[发明专利]一种5G超密集异构网络中的用户协同方法

说明书

技术领域

本文涉及移动通信领域，本发明是用于研究第五代(5th-generation)移动通信系统中超密集异构网络(Ultra Dense Network，UDN)的用户协同关系的一种方法。

背景技术

移动智能终端爆发式的增长以及与互联网的快速融合带来了无线数据流量的迅猛增长。世界各国都在积极地研究5G技术，5G标准也开始崭露头角，因此，提高室内/热点的通信速率和服务质量成为通信技术的发展要求。异构网络(HetNet)技术通过在宏蜂窝网络层中布放大量低功率节点，提供室内/热点覆盖以及高服务速率，缓解现有蜂窝网络面临的移动数据业务爆炸性增长与宏蜂窝容量有限的矛盾问题。率先利用感知无线电技术，由网络自动决定提供的频段，实现多网融合是5G的一个显著特点。我国的5G工作也已取得初步成绩。5G网络的主要目标是用户体验，要从容量、速率、时延三个方面对网络进行重新设计、优化。同时5G网络要容纳大量的终端设备，因此要通过更高的频谱复用效率、更多的频谱资源以及更密集的小区部署来共同满足移动业务流量增长的需求。这使5G网络面临了新的挑战。

现代4/5G的无线网络架构是基于蜂窝结构来设计的，在这种结构中，多个用户终端与基站形成一个小区。小区概念进一步形成异构网络(HETNETS)，由于基站与用户之间可以在小区中任意位置用不同的功率传输信号，因此小区在实际区域上可以相差很大。异构网络的一个重要特性是它允许从宏基站到微微基站或毫微微基站超负荷流量传输。为了提高整个网络的覆盖范围和更高的总吞吐量，则在异构网络中允许更积极的频率的重新使用。基站是蜂窝结构中重要节点，是用户终端和运营商在无线下行链路的沟通桥梁。由于基站所覆盖和所承载能力的有限性，再加上用户分布位置和分布密度的随意性，随之在无线下行链路异构蜂窝网络中会出现基站到用户分配资源的问题，如果不制定合适的分配原则，则就会出现用户之间争夺资源的现象，基于此，本发明重点研究超密集网络中优化基站-用户协同关系的算法。

为了实现用户协同更优化，解决网络效用最优化问题，并能更为合理地更新价格，将经典的拉格朗日函数引入本算法，用于价格更新，提出了拉格朗日对偶分析的定位策略函数，对偶变量可以被解释为基站的特定价格，所以可以通过对对偶变量的最优化的更新，就是为了寻求基站最优的定价策略来达到最优的用户-基站之间的协同状态，从而把对偶分析问题转移到了最优化协同的问题

发明内容

本发明主要针对5G超密集异构网络中用户协同问题，提出了一种基于梯度算法结合拉格朗日函数的价格更新方法。该方法以求网络效用最优化，本文提出了新的思路，新的算法，来优化无线下行链路中信号的传输问题，使得硬件传输更容易实现。

为了解决上述问题，本发明提供了一种网络效用最优化的方案：

步骤1：初始化宏基站，微基站，家庭基站参数及状态，发射功率p、信干噪比γ等。

步骤2：路损增益的计算，包括微用户j到家庭基站i的路损，微用户j到宏基站i的路损，微用户j到其内所属微基站i的路损，微基站小区(j)中的微用户k到其他微基站i的路损，家庭用户j到其内所属家庭基站i的路损，家庭基站小区(j)中的家庭用户k到其他家庭基站i的路损，家庭用户j到宏基站以及微基站的路损。

步骤3：已知p_j+p_c，可计算c_ij，c_ij是一个SINR的对数函数，其中j^*为协同规则，为后续算法实现设定规则。

步骤4：通过对拉格朗日算子μ对偶分解，求得该问题被分解为求f和g的求和问题，这个求和问题可以被分布式的方法解决。

步骤5：由步长δ(t)更新拉格朗日算子μ_j(t+1)，并通过类比法可相似地求得λ_j(t+1)的更新公式。

步骤6：已知其它条件，可更新p_j。

步骤7：由步骤6中的更新后的p_j迭代进入步骤3，重复步骤3到步骤6，已达到最佳优化。

步骤8：由步骤7中求得的最佳网络效用，以固定协同规则。

步骤9：终止算法进程，取出数据。

在步骤1中，初始化1个宏基站，5个微基站，20个家庭基站，并设定宏基站功率39.8107w，微基站功率3.1623w，家庭基站功率0.1w。

在步骤3中，j^*为协同规则，p_c为电路功率，为常数并设为10w，具体计算公式为