| 认知D2D网络中基于博弈论的高能效干扰约束资源分配算法 |
| |
| 引用本文： | 谢显中,严可,田瑜,李传文,陈九九.认知D2D网络中基于博弈论的高能效干扰约束资源分配算法[J].重庆邮电大学学报(自然科学版),2020,32(1):47-56. |
| |
| 作者姓名： | 谢显中 严可 田瑜 李传文 陈九九 |
| |
| 作者单位： | 重庆邮电大学 通信与信息工程学院,重庆 400065,重庆邮电大学 通信与信息工程学院,重庆 400065,重庆邮电大学 通信与信息工程学院,重庆 400065,重庆邮电大学 通信与信息工程学院,重庆 400065,重庆邮电大学 通信与信息工程学院,重庆 400065 |
| |
| 基金项目： | 国家自然科学基金(61271259,61601070); 重庆市教委科学技术研究项目(KJ1600411); 重庆市基础与前沿研究计划项目(CSTC 2016jcyjA0455); 长江学者和创新团队发展计划(IRT1299); 重庆市教委重点实验室专项经费(CQJK)资助课题 |
| |
| 摘 要： | 针对认知网络中多个D2D(device-to-device)用户以Underlay模式复用蜂窝用户的频谱资源时的同频干扰和能耗增加问题，提出了认知网络中基于博弈论的最大化用户能效(energy-efficiency，EE)的D2D通信资源分配算法。不同于以前工作，在满足特定干扰门限的条件下，侧重对能效进行优化，且不牺牲系统容量。建立Underlay模式下认知D2D通信博弈模型，将D2D用户(device-to-device，DUE)作为跟随者复用蜂窝用户(cellular user，CUE)上行链路的频谱资源，由于每个用户都具有自私特性想要最大化自身的能效，所以该资源分配问题可以模拟为非协作博弈问题。在干扰门限的约束条件下构造了相应的效用函数，利用拉格朗日对偶方法求解此优化问题，得到用户的最优发送功率，保证了用户的功率和链路速率的均衡，并分析了算法复杂性。仿真结果表明，该方案能够提高用户能效和链路平均能效，改善系统总功耗及系统的容量等性能。
|
| 关 键 词： | 认知无线电 D2D通信 能效 资源分配 博弈论 |
| 收稿时间： | 2018/10/19 0:00:00 |
| 修稿时间： | 2019/10/17 0:00:00 |
|
| 点击此处可从《重庆邮电大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆邮电大学学报(自然科学版)》下载免费的PDF全文 |
|
