D2D通信系统中基于博弈论的资源分配算法研究

D2D通信系统中基于博弈论的资源分配算法研究

论文摘要

随着万物互联节奏的加快,各种用户终端设备(User Equipment,UE)爆发式的增长,对未来网络性能提出了更严格的要求,这也预示着需要新的技术来满足未来通信需求,而端到端(Device-to-Device,D2D)网络通信技术凭借短距离通信优势,以及在提升系统性能、减小通信时延、提高频谱与能量效率等方面的巨大潜力,成为行业研究热点。本文从博弈论的角度出发,研究D2D通信系统中资源分配问题,首先研究了复用信道资源下混合用户的功率控制问题,然后在此基础之上研究了混合用户联合资源分配问题,主要研究成果如下:1、研究D2D通信系统中功率控制问题。第一步,改进效用函数,传统能效函数仅能捕获瞬时数据流量,而无法获取特定时间段内数据流量的能效。为此,将吞吐量和终端使用时间之积作为效用函数,以终端使用时间内的吞吐量最大化为目标,并将其建模为非合作功率控制博弈(Non-cooperative Power Control Game,NPG)问题并得到其纳什均衡解。然而,理论分析表明该纳什均衡解非帕累托有效,故而引入功率线性代价函数来再次改进效用函数。最后,为了得到帕累托占优解,应用超模博弈理论研究该纳什均衡解的特性,并设计出一个低复杂度的双层迭代最优价格均衡求解算法。理论分析和仿真结果表明所提算法不仅提升系统效用值和终端使用时间,还可以保持系统公平性。2、研究D2D通信系统中联合资源分配问题。针对D2D通信系统联合资源分配中存在的基站(Base Station,BS)和用户之间同步交互复杂度高、信道分配不公平以及用户之间干扰严重等问题。以最大化联盟用户的总效用值为目标,提出了基于Shapley值一次拍卖的联合资源分配算法。其中每个D2D用户基于Shapley值一次性提交所有信道的出价,用户分配在其出价值相对较高的信道下。基于Shapley值的效用估计,可以评估用户对信道的平均边际贡献,进而将信道分配给贡献最大的用户,并提升用户联盟的总效用值、最大限度的利用信道资源和减少用户间干扰。为了进一步优化功率分配,在每个信道所组成的用户联盟中,使用帕累托占优解进行功率控制,进一步的减少干扰。理论分析和仿真结果表明,该算法不仅可以减少交互复杂度、降低总发射功率、减轻用户间干扰,还可以提升用户联盟总效用值、延长终端使用时间。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   §1.1 研究背景及意义
  •   §1.2 国内外研究现状
  •   §1.3 研究内容
  •   §1.4 本文结构安排
  • 第二章 D2D通信关键技术与博弈论
  •   §2.1 D2D通信
  •     § 2.1.1 D2D通信系统模型
  •     § 2.1.2 D2D通信分类
  •     § 2.1.3 D2D通信的优势
  •   §2.2 D2D通信关键技术
  •     §2.2.1 通信同步
  •     §2.2.2 用户终端发现
  •     §2.2.3 安全性
  •     §2.2.4 模式选择
  •     §2.2.5 干扰管理
  •     §2.2.6 联合资源分配
  •   §2.3 博弈论
  •     §2.3.1 博弈论的概念
  •     §2.3.2 合作博弈模型
  •     §2.3.3 非合作博弈模型
  •     §2.3.4 Stackelberg博弈模型
  •     §2.3.5 基于组合拍卖的模型
  •   §2.4 本章小结
  • 第三章 D2D通信中基于帕累托占优的非合作博弈功率控制算法
  •   §3.1 引言
  •   §3.2 系统模型
  •   §3.3 非合作功率控制博弈模型
  •     §3.3.1 NPG中纳什均衡解的存在性
  •     §3.3.2 NPG中纳什均衡解的唯一性
  •     §3.3.3 NPG的纳什均衡解
  •   §3.4 基于Pareto改进的纳什均衡解
  •     §3.4.1 NPG中效用函数的改进
  •     §3.4.2 NPGP中的纳什均衡解
  •   §3.5 仿真
  •   §3.6 本章小结
  • 第四章 D2D通信中基于Shapley值一次拍卖的联合资源分配算法
  •   §4.1 引言
  •   §4.2 系统模型
  •   §4.3 资源分配的效用函数
  •   §4.4 联合资源分配
  •     §4.4.1 信道分配
  •     §4.4.2 功率控制
  •     §4.4.3 资源分配的公平性
  •   §4.5 基于Shapley值一次拍卖的资源分配算法
  •     §4.5.1 算法设计
  •     §4.5.2 算法性能分析
  •   §4.6 仿真
  •   §4.7 本章小结
  • 第五章 总结与展望
  •   §5.1 本文工作总结
  •   §5.2 未来工作展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间的主要研究成果
  • 文章来源

    类型: 硕士论文

    作者: 苗春伟

    导师: 李民政

    关键词: 通信,功率控制,非合作博弈,帕累托占优,拍卖

    来源: 桂林电子科技大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,电信技术

    单位: 桂林电子科技大学

    分类号: O225;TN929.5

    总页数: 60

    文件大小: 1691K

    下载量: 153

    相关论文文献

    • [1].车辆网络多平台卸载智能资源分配算法[J]. 电子与信息学报 2020(01)
    • [2].面向5G网络的通信和计算资源分配算法研究[J]. 卫星电视与宽带多媒体 2020(05)
    • [3].基于云雾混合计算的车联网联合资源分配算法[J]. 电子与信息学报 2020(08)
    • [4].云计算资源分配算法[J]. 电子技术与软件工程 2017(06)
    • [5].基于深度学习的异构资源分配算法研究[J]. 信息技术 2020(01)
    • [6].基于Stackelberg博弈的无线网络资源分配算法[J]. 电子技术与软件工程 2018(22)
    • [7].基于网络切片的网络效用最大化虚拟资源分配算法[J]. 电子与信息学报 2017(08)
    • [8].超密集网络中基于能效最优的资源分配算法[J]. 电信科学 2017(10)
    • [9].基于校园场景的中继系统资源分配算法[J]. 船舶职业教育 2020(04)
    • [10].粒子群优化的时频联合资源分配算法[J]. 传感器与微系统 2016(05)
    • [11].一种基于多标拍卖的资源分配算法[J]. 北京理工大学学报 2015(03)
    • [12].一种基于网络切片的车联网联合资源分配算法[J]. 无线电工程 2020(06)
    • [13].联合资源分配算法在协作系统中的应用[J]. 计算机应用研究 2014(07)
    • [14].基于共享度的FPGA可重构资源分配算法研究[J]. 计算机应用与软件 2013(04)
    • [15].多业务OFDMA系统中一种低复杂度资源分配算法[J]. 数字通信 2010(05)
    • [16].异构无线网络干扰效率最大顽健资源分配算法[J]. 电子学报 2020(03)
    • [17].低能耗高效率的分布式跨层资源分配算法[J]. 西南师范大学学报(自然科学版) 2017(01)
    • [18].一种基于OFDM的认知无线电资源分配算法研究[J]. 移动通信 2016(10)
    • [19].基站自适应阵列天线码资源分配算法的比较研究[J]. 长沙大学学报 2014(05)
    • [20].虚拟网络资源分配算法分析[J]. 电信快报 2012(08)
    • [21].基于公平性原则的简化自适应资源分配算法[J]. 吉首大学学报(自然科学版) 2008(01)
    • [22].超密集网络中基于簇内用户分组的资源分配算法[J]. 微电子学与计算机 2018(04)
    • [23].智能电网中网络切片的资源分配算法研究[J]. 电力信息与通信技术 2020(08)
    • [24].基于在线拍卖的网络切片资源分配算法[J]. 电子与信息学报 2019(05)
    • [25].异构无线网络资源分配算法研究综述[J]. 重庆邮电大学学报(自然科学版) 2018(03)
    • [26].基于多中继解码转发的OFDM系统资源分配算法[J]. 电信科学 2016(04)
    • [27].分层认知无线电网络中基于稳定匹配的资源分配算法[J]. 电子与信息学报 2016(10)
    • [28].基于贝叶斯决策的网格计算资源分配算法[J]. 吉林化工学院学报 2013(07)
    • [29].基于并行基因表达式编程的网格资源分配算法[J]. 电子学报 2009(02)
    • [30].超密集部署下基于双向干扰图的资源分配算法[J]. 华中科技大学学报(自然科学版) 2019(01)

    标签:;  ;  ;  ;  ;  

    D2D通信系统中基于博弈论的资源分配算法研究
    下载Doc文档

    猜你喜欢