在Femtocell家庭基站(Femtocell Base Station,FBS)组成的异构网络中,为提升网络的频谱效率,FBS与Macrocell宏基站(Macrocell Base Station,MBS)一般要求是同频部署,然而同频部署会产生同信道干扰。为了实现FBS的大规模部署,降低网络同...在Femtocell家庭基站(Femtocell Base Station,FBS)组成的异构网络中,为提升网络的频谱效率,FBS与Macrocell宏基站(Macrocell Base Station,MBS)一般要求是同频部署,然而同频部署会产生同信道干扰。为了实现FBS的大规模部署,降低网络同信道干扰影响变得尤为重要。该文提出一种基于Q-learning的子信道分配方案,既保证大量部署的FBS不会对MBS带来过高的跨层干扰,同时也降低了FBS之间的同层干扰。同时针对FBS稀疏部署和密集部署的场景,分别进行了算法的仿真验证,其仿真结果表明该算法降低了干扰,验证了理论的正确性。展开更多
在混合接入式femtocell网络中,为了激励家庭小区基站接纳位于死区的宏用户,提出了基于Stackelberg博弈和弹性理论的资源分配方法。首先建立Stackelberg博弈模型,宏基站(macro base station,MBS)作为主导者(leader),家庭小区基站(femto b...在混合接入式femtocell网络中,为了激励家庭小区基站接纳位于死区的宏用户,提出了基于Stackelberg博弈和弹性理论的资源分配方法。首先建立Stackelberg博弈模型,宏基站(macro base station,MBS)作为主导者(leader),家庭小区基站(femto base station,FBS)作为跟随者(follower),MBS支付给FBS效用,而FBS通过获利来补偿因为接纳宏用户(macro user equipment,MUE)而损失的速率;然后引入弹性理论确立MBS和FBS的效用函数,构建凸优化问题,并求解出价格和速率的均衡解,参与人都能实现效用最大化;最后通过数值分析,验证了均衡解的存在,比较分析了在发射功率不同的情况下FBS和MBS的效用。结果表明,迭代20次左右即可找到均衡解,弹性因子参数为0.7时,FBS和MBS的收益最佳。通过理论研究和数值分析验证了策略有效性。展开更多
文摘在Femtocell家庭基站(Femtocell Base Station,FBS)组成的异构网络中,为提升网络的频谱效率,FBS与Macrocell宏基站(Macrocell Base Station,MBS)一般要求是同频部署,然而同频部署会产生同信道干扰。为了实现FBS的大规模部署,降低网络同信道干扰影响变得尤为重要。该文提出一种基于Q-learning的子信道分配方案,既保证大量部署的FBS不会对MBS带来过高的跨层干扰,同时也降低了FBS之间的同层干扰。同时针对FBS稀疏部署和密集部署的场景,分别进行了算法的仿真验证,其仿真结果表明该算法降低了干扰,验证了理论的正确性。
文摘在混合接入式femtocell网络中,为了激励家庭小区基站接纳位于死区的宏用户,提出了基于Stackelberg博弈和弹性理论的资源分配方法。首先建立Stackelberg博弈模型,宏基站(macro base station,MBS)作为主导者(leader),家庭小区基站(femto base station,FBS)作为跟随者(follower),MBS支付给FBS效用,而FBS通过获利来补偿因为接纳宏用户(macro user equipment,MUE)而损失的速率;然后引入弹性理论确立MBS和FBS的效用函数,构建凸优化问题,并求解出价格和速率的均衡解,参与人都能实现效用最大化;最后通过数值分析,验证了均衡解的存在,比较分析了在发射功率不同的情况下FBS和MBS的效用。结果表明,迭代20次左右即可找到均衡解,弹性因子参数为0.7时,FBS和MBS的收益最佳。通过理论研究和数值分析验证了策略有效性。