【通信资源控制与分配问题研究的国内外文献综述3000字】

通信资源控制与分配问题研究的国内外文献综述美国的贝尔实验室中出现了许多通信界的重大发明，其中之一就是于上个世纪七十年代提出了“蜂窝”概念，自此之后，通信界的学者们便逐渐重视并投身于蜂窝移动通信的发展。1992年Alcatel-Lucent第一次提出“homebasestation”的概念。2012年飞蜂窝开始进行全球大规模部署。目前我国现有无线通讯技术与网络结构因其具备的网络容量较小、能源消耗多、成本较高等缺点，难以适应未来通讯的发展。第三代合作伙伴计划（3rdGenerationPartnershipProject）即3GPP提出了异构网络，异构网络中的微小基站可以有效地增加网络流量，宏基站的流量可以分出一部分给微基站，缓解自身的压力，多个基站共同使用时提高空间频谱利用率的效用相当显著。IMT-2020（InternationalMobileTelecommunicationfor2020andBeyond）推进组中有显示在不久的将来网络会进一步密集化，安放毫微微基站的数量的增多将会成为一种趋势REF_Ref72775623\r\h[6]，未来超密集网络中基站的密度可能达到甚至超过网络中用户的密度。由于微小基站的密集化部署，随之而来的是异构网络中的干扰也会更加复杂化，因此必须在现有的网络基础上进一步优化网络结构和资源配置，抵御干扰、提升网络吞吐量和系统能效。3GPP标准在2009年的时候第一次将“飞蜂窝”标准化，并给出了一些资源分配方案。随后很多学者都对异构网络中的资源分配方案不断研究，随着时间的不断流逝，当前的资源分配与优化的方案主要有基于博弈论和分组思想，所采用的算法多是粒子群优化算法、凸优化算法、强学习思想等。博弈目标是博弈参与者各自争取自身最大利益。文献REF_Ref72775649\r\h[7]中对于宏基站中密集安放的情形，运用了博弈论的思想，提出了一种采用分布式迭代算法的功率分配方案。基于小区间的信息交互，本算法迭代过程花费的时间少。文献REF_Ref72775663\r\h[8]为保证一个两层小蜂窝网络的能量有效的通信提出了一种新的方法，将干扰和控制发射功率的定价，以减轻跨层干扰，提高能源效率。宏蜂窝基站(MBSs)和飞蜂窝基站(FBSs)分别担任斯坦伯格博弈的领导者和追随者。MBSs使用对接收到的干扰量的定价来保护自己不受由FBSs影响。FBSs的目标是最大限度地提高其能源效率，并尽量减少应支付给MBSs在最大允许发射功率约束下的使用功率。文献REF_Ref72775677\r\h[9]在MBSs和飞蜂窝小区用户（FUEs）之间建立博弈，宏基站对微小区用户形成的干扰指定价格，微小区用户则对自己产生的干扰付出一定的费用，宏基站通过调节价钱争取受益最大，微基站用户则通过权衡对自身速率和购买干扰的代价来获取。在资源分配方面，基于博弈论的方案显现出一定的成效，但基于此的方案求解步骤无法确定，同时需要基站之间的信息交换，与目前的实际运用场景不够契合。基于群智能优化算法的资源分配方案恰好可以弥补此缺点，不需要基站间信息的交流。群智能算法是依据动物界的某些社会行为而受到启发从而设计出的算法。粒子群优化算法、差分进化和人工鱼群算法、蚁群优化算法等是群智能算法中比较有代表性的几种。文献REF_Ref72775697\r\h[10]提出了一种改进的粒子群算法，分别定义了宏小区和飞蜂窝功率分配的函数，这个函数可根据宏基站和微基站的性能进行取舍即通常所说的适应度函数，并引入自适应权重，从而求得目标函数的所需的最优的解。文献REF_Ref72775710\r\h[11]提出了一种家庭基站信道分配方法，以吞吐量最优为目标，采用启发式蚁群算法，提升了整个系统吞吐量，却没很好考虑到宏用户平均吞吐量的提升。文献REF_Ref72775722\r\h[12]提出了在OFDM系统中子载波分配方法，通过调用以往的方法，以及增强的粒子群优化算法分法了在异构网络中OFDMA系统的子载波分配性能。基于群智能优化算法的资源分配方案虽然可以有效的弥补基于博弈论方案的不足之处，但其对整个网络遍历搜索能力不好，容易局部运算之后就收敛。上述文献都是通过合理的分配功率资源与频谱资源提升网络性能，但上述算法仍存在一些不足之处，求解起来复杂且计算复杂度高，收敛性不好，迭代速度太慢，效率较低。目前，不少学者把目光投向基于分组的资源优化方案。基于分组的方案一般分为两种：组间正交分组和组内正交分组。不同的分组方法会较大程度地影响频率分配方式。前者是将彼此之间干扰较小的微基站分为一组，不同组之间分配正交资源块。后者分组方法恰好与之相反。基于分组的思想可以有效简化子信道的分配过程，同时可以很大程度的降低微基站之间的共层干扰。因此，基于分组的资源优化方案也是本文要研究的重点。文献REF_Ref72775737\r\h[13]提出了依据能耗速率分组机器类通信设备，并对那些分组设定优先级，再根据优先级合理分配资源进行频率复用，仿真结果表明此方案提高了系统吞吐量和资源利用率。文献REF_Ref72775752\r\h[14]针对微基站分布的随机性，提出了一种与现实更符合的半集中式方案，在满足用户服务质量的同时使总功耗最小化。拉格朗日乘子法是在功率分配算法中比较常用的解决凸优化问题的方法，文献REF_Ref72775766\r\h[15]的研究对象是D2D通信，目标问题是能效优化问题，对于其通信过程中的功率控制，利用Dinkelbach方法和拉格朗日乘子方法来解决，有效提升了网络能效。文献REF_Ref72775777\r\h[16]提出了一种分布式天线发射功率分配算法。该算法首先利用透视函数原理将问题进行非凸到凸的一个转化，除了运用交替方向乘子法之外，还采用了拉格朗日对偶函数法进行问题求解，最终得到的方案能效最优。该算法良好的收敛性已有仿真结果证明。文献REF_Ref72775790\r\h[17]先是对网络子载波合理分配，然后继续功率分配，以达到非正交多址的异构网络中最大化整个系统的能源效率的目的。通过考虑同信道干扰和跨层干扰，将初始的通信中的资源分配问题简化成了数学问题中的优化问题，获得最佳解决方案。通过拉格朗日方法为小型小区和宏小区用户设备导出了最佳的封闭形式功率分配表达式。仿真结果表明，所提出的算法可以在十次迭代中收敛，并且可以获得较高的系统能效。文献REF_Ref72775806\r\h[18]通过结合考虑具有多个微小区的两层异构网络中的用户关联和功率分配，研究下行链路传输的能量效率最大化问题。首先考虑没有微小区之间的同信道干扰的系统模型。满足服务质量要求下制定不等式约束问题，用基于梯度的算法解决。然后，用了一种用户关联和功率分配的迭代的算法，做到能量效率最大的结果。受最初的Dinkelbach方法启发，使用下界逼近和拉格朗日方法来得出功率分配的封闭形式，从而降低了计算复杂度。仿真结果表明，与其他现有方案相比，该算法具有更高的能效。文献REF_Ref72775819\r\h[19]研究了在数据传输速率和能效有限的条件下，怎么运用功率控制和用户配对，结合优化后的Kuhn-Munkres算法和Dinkelbach算法解决D2D中继系统下的最佳能效问题。总的来说，目前关于功率控制的研究主要集中在用于提升系统容量和网络能效方面。Habibi,S.,Solouk,V.&Kalbkhani,H.Adaptiveenergy-efficientsmallcellsleepingandzoominginheterogeneouscellularnetworks.

TelecommunSyst

77,

23–45(2021).FengDaquan,JiangChenzi,LimG,etal.Cellulararchitectureandkeytechnologiesfor5Gwirelesscommunicationnetwprk[J].IEEEcommunicationMagazine,2014,52(2):122-130.J.Cullen.Radioframepresentation[R].London:FemtocellEurope,2008.D.Feng,C.Jiang,G.Lim,andL.J.Cimini.Asurveyofenergy-efficientwirelesscommunications[J].IEEECommunicationsSurveys&Tutorials,2013,15(1):167-178."Bringing5Gtopower",Mar.2020,[online]Available:/en/reports-and-papers/industrylab/reports/bringing-5g-to-power.IMT-2020(5G)推进组,5G网络架构设计白皮书[R].2016.FengL,XinS,WangJ.Price-basedpowercontrolinheterogeneous:AStackelberggameapproach[C]//20162ndIEEEInternationalConferenceonComputerandCommunications(ICCC).IEEE,2016.LashgariM,MahamB,KebriaeiH.EnergyEfficientPriceBasedPowerAllocationinaSmallCellNetworkbyUsingaStackelbergGame[C]//2018IEEEInternationalBlackSeaConferenceonCommunicationsandNetworking(BlackSeaCom).IEEE,2018.李亚玲.异构蜂窝网基于博弈论的资源管理研究[D].南京邮电大学,2016.冯敏.异构蜂窝网络资源分配技术的研究[D].西安科技大学,2019.陈佳敏,朱琦.基于启发式蚁群算法的家庭基站信道分配方法[J].应用科学报,2017,35(03):299-308.毕晓君,曹巍巍.基于粒子群算法的OFDMA系统自适应子载波分配问题[J].哈尔滨工程大学学报,2010(8):1100-1104.张继荣,贾晨晴.基于终端分组的非正交随机接入资源分配方案[J].计算机科学,2020,47(04):243-248.YeYunfan,ZhangHongtao,XiongXiong,etal.DynamicMin-cutClusteringforEnergySavingsinUltra-denseNetworks[C]//2015IEEE82ndVehicularTechologConference(Vtc2015-fall).Boston,MA:IEEE,2015:1-5.金涛.基于能效优化的D2D中继通信资源分配算法研究[D].吉林大学,2020.桂安祥.能效优化的无线资源分配技术研究[D].东南大学,2016.F.Fang,J.ChengandZ.Ding,"JointenergyefficientsubchannelandpoweroptimizationforadownlinkNOMAheterogeneousnetwork",

IEEETrans.Veh.Technol.,vol.68,no.2,pp.1351-1364,Feb.2019.F.Fang,G.Ye,H.Zhang,J.ChengandV.C.M.Leung,"Energy-Effic