gè)rb，直到此時(shí)選出來(lái)的rb集合即為時(shí)刻rb選擇策略集合；

步驟十，循環(huán)步驟第六步至第八步，直到所有小區(qū)的rb選擇集合不再變化，或達(dá)到預(yù)設(shè)的迭代次數(shù)門(mén)限。

進(jìn)一步的，所述步驟三中，在每個(gè)rb上的發(fā)射功率相同，即

與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)和有益效果：

本發(fā)明提供的基于非合作博弈的分布式超密集異構(gòu)網(wǎng)絡(luò)干擾協(xié)調(diào)方法能夠在不需要小區(qū)間信息交換下，收斂到閉式解，最終所有小區(qū)在收斂到納什均衡解時(shí)，使得整個(gè)網(wǎng)絡(luò)干擾最小，提高了網(wǎng)絡(luò)容量，以較低的復(fù)雜度有效地解決用戶(hù)速率動(dòng)態(tài)變化、網(wǎng)絡(luò)密集化與網(wǎng)絡(luò)容量，頻譜效率之間的難題。

附圖說(shuō)明

圖1為本發(fā)明步驟流程圖。

具體實(shí)施方式

以下將結(jié)合具體實(shí)施例對(duì)本發(fā)明提供的技術(shù)方案進(jìn)行詳細(xì)說(shuō)明，應(yīng)理解下述具體實(shí)施方式僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的范圍。

在分布式超密集感知網(wǎng)中，各個(gè)小區(qū)因用戶(hù)需求而產(chǎn)生時(shí)變的速率請(qǐng)求，同時(shí)將各個(gè)小區(qū)干擾最小化問(wèn)題建模成非合作博弈模型，各個(gè)小區(qū)的目標(biāo)函數(shù)為自身干擾最小，小區(qū)可以根據(jù)周?chē)蓴_環(huán)境及自身過(guò)去的資源選擇情況作出當(dāng)前的決策，此決策同時(shí)滿(mǎn)足自身速率請(qǐng)求。小區(qū)的每一次決策為rb(resourceblock)集合。關(guān)鍵地，此非合作博弈問(wèn)題可推導(dǎo)成潛在博弈問(wèn)題。潛在博弈有兩個(gè)關(guān)鍵點(diǎn)，一方面其至少存在一個(gè)納什均衡解；另一方面小區(qū)局部干擾最小化可以使得全局網(wǎng)絡(luò)干擾最小化。為了求解該問(wèn)題的納什均衡解，將建立博弈模型推導(dǎo)成潛在博弈問(wèn)題，本發(fā)明提出了本發(fā)明提出了一種基于隨機(jī)學(xué)習(xí)的改進(jìn)的非置信方法。該方法根據(jù)每個(gè)小區(qū)每一次迭代的效用函數(shù)建立概率矩陣，通過(guò)不斷更新概率矩陣得到最終的納什均衡解。最終所有小區(qū)在收斂到納什均衡解時(shí)，整個(gè)網(wǎng)絡(luò)干擾最小，達(dá)到干擾協(xié)調(diào)的目的。

具體的說(shuō)，如圖1所示，本發(fā)明包括如下步驟：

步驟一，采集網(wǎng)絡(luò)信息，初始化參數(shù)。

采集網(wǎng)絡(luò)中的宏站數(shù)目m、小站數(shù)目n和用戶(hù)數(shù)目u。初始化小區(qū)網(wǎng)關(guān)給整個(gè)網(wǎng)絡(luò)中提供的rb，rb指的是基站頻譜資源塊數(shù)目，表示為s，所有rb可以被所有小區(qū)復(fù)用。小區(qū)n可用的rb集合表示為sn，每個(gè)小區(qū)的可用rb集合相同，即s1＝s2＝...＝sn。在第0時(shí)隙，各個(gè)小區(qū)在其可選rb集合中隨機(jī)選擇rb集合。假設(shè)小區(qū)i的可選rb集合為si，初始選擇的rb集合為si(0)。宏站分布在中心位置，感知小區(qū)隨機(jī)分布在宏站周?chē)８兄^(qū)具有感知和發(fā)現(xiàn)周?chē)h(huán)境的能力，可以根據(jù)過(guò)去的信息作出相應(yīng)的決策，可以調(diào)整接入的信道，發(fā)射功率等等。小區(qū)處于動(dòng)態(tài)開(kāi)關(guān)狀態(tài)中，會(huì)根據(jù)服務(wù)的用戶(hù)數(shù)目調(diào)整開(kāi)關(guān)狀態(tài)。每個(gè)小區(qū)可以服務(wù)多個(gè)用戶(hù)。同時(shí)會(huì)由于小區(qū)內(nèi)用戶(hù)業(yè)務(wù)類(lèi)型的變化調(diào)整自身的速率請(qǐng)求。

步驟二，采集信道信息。

小區(qū)用戶(hù)采用最大參考信號(hào)接收功率準(zhǔn)則接入小區(qū)。由于用戶(hù)距離服務(wù)他的小區(qū)基站很近，則小區(qū)基站j到小區(qū)基站i服務(wù)的用戶(hù)ei之間的信道增益可近似為兩小區(qū)基站i,j之間的信道增益，即根據(jù)這個(gè)近似，可以將網(wǎng)絡(luò)中小區(qū)基站間即用戶(hù)間的信道增益對(duì)稱(chēng)化，即其中hj，i表示基站j到基站i之間的信道增益，表示基站i到基站j服務(wù)的用戶(hù)ej的信道增益。

步驟三，小區(qū)干擾信息初始化。

根據(jù)前一步采集的信道信息，小區(qū)n在rbi上受到的網(wǎng)絡(luò)干擾可以計(jì)算得

其中，表示小區(qū)m在rbi上的發(fā)射功率，表示信道增益，σ²表示白噪聲功率，n/{n}表示小區(qū)集合n中除了小區(qū)n以外的所有小區(qū)，為干擾系數(shù)，其表示為

sn表示小區(qū)n最終使用的rb集合，表示小區(qū)n使用的rb集合sn中的第i個(gè)rb。當(dāng)小區(qū)n與小區(qū)m使用相同的rbi時(shí)，為1，否則為0。為了簡(jiǎn)化分析，本方法不考慮功率控制，所以在每個(gè)rb上的發(fā)射功率相同，即

步驟四，小區(qū)總速率計(jì)算。

假設(shè)rb帶寬為b，則小區(qū)n在rbi上的速率可以由香農(nóng)公式計(jì)算，表示為

網(wǎng)絡(luò)中所有的小區(qū)rb選擇可以表示為(sn,s-n)，其中s-n表示除了小區(qū)n外其他小區(qū)的rb選擇。則小區(qū)n的總速率可以利用其表示為

步驟五，問(wèn)題建模。

在超密集感知網(wǎng)中，每個(gè)小區(qū)選擇rb的原則是：選擇使自身受到的干擾最小的rb集合，達(dá)到最大化自身速率。小區(qū)n受到干擾可以表示為

整個(gè)網(wǎng)絡(luò)的干擾可以表示為

為了方便，定義本方法的效用函數(shù)為

上式可以看到，效用函數(shù)即為干擾in(sn,s-n)乘權(quán)重因子-pn，所以最小化干擾就轉(zhuǎn)化成最大化此效用函數(shù)。

根據(jù)非合作博弈模型定義，本方法的問(wèn)題建模為參與者為n個(gè)小區(qū)，sn為小區(qū)n的策略集合，un(sn,s-n)為小區(qū)n的效用函數(shù)。非合作博弈問(wèn)題建模具體表示如下

subjectto:

其中，限制條件c1表示小區(qū)m和小區(qū)n只能同時(shí)使用相同的rb或者不使用相同的rb。限制條件c2表示rb上的功率必須大于0。限制條件c3表示每個(gè)小區(qū)有速率請(qǐng)求，rre,n為小區(qū)n請(qǐng)求速率。

步驟六至步驟十是本發(fā)明為求解納什均衡解而設(shè)計(jì)基于隨機(jī)學(xué)習(xí)的非置信方法關(guān)鍵步驟。

步驟六，在第t時(shí)隙，小區(qū)i根據(jù)式(7)計(jì)算當(dāng)前選擇策略的效用函數(shù)ui(si(t),s-i(t))。其中si(t)為第t時(shí)隙小區(qū)i選擇的rb集合。

步驟七，更新t時(shí)隙的置信矩陣的大小為|si(t)|×|si(t)|。其中

其中，ai(t)表示在t時(shí)隙小區(qū)i選擇的rb集合si(t)中的一個(gè)rb，而ai'(t)表示不在si(t)中的一個(gè)rb。所以置信矩陣反映的是選擇其它rb所帶來(lái)的效用函數(shù)的變化，即收益的改變。置信矩陣中非零元素的個(gè)數(shù)完全由t時(shí)隙的rb選擇策略si(t)決定。

步驟八，更新矩陣及矩陣。

其中，為輔助矩陣，為平均置信矩陣，ε^t＝1/(t+1)表示每一次迭代步長(zhǎng)。

步驟九，更新選擇概率矩陣同時(shí)決定t+1時(shí)隙的選擇策略。

其中，μ為歸一化系數(shù)。選擇概率矩陣描述的是在下一時(shí)刻t+1選擇各個(gè)rb的概率大小。小區(qū)i選擇中概率最大的那個(gè)rb，根據(jù)式(3)計(jì)算當(dāng)前的速率若不滿(mǎn)足小區(qū)速率請(qǐng)求rre,i，即則繼續(xù)選擇中概率次大的那個(gè)rb，直到此時(shí)選出來(lái)的rb集合即為時(shí)刻rb選擇策略集合。

步驟十，循環(huán)步驟第六步至第八步，直到所有小區(qū)的rb選擇集合不再變化，或達(dá)到預(yù)設(shè)的迭代次數(shù)門(mén)限。

經(jīng)過(guò)以上步驟，最終所有小區(qū)在收斂到納什均衡解時(shí)，整個(gè)網(wǎng)絡(luò)干擾最小，達(dá)到干擾協(xié)調(diào)的目的。

本發(fā)明方案所公開(kāi)的技術(shù)手段不僅限于上述實(shí)施方式所公開(kāi)的技術(shù)手段，還包括由以上技術(shù)特征任意組合所組成的技術(shù)方案。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也視為本發(fā)明的保護(hù)范圍。