发明名称 针对宏蜂窝—飞蜂窝双重网络的基于定价的功率控制方法
摘要 本发明属于网络传输技术领域,具体涉及一种针对宏蜂窝—飞蜂窝双重网络的功率控制方法。本发明结合博弈论的分布式优化和传统蜂窝网络的集中化管理方式,利用Stackelberg博弈模型,将网络干扰管理者设定为博弈的领导者,相关的飞蜂窝基站为博弈的跟随者。领导者通过给跟随者的功率消耗定价来尽力减小由飞蜂窝基站产生的总干扰。根据这个定价,每个飞蜂窝基站以非合作博弈方式最大化它们的效用。此博弈存在一个唯一的Stackelberg均衡。本发明提出了一种分布式定价方式和相应功率更新算法,该算法能保证博弈收敛到唯一的SE。本发明方法能降低飞蜂窝网络的传输功率和飞蜂窝网络产生的干扰,并且能提高整体网络的单位能量利用率,并保证网络使用用户的公平性。
申请公布号 CN102833839B 申请公布日期 2015.07.29
申请号 CN201210303534.2 申请日期 2012.08.24
申请人 复旦大学 发明人 李鹏;朱宇
分类号 H04W52/24(2009.01)I;H04W52/26(2009.01)I 主分类号 H04W52/24(2009.01)I
代理机构 上海正旦专利代理有限公司 31200 代理人 陆飞;盛志范
主权项  一种针对宏蜂窝—飞蜂窝双重网络的基于定价的功率控制方法,是一种基于Stackelberg博弈(SG),对飞蜂窝网络进行定价的功率控制方法;其中,网络干扰管理者(NIC)扮演SG的唯一领导者,与其关联的<i>N</i>个飞蜂窝基站扮演SG中的跟随者;领导者通过给跟随者的功率消耗定价来减小由它们产生的总干扰,根据这个定价,每个飞蜂窝基站以非合作博弈方式最大化它们的效用;此博弈存在唯一的Stackelberg均衡;NIC的作用是最小化由飞蜂窝基站(FBS)对宏蜂窝网络用户(MUE)产生的干扰;在一个时隙内,该最小化算法通过迭代更新,收敛到Stackelberg均衡,过程如下:在每次迭代中,NIC根据FBS的回复,向FBS广播新的单位功率定价;基于此广播的定价,各FBS计算出它最优的传输功率<img file="dest_path_image002.GIF" wi="21" he="27" />,并根据<img file="188503dest_path_image002.GIF" wi="21" he="27" />计算并向NIC回复更新的定价;多次迭代后,定价最终收敛至最优定价;在一个宏蜂窝‑飞蜂窝异构网络中,有<i>N</i>个飞蜂窝基站随机分布,定义<img file="dest_path_image004.GIF" wi="15" he="20" />是在某时隙中,NIC向FBS索要的功率消耗定价,则第<img file="dest_path_image006.GIF" wi="9" he="18" />个FBS的优化问题表述为:<img file="dest_path_image008.GIF" wi="359" he="86" />其中,<img file="dest_path_image010.GIF" wi="24" he="28" />表示FBS <i>i</i>的达到均衡状态时的最优传输功率,<img file="dest_path_image012.GIF" wi="322" he="53" />表示除了FBS <i>i</i>之外的<i>N</i>‑1个FBS的均衡功率集合,<img file="dest_path_image014.GIF" wi="34" he="24" />是编号为<img file="dest_path_image016.GIF" wi="12" he="22" />的FBS的最大传输功率,即<img file="dest_path_image018.GIF" wi="22" he="24" />不会超过<img file="dest_path_image020.GIF" wi="50" he="36" />,求解上式可知,<img file="dest_path_image022.GIF" wi="358" he="87" />是编号为<img file="dest_path_image024.GIF" wi="9" he="18" />的FBS的最优传输功率;其中<img file="dest_path_image026.GIF" wi="30" he="30" />表示<img file="dest_path_image028.GIF" wi="70" he="28" />,<img file="dest_path_image030.GIF" wi="21" he="25" />是分配给FBS <i>i</i>的带宽,<img file="dest_path_image032.GIF" wi="24" he="30" />表示FBS <i>j</i>对FUE <i>i</i>的下行信道增益,<img file="dest_path_image034.GIF" wi="22" he="30" />是FUE <i>i</i>受到的噪声,<img file="dest_path_image036.GIF" wi="18" he="25" />是FBS <i>i</i>的传输速率;其中FUE表示飞蜂窝的用户;另一方面,NIC通过找到最优定价<img file="dest_path_image038.GIF" wi="24" he="23" />最小化FBS对MUE产生的总干扰;此外,NIC要保证每个FBS的传输速率不能小于相应FUE的服务质量要求<img file="dest_path_image040.GIF" wi="23" he="28" />,则NIC的优化问题表述成:<img file="dest_path_image042.GIF" wi="402" he="87" /><img file="dest_path_image044.GIF" wi="339" he="68" />其中,<img file="dest_path_image046.GIF" wi="32" he="30" />表示FBS <i>i</i>对MUE的信道增益;NIC和FBS的优化问题构成了SG;其中NIC是扮演领导者,FBS扮演跟随者;Stackelberg均衡定义SG的最优化策略轮廓,具体为:一个策略轮廓<img file="dest_path_image048.GIF" wi="108" he="38" />是Stackelberg均衡当且仅当:<img file="dest_path_image050.GIF" wi="318" he="39" />达到SE时,不管是NIC还是FBS都没有动机要偏移这个均衡;此SG中存在唯一的Stackelberg均衡,并且根据分布式定价和功率迭代更新算法达到Stackelberg均衡,其更新函数是:<img file="dest_path_image052.GIF" wi="553" he="84" />其中<i>k</i>表示算法在一个时隙内的第<i>k</i>次迭代更新。
地址 200433 上海市杨浦区邯郸路220号