一种人与人和机器到机器共存下能效最大化的上行用户分配算法

田辉; 王聪; 马文峰; 朱熠; 陈裕田

doi:10.11999/JEIT200995

一种人与人和机器到机器共存下能效最大化的上行用户分配算法

doi: 10.11999/JEIT200995

陆军工程大学野战工程学院南京 210007

基金项目: 国家自然科学基金(62001515, 61771486)，江苏省博士后科研资助项目(2019K090)

详细信息

作者简介:
田辉：男，1987年生，讲师，研究方向为M2M通信、资源分配、协同通信

王聪：男，1975年生，副教授，研究方向为物联网、计算机网络

马文峰：男，1974年生，副教授，研究方向为物联网、5G通信

朱熠：男，1986年生，助理研究员，研究方向为无人集群控制与通信

陈裕田：男，1994年生，助教，研究方向为无人集群控制与通信

通讯作者:
王聪　lgd_dolphin@139.com

中图分类号: TN915.04
计量
- 文章访问数: 727
- HTML全文浏览量: 307
- PDF下载量: 37
- 被引次数: 41
出版历程
- 收稿日期: 2020-11-23
- 修回日期: 2021-04-01
- 网络出版日期: 2021-04-25
- 刊出日期: 2021-10-18

A User Association Algorithm for Maximizing Energy Efficiency with Human-to-Human and Machine-to-Machine Coexistence

College of Field Engineering, Army Engineering University, Nanjing 210007, China

Funds: The National Natural Science Foundation of China (62001515, 61771486), Jiangsu Planned Projects for Postdoctoral Research Funds (2019K090)

摘要

摘要: 针对5G超密集异构蜂窝网络中人与人(H2H)和机器到机器(M2M)共存场景下有服务质量(QoS)保障和负载均衡的上行用户分配问题，该文提出一种基于匹配理论的用户分配算法。该算法在用户分配过程中同时考虑不同类型节点的接入控制策略，在最大化网络能效的同时，实现节点QoS保障。仿真结果表明，与其他算法相比，该算法不仅能够在能效、负载均衡以及QoS保障方面获得更好的性能，并且能获得与穷举法相近的性能。此外，所提算法的收敛速度很快且不受节点和基站数目变化的影响，适合解决H2H和M2M共存场景中的用户分配问题。
- 超密集异构蜂窝网络 /
- 人与人和机器到机器共存 /
- 用户分配 /
- 能量有效 /
- 服务质量保障
Abstract: In this paper, a match theory based uplink user association algorithm is proposed for maximizing energy efficiency and guaranteeing Quality of Service (QoS) requirements in a ultra-dense heterogeneous cellular networks with Human-to-Human (H2H) and Machine-to-Machine (M2M) coexistence. To maximize energy efficiency, balance load and guarantee QoS, simultaneously, the algorithm considers two access mechanisms for different types of node. Simulation results show that the proposed algorithm not only outperforms existing schemes in terms of the overall energy efficiency, the load balance and QoS guarantees, but also achieves the same performance as exhaustive search. Furthermore, the convergence speed of the algorithm is very fast, and is not affected by the number of base stations and nodes. Thus, the algorithm is suitable to solve the problem of user association, while considering the networks with H2H and M2M coexistence.
- Ultra-dense heterogeneous cellular networks /
- Human-to-Human(H2H) and Machine-to-Machine (M2M) coexistence /
- User association /
- Energy efficiency /
- Quality of Service (QoS) guarantees

HTML全文

图 1 EEUAQL算法的收敛速度曲线图

下载: 全尺寸图片幻灯片

图 2 HTC用户平均传输速率随MTC设备数目变化曲线图

下载: 全尺寸图片幻灯片

图 3 整体能效随基站的资源块数目变化曲线图

下载: 全尺寸图片幻灯片

图 4 不同算法的Jain公平指数对比柱状图

下载: 全尺寸图片幻灯片

表 1 有QoS保障和负载均衡的能量有效用户分配(EEUAQL)算法

　阶段1：基于偏好的分布式迭代准入(PDIA)子算法

　初始化迭代次数

${t_1} = 0$ ；每一个HTC用户根据式(7)定义的偏好关系对所有基站排序，然后向偏好程度最高的基站发送接入申请和传输速率需求；

　在收到基站发送的申请后，

　For 基站j，

$j = 1:N$

　基站j根据式(8)计算得到偏好列表

$\mathcal{A}_j^{\rm{rank}}$ ，并根据式(9)计算

${q_j}$ ；

　如果

${q_j} \ge \left| {{\mathcal{A}_j}} \right|$ ，基站j将所有的申请者都添加到接收列表中，否则，基站j只是将偏好列表

$\mathcal{A}_j^{\rm{rank}}$ 中前

${q_j}$ 个申请者添加到接收列表中，并拒绝其他申请者；

　End For

　Repeat

　新一轮的申请开始：首先，被拒绝的HTC用户将申请接入偏好程度次好的基站；

　For基站j，

$j = 1:N$

　基站j会获得一个基于新申请者和已经接收的HTC用户的新偏好列表，并且重新计算

${q'_j}$ ；

　如果

${q'_j}$ 大于申请者和已经接收的HTC用户数目之和，基站j将所有的申请者都添加到接收列表中，

　否则，基站j只是将新偏好列表中前

${q'_j}$ 个申请者添加到接收列表中，拒绝其他申请者；

　End For

${t_1} = {t_1}{\rm{ + }}1$ ;

　Until 所有HTC用户都在基站的接收列表中，然后得到HTC用户的分割

${{\boldsymbol{\varOmega}} '_{{\rm{HTC}}}}$ 。

　阶段2：最大化能效的转移(TEEM)子算法

　初始化迭代次数

${t_2} = 0$ ；每一个MTC设备向距离自己最近的基站发送申请，此时形成一个初始MTC设备分割

${\boldsymbol{\varOmega}} _{{\rm{MTC}}}^{\rm{initial}}$ ；

　根据

${\boldsymbol{\varOmega}} _{{\rm{MTC}}}^{\rm{initial}}$ 和HTC用户的分割

${{\boldsymbol{\varOmega}} '_{{\rm{HTC}}}}$ ，基站两两之间进入如下MTC设备转移过程：

　Repeat

　For基站

$a$ ,

$b = a + 1:N,$

　For 基站b,

$b = a + 1:N,$

　基站a与基站b遍历两个集合的所有元素，若存在满足转移条件式(11)的MTC设备，执行转移；

　End For

${t_2} = {t_2}{\rm{ + }}1$ ;

　Until 没有基站进行转移，即可获得MTC设备分割

${{\boldsymbol{\varOmega}} '_{{\rm{MTC}}}}$ 。

下载: 导出CSV

参考文献(16)

[1]	XIA Nian, CHEN H H, and YANG C S. Radio resource management in Machine-to-Machine communications—a survey[J]. IEEE Communications Surveys & Tutorials, 2018, 20(1): 791–828. doi: 10.1109/COMST.2017.2765344
[2]	谭晓衡, 谢朝臣, 郭坦. 基于区域感知贝叶斯决策的5G超密集异构网络联合垂直切换技术研究[J]. 电子学报, 2018, 46(3): 582–588. doi: 10.3969/j.issn.0372-2112.2018.03.010 TAN Xiaoheng, XIE Chaochen, and GUO Tan. Research of joint vertical handoff technology based on area sensing Bayesian decision in ultra-dense HetNet for 5G[J]. Acta Electronica Sinica, 2018, 46(3): 582–588. doi: 10.3969/j.issn.0372-2112.2018.03.010
[3]	张剑, 邱玲, 陈正. 超密集网络中基于多连接的用户归属和功率控制联合优化[J]. 中国科学院大学学报, 2018, 35(1): 126–130. doi: 10.7523/j.issn.2095-6134.2018.01.017 ZHANG Jian, QIU Ling, and CHEN Zheng. Joint user-association and power-control algorithm based on multiple association in ultra-dense network[J]. Journal of University of Chinese Academy of Sciences, 2018, 35(1): 126–130. doi: 10.7523/j.issn.2095-6134.2018.01.017
[4]	苏恭超, 陈彬, 林晓辉, 等. 异构蜂窝网络中一种基于匈牙利算法的用户关联方法[J]. 电子科技大学学报, 2017, 46(2): 346–351. doi: 10.3969/j.issn.1001-0548.2017.02.005 SU Gongchao, CHEN Bin, LIN Xiaohui, et al. User association in heterogeneous cellular networks via the Hungarian method[J]. Journal of University of Electronic Science and Technology of China, 2017, 46(2): 346–351. doi: 10.3969/j.issn.1001-0548.2017.02.005
[5]	YE Qiaoyang, RONG Beiyu, CHEN Yudong, et al. User association for load balancing in heterogeneous cellular networks[J]. IEEE Transactions on Wireless Communications, 2013, 12(6): 2706–2716. doi: 10.1109/TWC.2013.040413.120676
[6]	BOOSTANIMEHR H and BHARGAVA V K. Unified and distributed QoS-driven cell association algorithms in heterogeneous networks[J]. IEEE Transactions on Wireless Communications, 2015, 14(3): 1650–1662. doi: 10.1109/TWC.2014.2371465
[7]	陈剑, 吴建平, 李贺武. 基于用户分配和负载的频谱分配算法[J]. 软件学报, 2013, 24(7): 1638–1649. doi: 10.3724/SP.J.1001.2013.04312 CHEN Jian, WU Jianping, and LI Hewu. Spectrum allocation algorithm based on user allocation and load[J]. Journal of Software, 2013, 24(7): 1638–1649. doi: 10.3724/SP.J.1001.2013.04312
[8]	SAAD W, HAN Zhu, ZHENG Rong, et al. A college admissions game for uplink user association in wireless small cell networks[C]. 2014 IEEE Conference on Computer Communications (INFOCOM 2014), Toronto, Canada, 2014: 1096–1104. doi: 10.1109/INFOCOM.2014.6848040.
[9]	BOOSTANIMEHR H and BHARGAVA V K. Joint downlink and uplink aware cell association in HetNets with QoS provisioning[J]. IEEE Transactions on Wireless Communications, 2015, 14(10): 5388–5401. doi: 10.1109/TWC.2015.2437878
[10]	MESODIAKAKI A, ADELANTADO F, ALONSO L, et al. Joint uplink and downlink cell selection in cognitive small cell heterogeneous networks[C]. 2014 IEEE Global Communications Conference, Austin, USA, 2014: 2643–2648. doi: 10.1109/GLOCOM.2014.7037206.
[11]	LI G Y, NIU Jinping, LEE D, et al. Multi-cell coordinated scheduling and MIMO in LTE[J]. IEEE Communications Surveys & Tutorials, 2014, 16(2): 761–775. doi: 10.1109/SURV.2014.022614.00186
[12]	WANG Zehua and WONG V W S. Optimal access class barring for stationary machine type communication devices with timing advance information[J]. IEEE Transactions on Wireless Communications, 2015, 14(10): 5374–5387. doi: 10.1109/TWC.2015.2437872
[13]	GALE D and SHAPLEY L S. College admissions and the stability of marriage[J]. The American Mathematical Monthly, 1962, 69(1): 9–15. doi: 10.2307/2312726
[14]	ROTH A E and SOTOMAYOR M A O. Two-Sided Matching: A Study in Game-Theoretic Modeling and Analysis[M]. New York: Cambridge University Press, 1990: 150–161.
[15]	ANDREWS J G. Seven ways that HetNets are a cellular paradigm shift[J]. IEEE Communications Magazine, 2013, 51(3): 136–144. doi: 10.1109/MCOM.2013.6476878
[16]	JAIN R K. The Art of Computer Systems Performance Analysis: Techniques for Experimental Design, Measurement, Simulation, and Modeling[M]. New York: Wiley, 1991: 141–153.

施引文献

期刊类型引用(20)

1.	周晨，周乾伟，陈翰墨，管秋，胡海根，吴延壮. 面向RGBD图像显著性检测的循环逐尺度融合网络. 小型微型计算机系统. 2023(10): 2276-2283 . 百度学术
2.	叶海峰，赵玉琛. 视觉位置识别中代表地点的标识牌算法. 小型微型计算机系统. 2021(04): 823-828 . 百度学术
3.	王慧玲，宋鑫怡，杨颖. 基于优化查询的改进显著性检测算法. 吉林大学学报(信息科学版). 2020(03): 319-324 . 百度学术
4.	郭迎春，李卓. 基于边缘特征和自适应融合的视频显著性检测. 河北工业大学学报. 2019(01): 1-7 . 百度学术
5.	鲁文超，段先华，徐丹，王万耀. 基于多尺度下凸包改进的贝叶斯模型显著性检测算法. 计算机科学. 2019(06): 295-300 . 百度学术
6.	王宝艳，张铁，李凯，杜松林. DEL分割算法对SSLS算法的改进. 小型微型计算机系统. 2019(10): 2052-2057 . 百度学术
7.	张巧荣，徐国愚，张俊峰. 利用视觉显著性的前景目标分割. 兰州大学学报(自然科学版). 2019(06): 833-840 . 百度学术
8.	杨俊丰，林亚平，欧博，蒋军强，李强. 基于显著性加权随机优化的快速响应码美化方法. 电子与信息学报. 2018(02): 289-297 . 本站查看
9.	邓晨，谢林柏. 全局对比和背景先验驱动的显著目标检测. 计算机工程与应用. 2018(03): 212-216 . 百度学术
10.	刘亚宁，吴清，魏雪. 基于流行排序的前景背景显著性检测算法. 科学技术与工程. 2018(18): 74-81 . 百度学术
11.	闫钧华，肖勇旗，姜惠华，杨勇，张寅. 融合区域像素显著性和时域信息的地面动目标检测及其DSP实现. 电子设计工程. 2018(19): 178-183+193 . 百度学术
12.	陈厚仁，蔡延光. 基于视频的干线交通流检测系统的研究与实现. 工业控制计算机. 2017(07): 85-87 . 百度学术
13.	赵艳艳，沈西挺. 基于同步更新的背景检测显著性优化. 计算机工程. 2017(10): 264-267 . 百度学术
14.	田畅，姜青竹，吴泽民，刘涛，胡磊. 基于区域协方差的视频显著度局部空时优化模型. 电子与信息学报. 2016(07): 1586-1593 . 本站查看
15.	罗会兰，万成涛，孔繁胜. 基于KL散度及多尺度融合的显著性区域检测算法. 电子与信息学报. 2016(07): 1594-1601 . 本站查看
16.	张晴，林家骏，戴蒙. 基于图的流行排序的显著目标检测改进算法. 计算机工程与应用. 2016(22): 26-32+38 . 百度学术
17.	杜永强. 过度曝光图像缺失信息修复算法. 科技通报. 2016(08): 146-149 . 百度学术
18.	郎波，樊一娜，黄静. 利用混合高斯进行物体成分拟合匹配的算法. 科学技术与工程. 2016(20): 73-80 . 百度学术
19.	项导，侯赛辉，王子磊. 基于背景学习的显著物体检测. 中国图象图形学报. 2016(12): 1634-1643 . 百度学术
20.	吕建勇，唐振民. 一种基于图的流形排序的显著性目标检测改进方法. 电子与信息学报. 2015(11): 2555-2563 . 本站查看