[发明专利]异构网络中基于Stackelberg博弈的跨层资源分配方法

摘要

异构网络中基于Stackelberg博弈的跨层资源分配方法，先建立异构网络，再建立MAC层传输控制的模型和物理层模型；根据MAC层和物理层模型，建立JPMO优化模型；采用Stackelberg博弈将JPMO优化模型分为两个子模型；通过回溯法先对SC端建立物理层的节能资源分配模型采用拉格朗日对偶分解法进行求解，再对Macro端建立MAC层的最优接入控制模型采用基于梯度的迭代算法进行求解。本发明通过跨层设计以及多用户多信道分集增益，在节能的同时降低了异构网络的跨层干扰，有效提高了系统效率，能够实现异构网络中联合干扰管理和资源分配，仿真结果表明该方法相比于未采用跨层设计的方法有效的提高了系统效用。

主权项

1.异构网络中基于Stackelberg博弈的跨层资源分配方法，其特征在于，包括以下步骤：1)建立有1个Macrocell和N个SC的异构网络，每个SC中的用户为M且共享K个子载波；Macrocell已知从SC n到调度的宏小区用户之间的信道增益其中，k＝1,…K；n＝1,…N；m＝1,…M，并且Macrocell能够收集从SC n到SCU m的信道增益的概率密度分布f(h)；对于任意的SC n，已知从SC n到SCU m的信道增益并且SC n能够收集从SC n到调度的宏小区用户之间的信道增益的概率密度分布f(x)；2)根据建立的异构网络，从随机接入的角度，建立MAC层传输控制的模型；3)根据MAC层传输控制的模型，建立物理层模型；4)根据MAC层和物理层模型，建立JPMO优化模型；5)采用Stackelberg博弈将JPMO优化模型分为两个子模型：在Macro端建立MAC层的最优接入控制模型和在SC端建立物理层的节能资源分配模型；6)通过回溯法先对SC端建立物理层的节能资源分配模型采用拉格朗日对偶分解法进行求解，再对Macro端建立MAC层的最优接入控制模型采用基于梯度的迭代算法进行求解，完成异构网络中基于Stackelberg博弈的跨层资源分配；所述步骤2)中从随机接入的角度，建立的MAC层传输控制的模型如下：在子载波k上，当且仅当信道增益是M个SCU中最小的，且低于阈值时，SC n选择给SCU m传输，SC n给SCU m传输的概率为：其中是的分布函数在处的取值；Macrocell跨层干扰的限制条件为：其中表示跨层干扰对于信道增益期望；是在子载波k上Macrocell进行数据传输的干扰门限；所述步骤3)建立的物理层模型如下：SC n给SCU m传输所消耗的平均功率为：其中在子载波k上，SCU m获得的平均数据速率为：其中为信道增益为x时的数据速率；W为每个子信道的带宽；是SC n的噪声功率；在平均功率消耗和瞬时功率消耗约束的前提下，平均功率限制为：其中Pa是最大的发射功率；瞬时功率限制为：其中Pm是最大的瞬时功率；所述步骤4)建立的JPMO优化模型如下：其中和分别是和的对应的N×M×K维向量；E_P和I_P分别是电力价格和干扰价格；μ是数据速率与能耗之间的权衡因子；ρ是数据速率与干扰功率之间的权衡因子；步骤5)中在Macro端建立的MAC层的最优接入控制模型和在SC端建立的物理层的节能资源分配模型如下：SC端建立的物理层的节能资源分配模型为：Macro端建立的MAC层的最优接入控制模型为：所述SC端建立的物理层的节能资源分配模型对应的拉格朗日函数为：其中v_n分别是与SC层优化问题约束条件C3、C2和C1相对应的拉格朗日乘子；根据拉格朗日函数，采用拉格朗日乘子法进行求解，得到最优功率分配：其中从式(5)得到：所述Macro端建立的MAC层的最优接入控制模型对应的拉格朗日函数为：其中δ_k,分别是与Macro层优化问题限制条件C5和C4相对应的拉格朗日乘子。