為了抑制超密集網(wǎng)絡(luò)中小小區(qū)基站的密集化部署帶來的干擾,并提高系統(tǒng)的吞吐量,本文研究了頻譜共享超密集網(wǎng)絡(luò)中的功率分配策略.首先,針對非凸的系統(tǒng)和速率最大化問題,采用非合作博弈模型將其轉(zhuǎn)化為每個用戶效益函數(shù)最大化的凸子問題,并通過設(shè)計一種動態(tài)定價使得非合作博弈模型的納什均衡點(NE)是原優(yōu)化問題的駐點.其次,為了保證宏小區(qū)用戶的服務(wù)質(zhì)量(QoS),模型中引入了干擾功率約束條件來抑制宏小區(qū)受到的干擾.最后,在此非合作博弈論框架下,設(shè)計了一種迭代式的基于全局信息的功率分配算法.每次迭代通過求解KKT條件獲得每個用戶的最優(yōu)發(fā)射功率,通過理論推導證明了迭代算法可收斂到博弈模型的NE.此外,為了減少迭代算法的信令開銷、提高資源利用率,還提出了一種基于局部信息的功率分配算法.仿真結(jié)果表明,所提出的基于全局信息的功率分配算法比對比方法具有更好的傳輸性能,所提出的基于局部信息的功率分配算法在保證較好的傳輸性能的前提下有效地減少了信令開銷.

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1系統(tǒng)模型

考慮UDN中的上行傳輸場景,在宏基站(MBS)的覆蓋范圍內(nèi)隨機部署若干個SBS.設(shè)系統(tǒng)中的小小區(qū)數(shù)量為N,每個小小區(qū)與宏小區(qū)共享相同的頻帶.由于采用正交頻分多址,小區(qū)內(nèi)每個時頻資源塊上只有一個接入用戶,因此小區(qū)內(nèi)干擾可忽略不計.但是,同一時頻資源塊上不同小區(qū)間的用戶存在嚴重干擾.....

圖2小區(qū)數(shù)量對頻譜效率的影響(Q=-50dBm)

圖2中的仿真結(jié)果是通過蒙特卡羅方法獲得的,共進行了10000次實驗.如圖2所示,提出的GIPA算法所實現(xiàn)的平均每個小小區(qū)頻譜效率要高于對比算法.所提出的LIPA算法的性能與PFPA算法幾乎相同.圖3顯示了不同算法的收斂性能.盡管由于采用動態(tài)價格,GIPA算法的收斂速度略慢于PF....

圖3收斂性能(N=20,Q=-50dBm)

圖3顯示了不同算法的收斂性能.盡管由于采用動態(tài)價格,GIPA算法的收斂速度略慢于PFPA算法,但在達到收斂后,平均每個小小區(qū)所獲得的頻譜效率更高.LIPA算法具有與GIPA算法相似的收斂性能.由于NPPA算法的求解過程不需要迭代,因此它在圖中是一條水平線.圖4顯示了干擾功率約束Q....

圖4干擾功率約束對頻譜效率的影響(N=20)

圖4顯示了干擾功率約束Q對功率分配算法性能的影響.當Q<-55dBm時,所提出的算法的性能隨著Q的增加而提高.當Q>-55dBm時,所提出算法獲得的平均頻譜效率保持恒定,這是因為Q>-55dBm時,可以忽略式(3)中的約束條件.圖5對比了所提算法每次迭代時每個用戶所需的信令....

本文編號：3908958