[发明专利]基于非合作博弈的分布式超密集异构网络干扰协调方法

摘要

本发明公开了一种基于非合作博弈的分布式超密集异构网络干扰协调方法，通过分析超密集网络的动态特性，将网络干扰问题建模成非合作博弈问题，网络中小区作为博弈参与者，最小化自身干扰为效用函数。为了推导纳什均衡解的存在，将建立博弈模型推导成潜在博弈问题，基于此提出了一种基于随机学习的反馈方法求解纳什均衡解。该方法根据每个小区每一次迭代的效用函数建立概率矩阵，通过不断更新概率矩阵得到最终的纳什均衡解。本发明能够在不需要小区间信息交换下，收敛到闭式解，最终所有小区在收敛到纳什均衡解时，使得整个网络干扰最小，提高了网络容量，以较低的复杂度有效地解决用户速率动态变化、网络密集化与网络容量，频谱效率之间的难题。

主权项

1.基于非合作博弈的分布式超密集异构网络干扰协调方法，其特征在于，包括如下步骤：步骤一，采集网络信息，初始化参数采集网络中的宏站数目M、小站数目N和用户数目U，宏站分布在中心位置，感知小区随机分布在宏站周围，感知小区具有感知和发现周围环境的能力，能够根据过去的信息作出相应的决策，能够调整接入的信道，发射功率，小区处于动态开关状态中，能够根据服务的用户数目调整开关状态，能够服务多个用户，同时会由于小区内用户业务类型的变化调整自身的速率请求；假设小区n的可选RB集合为Sn，初始选择的RB集合为sn(0)，在第0时隙，各个小区在其可选RB集合中随机选择RB集合；步骤二，采集信道信息小区用户采用最大参考信号接收功率准则接入小区，小区基站m到小区基站n服务的用户e_k之间的信道增益近似为两小区基站m,n之间的信道增益，即由此将网络中小区基站间即用户间的信道增益对称化，即其中e_l是小区m中的用户；步骤三，小区干扰信息初始化根据步骤二采集的信道信息，通过下式计算小区n在RBi上受到的网络干扰其中，表示小区m在RBi上的发射功率，σ²表示白噪声功率，可通过信道估计得到，N/{n}表示小区集合N中除了小区n以外的所有小区，为干扰系数，其表示如下：其中，s_n表示小区n最终使用的RB集合，表示小区n使用的RB集合s_n中的第i个RB，当小区n与小区m使用相同的RBi时，为1，否则为0；步骤四，小区总速率计算假设RB带宽为B，则小区n在RBi上的速率由香农公式计算，表示如下：网络中所有的小区RB选择表示为(sn,s‑n)，其中s‑n表示除了小区n外其他小区的RB选择，则小区n的总速率利用其表示为：步骤五，问题建模基于在超密集感知网中，每个小区选择RB的原则：选择使自身受到的干扰最小的RB集合，达到最大化自身速率；将小区n受到的干扰表示为：整个网络的干扰表示为：定义本方法的效用函数为：根据非合作博弈模型定义，本方法的问题建模为参与者为N个小区，S_n为小区n的策略集合，u_n(s_n,s_‑n)为小区n的效用函数，非合作博弈问题建模具体表示如下：Subject to:其中，限制条件C1表示小区m和小区n只能同时使用相同的RB或者不使用相同的RB，限制条件C2表示RB上的功率必须大于0，限制条件C3表示每个小区有速率请求，rre,n为小区n请求速率；步骤六，在第t时隙，小区n根据式(7)计算当前选择策略的效用函数un(sn(t),s‑n(t))，其中sn(t)为第t时隙小区n选择的RB集合；步骤七，更新t时隙的置信矩阵的大小为|s_n(t)|×|s_n(t)|，其中其中，a_n(t)表示在t时隙小区n选择的RB集合s_n(t)中的一个RB，而a'_n(t)表示不在s_n(t)中的一个RB，置信矩阵反映的是选择其它RB所带来的效用函数的变化，即收益的改变，置信矩阵中非零元素的个数完全由t时隙的RB选择策略s_n(t)决定；步骤八，更新矩阵及矩阵其中，为辅助矩阵，为平均置信矩阵，ε^t＝1/(t+1)表示每一次迭代步长，可自行根据情况设定；步骤九，更新选择概率矩阵同时决定t+1时隙的选择策略；其中，μ为归一化系数，选择概率矩阵描述的是在下一时刻t+1选择各个RB的概率大小，小区n选择中概率最大的那个RB，根据式(3)计算当前的速率若不满足小区速率请求r_re,n，即则继续选择中概率次大的那个RB，直到此时选出来的RB集合即为时刻RB选择策略集合；步骤十，循环步骤第六步至第九步，直到所有小区的RB选择集合不再变化，或达到预设的迭代次数门限。