高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

接入与回传一体化小基站的接入控制与资源分配联合优化算法

唐伦 马润琳 刘云龙 王耀玮 陈前斌

唐伦, 马润琳, 刘云龙, 王耀玮, 陈前斌. 接入与回传一体化小基站的接入控制与资源分配联合优化算法[J]. 电子与信息学报, 2019, 41(6): 1389-1396. doi: 10.11999/JEIT180357
引用本文: 唐伦, 马润琳, 刘云龙, 王耀玮, 陈前斌. 接入与回传一体化小基站的接入控制与资源分配联合优化算法[J]. 电子与信息学报, 2019, 41(6): 1389-1396. doi: 10.11999/JEIT180357
Lun TANG, Runlin MA, Yunlong LIU, Yaowei WANG, Qianbin CHEN. Joint Admission Control and Resource Allocation Algorithm for Access and Backhaul Integrated Small Base Station[J]. Journal of Electronics & Information Technology, 2019, 41(6): 1389-1396. doi: 10.11999/JEIT180357
Citation: Lun TANG, Runlin MA, Yunlong LIU, Yaowei WANG, Qianbin CHEN. Joint Admission Control and Resource Allocation Algorithm for Access and Backhaul Integrated Small Base Station[J]. Journal of Electronics & Information Technology, 2019, 41(6): 1389-1396. doi: 10.11999/JEIT180357

接入与回传一体化小基站的接入控制与资源分配联合优化算法

doi: 10.11999/JEIT180357
基金项目: 国家自然科学基金(61571073),重庆市教委科学技术研究项目(KJZD-M201800601)
详细信息
    作者简介:

    唐伦:男,1973年生,教授,博士,研究方向为新一代无线通信网络、异构蜂窝网络、软件定义无线网络等

    马润琳:女,1993年生,硕士生,研究方向为5G网络切片、无线资源分配

    刘云龙:男,1992年生,硕士生,研究方向为5G无线自回传网络中的资源分配问题

    王耀玮:男,1991年生,硕士生,研究方向基于卷积神经网络的车辆识别问题

    陈前斌:男,1967年生,教授,博士生导师,研究方向为个人通信、多媒体信息处理与传输、下一代移动通信网络等

    通讯作者:

    马润琳 357135128@qq.com

  • 中图分类号: TN929.5

Joint Admission Control and Resource Allocation Algorithm for Access and Backhaul Integrated Small Base Station

Funds: The National Natural Science Foundation of China (61571073), The Science and Technology Research Program of Chongqing Municipal Education Commission (KJZD-M201800601)
  • 摘要: 针对全双工无线接入与回传一体化小基站场景下长期的频谱效率和能效同时最大化问题,该文提出一种基于近似动态规划理论的接入与回传一体化小基站接入控制与资源分配联合优化算法。该算法首先联合考虑当前基站的资源使用和功率配置情况,在任一用户需求动态到达以及平均时延、小基站回传速率和传输功率约束下,使用受限马尔科夫决策过程(CMDP)建立频谱效率最大化和功率消耗最小化的多目标优化模型,其次运用切比雪夫理论将多目标优化问题转化为单目标问题,并使用拉格朗日对偶分解法进一步转化为非受限的马尔科夫决策过程(MDP)问题。最后,为了解决其求解时存在的“维度灾”爆炸问题,该文提出基于近似动态规划的无线接入与回传一体化小基站资源动态分配算法进行求解,得到此时的接入与资源分配策略。仿真结果表明,所提算法能在保证平均时延约束、小基站回传速率约束和传输功率约束的同时最大化长期平均频谱效率和能效。
  • 图  1  系统场景图

    图  2  近似估计值函数线性拟合图

    图  3  频谱效率SE和能量效率EE的关系

    图  4  用户在连续时隙上的平均数据队列积压

    图  5  频谱效率SE和能量效率EE随加权系数$\omega $的变化

    图  6  4种算法的频谱效率SE和能量效率EE比较

    图  7  4种算法的平均队列积压比较

    表  1  基函数的定义

    基函数含义
    1常数
    ${Q_{i,j}}(t)$用户$j$在基站$i$处队列积压的长度
    ${U_i}(t)$新用户需求到达前基站$i$的资源使用状态
    ${[{Q_{i,j}}(t)]^2}$用户$j$在基站$i$处队列积压长度的平方
    ${Q_{i,j}}(t){U_i}(t)$用户$j$在基站$i$处队列积压长度和新用户需求到达前基站$i$资源使用状态的乘积
    ${[{U_i}(t)]^2}$新用户需求到达前基站$i$资源使用状态的平方
    下载: 导出CSV

    表  2  基于随机梯度法更新待估参数的样本值函数逼近近似值函数算法

     (1) 输入目标函数:
    ${{\text{μ}} ^*} = \arg {\rm{ }}\mathop {{\rm{min}}}\limits_\text{μ} {\rm E}\left\{ \frac{1}{2}{[{V^a}({S^a}(t - 1)|{\text{μ}} ) - \widehat {{V^{\text{π}} }(S)}]^2}\right\} $
     (2) 初始化步长$\gamma {}_t$,均方差误差门限$\delta $等;
     (3) 使用${\rm TD}(0)$方法取样本值函数的初始值;
     (4) 用数值微分法对待估参数${\mu _f}$取样本$\widehat {{\mu _f}}$;
     (5) 计算当前状态$S(t)$的值函数样本$\widehat {{V^{\text{π}} }(S)}$;
     (6) 根据式(36),按随机梯度法沿着梯度方向更新待估参数向量
    ${\text{μ}}$, ${\gamma _t}$值为$0.1 \sim 0.7$;
     (7) 根据式(33),求最优近似值函数;
     (8) 判定(1)中目标函数是否小于$\delta = {10^{ - 5}}$,若不满足,则执行(6),
    否则依次执行;
     (9) 获得最接近样本值函数的近似值函数${V^a}$。
    下载: 导出CSV

    表  3  基于蒙特卡罗方法的外部用户需求随机变量采样算法

     (1) 初始化采样路径$k$, $k = 1$,总采样次数$K$, $K = 200$,折扣因
    子$\alpha $等参数;
     (2) for $k = 1$ to $K$ do
     (3) 选择一条采样路径${\omega ^k}$;
     (4) 对于每一个采样时刻$t = 1,2, ·\!·\!·,20$,令$\omega _t^k = {W_t}({\omega ^k})$表示
    采样的实现;
     (5) 得到数据包数${a_{i,j}}(t)$与无线资源量${\beta _{ij}}(t)$;
     (6) $k = k + 1$,重复1。
    下载: 导出CSV

    表  4  基于近似动态规划的动态资源分配算法

     (1) 对每个状态$S(t)$,初始化其初始值函数${V^*}(S)$,探索率
    $\varepsilon = 0.1$等参数;
     (2) for $t = 0$ to $T\;$ do
     (3) 根据式(37),使用$\varepsilon {\tiny{-}} $贪心策略对行为空间进行探索;
     (4) 根据式(33)求解,并令此时的${{\text{π}} ^*}(S)$为以上优化问题的解;
     (5) 根据表2求近似值函数${V^a}$,得到此时的接入与频谱和功率
    资源分配策略;
     (6) 根据表3进行1次采样;
     (7) 根据梯度法更新拉格朗日乘子${\lambda _{ij}}$;
     (8) 更新$t = t + 1$,并更新$t + 1$时隙的系统状态,重复3。
    下载: 导出CSV

    表  5  仿真参数

    参数数值
    信道模型瑞利衰落
    噪声功率谱密度${N_0}$–174 dBm/Hz
    训练周期$T\;$30
    宏基站发送功率${P_0}$43 dBm
    小基站发送功率${P_{}}$33 dBm
    基站个数$I$4
    时隙时长1 ms
    总用户数30, 50, 70
    折扣因子$\alpha $0.3, 0.5, 0.9
    天线阵列数为$M$100
    波束成形组大小$N$10
    平均队列长度门限值${\varepsilon _{i,j}}$28, 40, 75
    下载: 导出CSV
  • BENCHAABENE Y, BOUJNAH N, and ZARAI F. 5G cellular: Survey on some challenging techniques[C]. Proceedings of the 18th International Conference on Parallel and Distributed Computing, Applications and Technologies, Taipei, China, 2017: 348–353.
    MESODIAKAKI A, ADELANTADO F, ALONSO L, et al. Energy- and spectrum-efficient user association in millimeter-wave backhaul small-cell networks[J]. IEEE Transactions on Vehicular Technology, 2017, 66(2): 1810–1821. doi: 10.1109/TVT.2016.2565539
    OGAWA H, TRAN G K, SAKAGUCHI K, et al. Traffic adaptive formation of mmWave meshed backhaul networks[C]. Proceedings of 2017 IEEE International Conference on Communications Workshops, Paris, France, 2017: 185–191.
    LI Yuzhou, SHI Yan, SHENG Min, et al. Energy-efficient transmission in heterogeneous wireless networks: A delay-aware approach[J]. IEEE Transactions on Vehicular Technology, 2016, 65(9): 7488–7500. doi: 10.1109/TVT.2015.2472578
    LIU Yanping and FANG Xuming. Joint user association and resource allocation for self-backhaul ultra-dense networks[J]. China Communications, 2016, 13(2): 1–10. doi: 10.1109/CC.2016.7405718
    YANG H H, GERACI G, and QUEK T Q S. Energy-efficient design of MIMO heterogeneous networks with wireless backhaul[J]. IEEE Transactions on Wireless Communications, 2016, 15(17): 4914–4927. doi: 10.1109/TWC.2016.2549529
    MASOUDI M, ZAEFARANI H, MOHAMMADI A, et al. Energy and spectrum efficient resource allocation in two-tier networks: A multiobjective approach[C]. Proceedings of 2017 IEEE Wireless Communications and Networking Conference, San Francisco, USA, 2017: 1–6.
    LI Yi, FAN Pingzhi, LIU Lingjia, et al. Distributed MIMO precoding for in-band full-duplex wireless backhaul in heterogeneous networks[J]. IEEE Transactions on Vehicular Technology, 2018, 67(3): 2064–2076. doi: 10.1109/TVT.2017.2713413
    TANG Lun, WEI Yannan, CHEN Wan, et al. Delay-aware dynamic resource allocation and ABS configuration algorithm in HetNets based on Lyapunov optimization[J]. IEEE Access, 2017, 5: 23764–23775. doi: 10.1109/ACCESS.2017.2761863
    ZORDAN D, MELODIA T, and ROSSI M. On the design of temporal compression strategies for energy harvesting sensor networks[J]. IEEE Transactions on Wireless Communications, 2016, 15(2): 1336–1352. doi: 10.1109/TWC.2015.2489200
    DEVRAJ A M and MEYN S P. Differential TD learning for value function approximation[C]. Proceedings of 2016 IEEE 55th Conference on Decision and Control, Las Vegas, USA, 2016: 6347–6354.
    XIANG Lin, NG D W K, SCHOBER R, et al. Secure video streaming in heterogeneous small cell networks with untrusted cache helpers[J]. IEEE Transactions on Wireless Communications, 2018, 17(4): 2645–2661. doi: 10.1109/TWC.2018.2800005
    MI Xiang, ZHAO Ming, XIAO Limin, et al. Delay-aware resource allocation and power control for device-to-device communications[C]. Proceedings of 2015 IEEE Wireless Communications and Networking Conference Workshops, New Orleans, USA, 2015: 115–122.
  • 加载中
图(7) / 表(5)
计量
  • 文章访问数:  3002
  • HTML全文浏览量:  851
  • PDF下载量:  53
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-04-18
  • 修回日期:  2019-02-16
  • 网络出版日期:  2019-03-05
  • 刊出日期:  2019-06-01

目录

    /

    返回文章
    返回