基于修正stackelberg博弈的双层femtocell网络资源分配策略研究

《基于修正stackelberg博弈的双层femtocell网络资源分配策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于修正Stackelberg博弈的双层Femtocell网络资源分配策略研究　　提出了双层Femtocell中基于修正Stackelberg博弈的资源分配策略。策略针对双层Femtocell中稀疏场景，以宏蜂窝基站的干扰容限作为微蜂窝用户的均匀定价，构建宏基站与微蜂窝用户之间的Stackelberg博弈模型。通过功率分配，使宏蜂窝用户代价和微蜂窝用户效益联合最优。最后采用基于用户需求的加权法修正由于Stackelberg博弈解的排序性导致的不公平性。仿真结果表明本文策略使网络性能得到了较大提高。　　双层FemtocellS

2、tackelberg博弈均匀定价公平性　　1引言　　随着室内移动用户和移动业务的增加，改善室内用户体验的双层Femtocell网络越来越得到人们的重视[1]。双层Femtocell的特点之一是采用室内基站，由于室内通信信道没有穿透损失，可以极大提高通过率或者信道容量；同时，采用了室内基站叠加室外宏蜂窝基站结构，通过频谱共享提高频谱效率；另外，室内基站与室外基站合作起到中继作用，也可以极大地提高通过率。7　　室内微基站与室外宏蜂窝基站共享频谱虽然提高了频谱效率，但是较大的层间干扰和层内干扰极大地限制了网络性能。干扰温度限制是解

3、决这一问题的主要方法，学术界提出了大量的功率控制及干扰消除的策略。在文献[2]中，基于宏蜂窝基站接收信号功率的微蜂窝基站发射信号功率分配策略被提了出来；文献[3]提出了分布式基于信干比的自适应算法来减小跨层干扰；文献[4]中作者建议了一种干扰消除算法，其中微蜂窝用户通过控制最大发射功率来控制对宏蜂窝用户的干扰；文献[5]中作者提出了OFDMA网络中避免干扰的策略；文献[6]中作者提出了宏蜂窝网络中子波束选择策略，但这些策略都只能在双层Femtocell中的一方进行，不能有效改善网络性能；为此，文献[7]中作者提出了基于非合作

4、博弈的能效功率控制，但没有考虑到宏蜂窝基站与微蜂窝基站的主从地位。Stackelberg博弈是一种主从博弈，主导者宏基站将自己的干扰容限作为配额分配给Femtocell用户，跟从者Femtocell用户根据干扰配额和其他用户策略控制功率，能够从系统层面相互协作，有效克服宏基站与Femtocell用户间的跨层干扰。　　在双层Femtocell中，室内用户对宏蜂窝用户的干扰是不相同的，但考虑到室内面积较小，将微蜂窝中的用户对室外宏蜂窝的干扰看作相同，因此，宏蜂窝基站可以给微蜂窝用户相同干扰配额，即均匀干扰定价。另外，在远郊，房屋

5、之间距离较远，即使在城区，由于墙壁对无线电波的衰减，室内微蜂窝间的用户干扰也可以忽略，此场景称为稀疏场景。　　针对上述问题，本文提出了双层Femtocell中基于修正Stackelberg博弈的资源分配策略。策略针对双层Femtocell中的稀疏场景，以宏蜂窝基站的干扰容限作为微蜂窝用户的均匀定价，构建Stackelberg博弈模型，通过功率分配，使宏蜂窝用户代价和微蜂窝用户效益联合最优。最后采用加权法修正由于Stackelberg博弈解的排序性导致的不公平性。仿真结果表明本文所提出的策略使网络性能得到了较大的提高。7　　2

6、系统模型　　考虑由一个区域半径为R的中心宏基站和N个家庭基站组成的两层Femtocell网络，如图1所示。　　假设所有的Femtocell用户与Macrocell频率重叠，在每一个Femtocell中都有一个为无线设备提供服务的专用的家庭基站，每一种无线设备都被视为Femtocell网络的一个用户。假设任意给定一个频带，在每个Femtocell的信令时隙中最多有一个活跃的用户，即采用正交传输。在图1所示的架构中hi，i表示用户i指示预定的用户传输到自己的家庭基站βi，i=1，2，…，N。所有涉及到的终端假定安装了一个单天线。

7、hj，i表示用户i与家庭基站βj信道功率增益，gi表示用户i与宏基站的信道功率增益。所有的信道功率增益被假定是独立的并且随机分布的。　　对于稀疏部署场景，由于Femtocell室内小基站功率较小，衰落随着Femtocell之间距离增大而加强，而且，Femtocell经常部署在室内，穿透损耗也很严重，因此，Femtocell之间的干扰可以忽略。　　3Stackelberg博弈模型及其均衡　　3.1Stackelberg博弈模型　　Stackelberg博弈是主从博弈。主导者可以预期跟随者的反应并且利用这些反馈信息作出最优决策。

8、具体来说，主导者从策略集XRnx中选择某一策略，使其成本函数F（x，y）最小或最大。每个跟随者根据主导者的策略x∈7X选择自身的策略，使自身效益函数最大。一般来说，跟随者策略集Yi（x）Rny是闭凸的，跟随者的效益函数（其中M是下层跟随者的个数）不仅依赖于主导者的策略x，而且依赖于所有跟随