通信資源控制與分配問題研究的國內(nèi)外文獻(xiàn)綜述美國的貝爾實(shí)驗(yàn)室中出現(xiàn)了許多通信界的重大發(fā)明，其中之一就是于上個世紀(jì)七十年代提出了“蜂窩”概念，自此之后，通信界的學(xué)者們便逐漸重視并投身于蜂窩移動通信的發(fā)展。1992年Alcatel-Lucent第一次提出“homebasestation”的概念。2012年飛蜂窩開始進(jìn)行全球大規(guī)模部署。目前我國現(xiàn)有無線通訊技術(shù)與網(wǎng)絡(luò)結(jié)構(gòu)因其具備的網(wǎng)絡(luò)容量較小、能源消耗多、成本較高等缺點(diǎn)，難以適應(yīng)未來通訊的發(fā)展。第三代合作伙伴計(jì)劃（3rdGenerationPartnershipProject）即3GPP提出了異構(gòu)網(wǎng)絡(luò)，異構(gòu)網(wǎng)絡(luò)中的微小基站可以有效地增加網(wǎng)絡(luò)流量，宏基站的流量可以分出一部分給微基站，緩解自身的壓力，多個基站共同使用時提高空間頻譜利用率的效用相當(dāng)顯著。IMT-2020（InternationalMobileTelecommunicationfor2020andBeyond）推進(jìn)組中有顯示在不久的將來網(wǎng)絡(luò)會進(jìn)一步密集化，安放毫微微基站的數(shù)量的增多將會成為一種趨勢REF_Ref72775623\r\h[6]，未來超密集網(wǎng)絡(luò)中基站的密度可能達(dá)到甚至超過網(wǎng)絡(luò)中用戶的密度。由于微小基站的密集化部署，隨之而來的是異構(gòu)網(wǎng)絡(luò)中的干擾也會更加復(fù)雜化，因此必須在現(xiàn)有的網(wǎng)絡(luò)基礎(chǔ)上進(jìn)一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)和資源配置，抵御干擾、提升網(wǎng)絡(luò)吞吐量和系統(tǒng)能效。3GPP標(biāo)準(zhǔn)在2009年的時候第一次將“飛蜂窩”標(biāo)準(zhǔn)化，并給出了一些資源分配方案。隨后很多學(xué)者都對異構(gòu)網(wǎng)絡(luò)中的資源分配方案不斷研究，隨著時間的不斷流逝，當(dāng)前的資源分配與優(yōu)化的方案主要有基于博弈論和分組思想，所采用的算法多是粒子群優(yōu)化算法、凸優(yōu)化算法、強(qiáng)學(xué)習(xí)思想等。博弈目標(biāo)是博弈參與者各自爭取自身最大利益。文獻(xiàn)REF_Ref72775649\r\h[7]中對于宏基站中密集安放的情形，運(yùn)用了博弈論的思想，提出了一種采用分布式迭代算法的功率分配方案?；谛^(qū)間的信息交互，本算法迭代過程花費(fèi)的時間少。文獻(xiàn)REF_Ref72775663\r\h[8]為保證一個兩層小蜂窩網(wǎng)絡(luò)的能量有效的通信提出了一種新的方法，將干擾和控制發(fā)射功率的定價，以減輕跨層干擾，提高能源效率。宏蜂窩基站(MBSs)和飛蜂窩基站(FBSs)分別擔(dān)任斯坦伯格博弈的領(lǐng)導(dǎo)者和追隨者。MBSs使用對接收到的干擾量的定價來保護(hù)自己不受由FBSs影響。FBSs的目標(biāo)是最大限度地提高其能源效率，并盡量減少應(yīng)支付給MBSs在最大允許發(fā)射功率約束下的使用功率。文獻(xiàn)REF_Ref72775677\r\h[9]在MBSs和飛蜂窩小區(qū)用戶（FUEs）之間建立博弈，宏基站對微小區(qū)用戶形成的干擾指定價格，微小區(qū)用戶則對自己產(chǎn)生的干擾付出一定的費(fèi)用，宏基站通過調(diào)節(jié)價錢爭取受益最大，微基站用戶則通過權(quán)衡對自身速率和購買干擾的代價來獲取。在資源分配方面，基于博弈論的方案顯現(xiàn)出一定的成效，但基于此的方案求解步驟無法確定，同時需要基站之間的信息交換，與目前的實(shí)際運(yùn)用場景不夠契合。基于群智能優(yōu)化算法的資源分配方案恰好可以彌補(bǔ)此缺點(diǎn)，不需要基站間信息的交流。群智能算法是依據(jù)動物界的某些社會行為而受到啟發(fā)從而設(shè)計(jì)出的算法。粒子群優(yōu)化算法、差分進(jìn)化和人工魚群算法、蟻群優(yōu)化算法等是群智能算法中比較有代表性的幾種。文獻(xiàn)REF_Ref72775697\r\h[10]提出了一種改進(jìn)的粒子群算法，分別定義了宏小區(qū)和飛蜂窩功率分配的函數(shù)，這個函數(shù)可根據(jù)宏基站和微基站的性能進(jìn)行取舍即通常所說的適應(yīng)度函數(shù)，并引入自適應(yīng)權(quán)重，從而求得目標(biāo)函數(shù)的所需的最優(yōu)的解。文獻(xiàn)REF_Ref72775710\r\h[11]提出了一種家庭基站信道分配方法，以吞吐量最優(yōu)為目標(biāo)，采用啟發(fā)式蟻群算法，提升了整個系統(tǒng)吞吐量，卻沒很好考慮到宏用戶平均吞吐量的提升。文獻(xiàn)REF_Ref72775722\r\h[12]提出了在OFDM系統(tǒng)中子載波分配方法，通過調(diào)用以往的方法，以及增強(qiáng)的粒子群優(yōu)化算法分法了在異構(gòu)網(wǎng)絡(luò)中OFDMA系統(tǒng)的子載波分配性能?；谌褐悄軆?yōu)化算法的資源分配方案雖然可以有效的彌補(bǔ)基于博弈論方案的不足之處，但其對整個網(wǎng)絡(luò)遍歷搜索能力不好，容易局部運(yùn)算之后就收斂。上述文獻(xiàn)都是通過合理的分配功率資源與頻譜資源提升網(wǎng)絡(luò)性能，但上述算法仍存在一些不足之處，求解起來復(fù)雜且計(jì)算復(fù)雜度高，收斂性不好，迭代速度太慢，效率較低。目前，不少學(xué)者把目光投向基于分組的資源優(yōu)化方案?；诜纸M的方案一般分為兩種：組間正交分組和組內(nèi)正交分組。不同的分組方法會較大程度地影響頻率分配方式。前者是將彼此之間干擾較小的微基站分為一組，不同組之間分配正交資源塊。后者分組方法恰好與之相反?；诜纸M的思想可以有效簡化子信道的分配過程，同時可以很大程度的降低微基站之間的共層干擾。因此，基于分組的資源優(yōu)化方案也是本文要研究的重點(diǎn)。文獻(xiàn)REF_Ref72775737\r\h[13]提出了依據(jù)能耗速率分組機(jī)器類通信設(shè)備，并對那些分組設(shè)定優(yōu)先級，再根據(jù)優(yōu)先級合理分配資源進(jìn)行頻率復(fù)用，仿真結(jié)果表明此方案提高了系統(tǒng)吞吐量和資源利用率。文獻(xiàn)REF_Ref72775752\r\h[14]針對微基站分布的隨機(jī)性，提出了一種與現(xiàn)實(shí)更符合的半集中式方案，在滿足用戶服務(wù)質(zhì)量的同時使總功耗最小化。拉格朗日乘子法是在功率分配算法中比較常用的解決凸優(yōu)化問題的方法，文獻(xiàn)REF_Ref72775766\r\h[15]的研究對象是D2D通信，目標(biāo)問題是能效優(yōu)化問題，對于其通信過程中的功率控制，利用Dinkelbach方法和拉格朗日乘子方法來解決，有效提升了網(wǎng)絡(luò)能效。文獻(xiàn)REF_Ref72775777\r\h[16]提出了一種分布式天線發(fā)射功率分配算法。該算法首先利用透視函數(shù)原理將問題進(jìn)行非凸到凸的一個轉(zhuǎn)化，除了運(yùn)用交替方向乘子法之外，還采用了拉格朗日對偶函數(shù)法進(jìn)行問題求解，最終得到的方案能效最優(yōu)。該算法良好的收斂性已有仿真結(jié)果證明。文獻(xiàn)REF_Ref72775790\r\h[17]先是對網(wǎng)絡(luò)子載波合理分配，然后繼續(xù)功率分配，以達(dá)到非正交多址的異構(gòu)網(wǎng)絡(luò)中最大化整個系統(tǒng)的能源效率的目的。通過考慮同信道干擾和跨層干擾，將初始的通信中的資源分配問題簡化成了數(shù)學(xué)問題中的優(yōu)化問題，獲得最佳解決方案。通過拉格朗日方法為小型小區(qū)和宏小區(qū)用戶設(shè)備導(dǎo)出了最佳的封閉形式功率分配表達(dá)式。仿真結(jié)果表明，所提出的算法可以在十次迭代中收斂，并且可以獲得較高的系統(tǒng)能效。文獻(xiàn)REF_Ref72775806\r\h[18]通過結(jié)合考慮具有多個微小區(qū)的兩層異構(gòu)網(wǎng)絡(luò)中的用戶關(guān)聯(lián)和功率分配，研究下行鏈路傳輸?shù)哪芰啃首畲蠡瘑栴}。首先考慮沒有微小區(qū)之間的同信道干擾的系統(tǒng)模型。滿足服務(wù)質(zhì)量要求下制定不等式約束問題，用基于梯度的算法解決。然后，用了一種用戶關(guān)聯(lián)和功率分配的迭代的算法，做到能量效率最大的結(jié)果。受最初的Dinkelbach方法啟發(fā)，使用下界逼近和拉格朗日方法來得出功率分配的封閉形式，從而降低了計(jì)算復(fù)雜度。仿真結(jié)果表明，與其他現(xiàn)有方案相比，該算法具有更高的能效。文獻(xiàn)REF_Ref72775819\r\h[19]研究了在數(shù)據(jù)傳輸速率和能效有限的條件下，怎么運(yùn)用功率控制和用戶配對，結(jié)合優(yōu)化后的Kuhn-Munkres算法和Dinkelbach算法解決D2D中繼系統(tǒng)下的最佳能效問題?？偟膩碚f，目前關(guān)于功率控制的研究主要集中在用于提升系統(tǒng)容量和網(wǎng)絡(luò)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)推進(jìn)組,5G網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)白皮書[R].2016.FengL,XinS,WangJ.Price-basedpowercontrolinheterogeneous:AStackelberggameapproach[C]//20162ndIEEEInternationalConferenceonComputerandCommunications(ICCC).IEEE,2016.LashgariM,MahamB,KebriaeiH.EnergyEfficientPriceBasedPowerAllocationinaSmallCellNetworkbyUsingaStackelbergGame[C]//2018IEEEInternationalBlackSeaConferenceonCommunicationsandNetworking(BlackSeaCom).IEEE,2018.李亞玲.異構(gòu)蜂窩網(wǎng)基于博弈論的資源管理研究[D].南京郵電大學(xué),2016.馮敏.異構(gòu)蜂窩網(wǎng)絡(luò)資源分配技術(shù)的研究[D].西安科技大學(xué),2019.陳佳敏,朱琦.基于啟發(fā)式蟻群算法的家庭基站信道分配方法[J].應(yīng)用科學(xué)報(bào),2017,35(03):299-308.畢曉君,曹巍巍.基于粒子群算法的OFDMA系統(tǒng)自適應(yīng)子載波分配問題[J].哈爾濱工程大學(xué)學(xué)報(bào),2010(8):1100-1104.張繼榮,賈晨晴.基于終端分組的非正交隨機(jī)接入資源分配方案[J].計(jì)算機(jī)科學(xué),2020,47(04):243-248.YeYunfan,ZhangHongtao,XiongXiong,etal.DynamicMin-cutClusteringforEnergySavingsinUltra-denseNetworks[C]//2015IEEE82ndVehicularTechologConference(Vtc2015-fall).Boston,MA:IEEE,2015:1-5.金濤.基于能效優(yōu)化的D2D中繼通信資源分配算法研究[D].吉林大學(xué),2020.桂安祥.能效優(yōu)化的無線資源分配技術(shù)研究[D].東南大學(xué),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