-
公开(公告)号：CN107426775B
公开(公告)日：2020-05-08
申请号：CN201710365457.6
申请日：2017-05-22
Applicant: 东南大学
Abstract: 本发明提出一种基于能效的分布式异构网络接入方法，在首先在所有基站侧通过导频序列估计得到当前的用户信道状态信息；然后据此构建QoS约束下用户接入的方程；最后通过原始分解的方法将问题分解为若干子问题，交替迭代求解该方程，基站根据用户信道信息确定自身工作模式并优化固定QoS下的用户接入，各用户根据基站工作模式确定自身的接入调整策略；最后通过基站与用户之间有限的控制信息交互，基站和用户各自迭代优化接入策略，直到算法收敛，获得最优的用户接入和宏基站静态时隙参数。本发明方法实现并行计算，各基站侧可以同时计算最佳用户连接，极大地降低了算法复杂度；由于不需要网络全局信息，大大减少了需要交互的信息量，提升效率。
-
Patent Agency Ranking
公开(公告)号：CN107708197B
公开(公告)日：2019-12-10
申请号：CN201710982800.1
申请日：2017-10-19
Applicant: 东南大学
Abstract: 本发明公开了一种高能效的异构网络用户接入和功率控制方法，引入对数效用模型，联合优化异构网中的用户接入以及功率控制，实现网络能效的效用值最大化，按如下步骤进行：首先，所有基站通过导频序列估计得到当前的用户信道状态信息；然后，根据信道信息构建网络能效效用最大化问题；最后，分别考虑最优用户连接和功率控制问题，采用拉格朗日对偶分解和辅助变量代换等方法，将原问题转化为一系列凸的子问题，交替迭代优化直到算法收敛，得到最优的用户连接和传输功率分配方案。本发明方法综合考虑异构网中用户接入和功率控制的优化，以网络能效效用作为优化的目标函数，在保证了用户公平性和吞吐量的同时实现高能效传输。
-
公开(公告)号：CN108848519A
公开(公告)日：2018-11-20
申请号：CN201810521794.4
申请日：2018-05-25
Applicant: 东南大学
Abstract: 本发明提出一种基于交叉熵学习的异构网络用户接入方法，采用交叉熵准则，建立问题的概率学习模型，利用机器学习领域中的统计采样方法找到最优的概率分布，最后得到最优的用户接入方案，按如下步骤进行：首先，构建网络效用最大化的用户接入优化问题；然后，将接入矩阵建模为随机变量，建立原问题的概率学习模型，以最小化交叉熵为目标函数优化概率分布；最后，根据统计采样方法，利用表现较好的样本更新概率矩阵，迭代获得接近最优的概率分布，确定用户接入方案。本发明以较低的计算复杂度获得接近最优的用户接入性能，实现网络负载平衡，提高异构网络的传输性能。与现有方法相比，本发明方法不需要根据网络调整算法参数，在异构网络中更加鲁棒。
-
公开(公告)号：CN107708197A
公开(公告)日：2018-02-16
申请号：CN201710982800.1
申请日：2017-10-19
Applicant: 东南大学
Abstract: 本发明公开了一种高能效的异构网络用户接入和功率控制方法，引入对数效用模型，联合优化异构网中的用户接入以及功率控制，实现网络能效的效用值最大化，按如下步骤进行：首先，所有基站通过导频序列估计得到当前的用户信道状态信息；然后，根据信道信息构建网络能效效用最大化问题；最后，分别考虑最优用户连接和功率控制问题，采用拉格朗日对偶分解和辅助变量代换等方法，将原问题转化为一系列凸的子问题，交替迭代优化直到算法收敛，得到最优的用户连接和传输功率分配方案。本发明方法综合考虑异构网中用户接入和功率控制的优化，以网络能效效用作为优化的目标函数，在保证了用户公平性和吞吐量的同时实现高能效传输。
-
公开(公告)号：CN107426775A
公开(公告)日：2017-12-01
申请号：CN201710365457.6
申请日：2017-05-22
Applicant: 东南大学
Abstract: 本发明提出一种基于能效的分布式异构网络接入方法，在首先在所有基站侧通过导频序列估计得到当前的用户信道状态信息；然后据此构建QoS约束下用户接入的方程；最后通过原始分解的方法将问题分解为若干子问题，交替迭代求解该方程，基站根据用户信道信息确定自身工作模式并优化固定QoS下的用户接入，各用户根据基站工作模式确定自身的接入调整策略；最后通过基站与用户之间有限的控制信息交互，基站和用户各自迭代优化接入策略，直到算法收敛，获得最优的用户接入和宏基站静态时隙参数。本发明方法实现并行计算，各基站侧可以同时计算最佳用户连接，极大地降低了算法复杂度；由于不需要网络全局信息，大大减少了需要交互的信息量，提升效率。
-
公开(公告)号：CN108848519B
公开(公告)日：2021-05-18
申请号：CN201810521794.4
申请日：2018-05-25
Applicant: 东南大学
Abstract: 本发明提出一种基于交叉熵学习的异构网络用户接入方法，采用交叉熵准则，建立问题的概率学习模型，利用机器学习领域中的统计采样方法找到最优的概率分布，最后得到最优的用户接入方案，按如下步骤进行：首先，构建网络效用最大化的用户接入优化问题；然后，将接入矩阵建模为随机变量，建立原问题的概率学习模型，以最小化交叉熵为目标函数优化概率分布；最后，根据统计采样方法，利用表现较好的样本更新概率矩阵，迭代获得接近最优的概率分布，确定用户接入方案。本发明以较低的计算复杂度获得接近最优的用户接入性能，实现网络负载平衡，提高异构网络的传输性能。与现有方法相比，本发明方法不需要根据网络调整算法参数，在异构网络中更加鲁棒。
-
-
-
-
-
Search Results
6
records
(took 0.038 seconds)
