[发明专利]一种NOMA下行链路的资源分配方法、装置及系统有效
| 申请号: | 201911250167.2 | 申请日: | 2019-12-09 |
| 公开(公告)号: | CN111093212B | 公开(公告)日: | 2021-03-26 |
| 发明(设计)人: | 贾杰;陈剑;王兴伟;郭亮;杨乐游 | 申请(专利权)人: | 东北大学 |
| 主分类号: | H04W24/02 | 分类号: | H04W24/02;H04W28/16;H04W28/22;H04W72/04 |
| 代理公司: | 北京中强智尚知识产权代理有限公司 11448 | 代理人: | 黄耀威 |
| 地址: | 110819 辽*** | 国省代码: | 辽宁;21 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 noma 下行 资源 分配 方法 装置 系统 | ||
1.一种NOMA下行链路的资源分配方法,其特征在于,包括:
基于非正交多址接入NOMA通信方式,计算目标无线终端的下行传输速率;
设置效益函数,将所述下行传输速率作为变量,以获取所述效益函数的最大值为目标,以单个可用基站的最大发射功率、多路复用最大链接无线终端数量和最多能够承载的可用子信道个数为约束条件,采用预置智能算法,选取为所述目标无线终端传输数据信息的目标基站、目标子信道和目标功率;
根据所述目标基站、所述目标子信道和所述目标功率,生成信息传输指令和基站传输指令,所述信息传输指令用于指示将所述目标无线终端所需的待传输信息发送至所述目标基站,所述基站传输指令用于指示所述目标基站以所述目标子信道和所述目标功率,将所述待传输信息传输至所述目标无线终端;所述采用预置智能算法,选取为所述目标无线终端传输数据信息的目标基站、目标子信道和目标功率,包括:
初始化整数变量子种群,以获取所述效益函数的最大值为目标,将预置分配功率作为所述可用基站的发射功率,以多路复用最大链接无线终端数量和最多能够承载的可用子信道个数为约束条件,采用遗传算法,计算并提取所述目标无线终端的第一最优基站,和所述目标无线终端的第一最优子信道,所述第一最优基站属于所述可用基站,所述第一最优子信道属于所述可用子信道;
初始化连续变量子种群,以获取所述效益函数的最大值为目标,将预置选定基站作为所述目标无线终端的下行传输基站,将预置选定子信道作为所述目标无线终端的下行传输子信道,以单个所述可用基站的最大发射功率为约束条件,采用人工蜂群算法,计算并提取所述目标无线终端的第一最优分配功率;
将所述第一最优分配功率作为所述可用基站的发射功率,将所述第一最优基站作为所述目标无线终端的下行传输基站,将所述第一最优子信道作为所述目标无线终端的下行传输子信道,以获取所述效益函数的最大值为目标,将所述整数变量子种群作为优化参数,采用遗传算法,计算所述目标无线终端的第二最优基站和第二最优子信道,并判断是否满足遗传算法的优化结束条件;
如果判断结果为是,则确定所述第一最优基站为所述目标基站,所述第一最优子信道为所述目标子信道,所述第一最优分配功率为所述目标功率;
如果判断结果为否,则将所述第一最优分配功率作为所述可用基站的发射功率,将所述第一最优基站作为所述目标无线终端的下行传输基站,将所述第一最优子信道作为所述目标无线终端的下行传输子信道,以获取所述效益函数的最大值为目标,将所述连续变量子种群作为优化参数,采用人工蜂群算法,计算并提取所述目标无线终端的第二最优分配功率,并判断是否满足人工蜂群算法的优化结束条件;
如果判断结果为是,则确定所述第一最优基站为所述目标基站,所述第一最优子信道为所述目标子信道,所述第一最优分配功率为所述目标功率;
如果判断结果为否,则将所述第二最优分配功率作为所述可用基站的发射功率,将所述第二最优基站作为所述目标无线终端的下行传输基站,将所述第二最优子信道作为所述目标无线终端的下行传输子信道,以获取所述效益函数的最大值为目标,将所述整数变量子种群作为优化参数,采用遗传算法,计算所述目标无线终端的第一最优基站和第一最优子信道,以及将所述第二最优分配功率作为所述可用基站的发射功率,将所述第二最优基站作为所述目标无线终端的下行传输基站,将所述第二最优子信道作为所述目标无线终端的下行传输子信道,以获取所述效益函数的最大值为目标,将所述连续变量子种群作为优化参数,采用人工蜂群算法,重新计算并提取所述目标无线终端的第一最优分配功率;所述初始化整数变量子种群,以获取所述效益函数的最大值为目标,将预置分配功率作为所述可用基站的发射功率,以多路复用最大链接无线终端数量和最多能够承载的可用子信道个数为约束条件,采用遗传算法,计算并提取所述目标无线终端的第一最优基站,和所述目标无线终端的第一最优子信道,包括:
初始化初始种群,所述初始种群为空种群;
采用轮盘赌算法,从所述整数变量子种群中,选取第一初始个体和第二初始个体,所述整数变量子种群中的每个个体都包括基站元素和子信道元素;
对所述第一个体和所述第二个体执行交叉操作,分别生成第一交叉个体和第二交叉个体;
对所述第一交叉个体和所述第二交叉个体执行变异操作,分别生成第一变异个体和第二变异个体;
更新所述初始种群的种群个体,所述种群个体为所述初始种群和所述第一变异个体和所述第二变异个体的并集;
判断所述初始种群中的个体数量是否等于所述连续变量子种群中的个体数量;
如果判断结果为否,则根据轮盘赌算法,从所述整数变量子种群中,重新选取所述第一初始个体和所述第二初始个体;
如果判断结果为是,则采用精英策略,将所述整数变量子种群中适应值低的个体替换为所述初始种群中适应值高的个体,所述适应值是根据预置分配功率、所述效益函数,以所述多路复用最大链接无线终端数量和所述最多能够承载的可用子信道个数为约束条件计算得到的;
判断遗传算法的运算次数是否大于最大遗传进化次数;
如果判断结果为否,则重新初始化所述初始种群;
如果判断结果为是,则结束遗传操作,记录所述整数变量子种群中的适应值最高的目标个体;
提取所述目标个体中的第一最优基站和第一最优子信道;所述初始化连续变量子种群,以获取所述效益函数的最大值为目标,将预置选定基站作为所述目标无线终端的下行传输基站,将预置选定子信道作为所述目标无线终端的下行传输子信道,以单个所述可用基站的最大发射功率为约束条件,采用人工蜂群算法,计算并提取所述目标无线终端的第一最优分配功率,包括:
初始化所述连续变量子种群;
根据所述预置选定基站、所述预置选定子信道,以所述单个所述可用基站的最大发射功率为约束条件,以获取所述效益函数的最大值为目标,计算所述目标无线终端的第一最优分配功率;
提取所述第一最优分配功率。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911250167.2/1.html,转载请声明来源钻瓜专利网。





