[发明专利]一种密集蜂窝网络能量与业务协作方法

说明书

本发明实施例公开了一种密集蜂窝网络能量与业务协作方法，能够应用于在线的多基站的资源分配，首先利用匹配理论，实现用户和相应基站的分组。即利用匹配理论实现以用户为中心的分簇，以簇为单位从而减小基站群的规模，然后使用多代理强化学习算法实现基站功率的分配和基站间能量合作。

技术领域

本发明涉及无线通信领域，尤其涉及一种密集蜂窝网络能量与业务协作方法。

背景技术

超密集网络被认为是5G中最有前景的技术之一，小的蜂窝覆盖半径可以实现较小的干扰，高的频谱重用，高的数据速率，与此同时，大量的蜂窝基站也带来了前所未有的能量开销，针对基站节能问题的研究已成为近些年的研究热点。

目前，现有技术中只是针对基于能量捕获的单蜂窝和两个蜂窝下的资源分配，而对于密集网络场景下的多基站能量合作情况的研究较少，如何进行密集蜂窝网络能量与业务的协作是本领域技术人员亟待解决的技术问题。

发明内容

为解决上述技术问题，本发明实施例提供了一种密集蜂窝网络能量与业务协作方法。

本发明实施例提供了如下技术方案：

一种密集蜂窝网络能量与业务协作方法，所述方法包括：

根据效用函数，生成关于用户终端和基站的偏好列表；

根据偏好列表，利用多对多匹配算法，得到用户基站簇；

在用户基站簇中，使用强化学习算法，得到基站功率分配和基站间能量的合作策略。

其中，所述根据效用函数，生成关于用户终端和基站的偏好列表，具体包括：定义效用函数表示第n个基站在第k个信道上到终端m能发送的数据量,依据发送数据速率和信道增益生成基站和用户的偏好列表。

其中，所述在用户基站簇中，使用多代理强化学习算法，得到基站功率分配和基站间能量的合作策略，具体包括：

第一步，确定动作集，即代理输出的所有可能的行为值，从环境中抽取状态表示，作为代理对环境的观察；

第二步，每个代理观察当前环境的状态，进入探索阶段；

第三步，代理以最大化系统平均和速率为目标，根据自己的观察进行理性的行为选择，其中，行为包括基站的发送功率和能量协作，本部分可用来决策的策略有两个，随机性的实验策略和确定性的基准策略；

第四步，所有基站都决策完成后，计算环境的奖励信息，每个代理更新其对应的状态行为值；

第五步，重复执行第三、四步，直至探索阶段结束，比较新学习到的策略和基准策略的优劣，将较优的策略作为本状态的输出策略。

与现有技术相比，上述技术方案具有以下优点：

本发明所述的方法，能够应用于在线的多基站的资源分配，首先利用匹配理论，实现用户和相应基站的分组。即利用匹配理论实现以用户为中心的分簇，优于与传统匹配算法的是，本发明中针对用户，信道，基站三者的匹配，将基站和其对应的信道用一个效用函数表示，使用一个匹配过程就可以实现上述三者的配对，从而避免了传统方法中的二级匹配，保证最优的前提下减小了计算的复杂度。在功率分配阶段，以簇为单位从而减小基站群的规模，然后使用在线的强化学习方法实现基站功率的分配和基站间能量的合作。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例所提供的密集蜂窝网络能量与业务协作方法的流程示意图。