认知网中基于联盟博弈的资源分配与功率控制

doi:10.3778/j.issn.1002-8331.1805-0462

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (14): 76-82.DOI: 10.3778/j.issn.1002-8331.1805-0462

认知网中基于联盟博弈的资源分配与功率控制

张新1，白马波1，王帆2

1.西安邮电大学电子工程学院，西安 710121
2.西安邮电大学通信与信息工程学院，西安 710121

出版日期:2019-07-15 发布日期:2019-07-11

Resource Allocation and Power Control Based on Alliance Game in Cognitive Network

ZHANG Xin1, BAI Mabo1, WANG Fan2

1.School of Electronic Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China
2.School of Communication and Information Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China

Online:2019-07-15 Published:2019-07-11

摘要/Abstract

摘要： 为解决认知型飞蜂窝和宏蜂窝构成的双层网络中存在的上行干扰问题，通过分析建模，提出了一种用户合作策略。在频分复用划分不同频率段的用户基础上，让同一频段的宏用户与飞用户采用合作博弈的方式组成联盟，联盟内部通过时分复用方式共享信道。在形成联盟的用户中，根据联盟后的用户速率，进行功率控制。仿真结果表明，优化模型提高了双层异构网络中飞蜂窝网络用户的吞吐量和接入率，降低了异构网络中的相互干扰，提高了系统的能效，增加了用户接入率。

关键词: 异构网络, 认知网络, 联盟, 时分复用, 功率控制

Abstract: In order to solve the uplink interference problem in the double-layer network composed of cognitive femtocells and macrocells, a user cooperation strategy is proposed through analysis and modeling. First, based on frequency division multiplexing, users in different frequency bands are divided, and macro users and users in the same band adopt a cooperative game to form alliances. The alliance internally shares channels through time division multiplexing. Second, among the users forming alliances, power control is performed based on the user rate after the alliance. Simulation results show that the optimization model improves the throughput and access rate of the femtocell users in the double-heterogeneous network, reduces the mutual interference in heterogeneous networks, improves the system energy efficiency, and increases the user access rate.

Key words: heterogeneous networks, cognitive networks, alliances, time division multiplexing, power control

张新1，白马波1，王帆2. 认知网中基于联盟博弈的资源分配与功率控制[J]. 计算机工程与应用, 2019, 55(14): 76-82.

ZHANG Xin1, BAI Mabo1, WANG Fan2. Resource Allocation and Power Control Based on Alliance Game in Cognitive Network[J]. Computer Engineering and Applications, 2019, 55(14): 76-82.

[1]	贾香恩，董一鸿，朱锋，钱江波. 异构图卷积网络研究进展[J]. 计算机工程与应用, 2021, 57(9): 36-49.
[2]	刘宇，陈哲，李孟恒，覃团发. 基于联盟区块链的体域网信息安全方案[J]. 计算机工程与应用, 2020, 56(4): 57-62.
[3]	王伟成，肖琨. 无线异构EH蜂窝网络中移动台关联的性能分析[J]. 计算机工程与应用, 2020, 56(3): 121-126.
[4]	张卫，刘宇红，张荣芬. 可实现时分复用的CNN卷积层和池化层IP核设计[J]. 计算机工程与应用, 2020, 56(24): 66-71.
[5]	张晖，李风乐，赵海涛，孙雁飞，朱洪波. 5G动态异构场景下无线回程优化算法[J]. 计算机工程与应用, 2020, 56(16): 62-68.
[6]	李全，许新华，刘兴红，林松. 基于LBSN动态异构网络的时间感知兴趣点推荐[J]. 计算机工程与应用, 2020, 56(11): 67-74.
[7]	董晓庆1，2. 异构无线网络密集部署场景下高效网络接入及频谱分配[J]. 计算机工程与应用, 2019, 55(4): 101-111.
[8]	王鹏然，任建吉. 动态物联网环境下的联盟学习计算卸载优化[J]. 计算机工程与应用, 2019, 55(16): 157-164.
[9]	谷静，侯永平，张新. 异构网中基于改进蝙蝠算法的动态CRE偏置选择[J]. 计算机工程与应用, 2019, 55(13): 93-99.
[10]	王少峰，郭俊霞，卢罡. 基于用户导向的异构网络语义预测算法研究[J]. 计算机工程与应用, 2018, 54(15): 147-154.
[11]	刘岗1，赵杭生2，李大力2，邵鸿翔1，2. 异构网络资源分配：改进多对一转移匹配[J]. 计算机工程与应用, 2018, 54(15): 91-96.
[12]	王莉莉1，陈国彬1，张广泉2，3. 认知无线电网络中基于公平性的功率控制方案[J]. 计算机工程与应用, 2017, 53(3): 144-148.
[13]	谷静，王倩玉，张新. 一种增强小区资源分配的频谱效率提高算法[J]. 计算机工程与应用, 2017, 53(20): 89-94.
[14]	高秀娥1，2，李克秋1. 基于马尔科夫链的联合呼叫接入控制算法[J]. 计算机工程与应用, 2017, 53(2): 32-37.
[15]	沈磊，杨剑锋，徐俊，郭成城. 基于Wi-Fi的无线控制网络TDMA协议的设计[J]. 计算机工程与应用, 2017, 53(11): 142-145.

认知网中基于联盟博弈的资源分配与功率控制

Resource Allocation and Power Control Based on Alliance Game in Cognitive Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics