买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京信息科技大学申请的专利一种密集异构网络中能量和频谱效率优化资源分配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114025432B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111457952.2，技术领域涉及：H04W72/566；该发明授权一种密集异构网络中能量和频谱效率优化资源分配方法是由陈硕;靳冬慧;王占刚设计研发完成，并于2021-12-02向国家知识产权局提交的专利申请。

本一种密集异构网络中能量和频谱效率优化资源分配方法在说明书摘要公布了：本发明提供了一种密集异构网络中能量和频谱效率优化资源分配方法，将密集异构网络中下行链路的资源分配问题建模为以系统的能量效率和频谱效率为优化目标的多目标优化问题，优化模型不仅联合优化了两种网络性能且同时考虑了小蜂窝和宏蜂窝的网络性能，以减轻小基站的密集部署对宏蜂窝造成的跨层干扰，解决资源分配只联合优化小蜂窝网络能量效率和频谱效率没有考虑宏蜂窝网络性能的问题，通过能量效率和频谱效率联合优化的资源分配方法求解所建立的多目标优化问题，所提方法不仅降低了问题的复杂度而且效率高，解决传统的优化方法在求解结构复杂且规模庞大的密集异构网络中的多目标优化问题时复杂度高且效率低的问题。

本发明授权一种密集异构网络中能量和频谱效率优化资源分配方法在权利要求书中公布了：1.一种密集异构网络中能量和频谱效率优化资源分配方法，包括密集异构网络，所述的密集异构网络包括一个宏基站、N个小基站，宏基站关联M个宏基站用户，小基站Bn关联Un个小基站用户，其特征在于，包括以下步骤S1:建立信干噪比SINR模型，S2:建立用户速率模型，S3:建立系统容量模型，S4：建立系统功率和系统带宽模型，S5:建立系统能量效率EE和频谱效率SE模型，S6:建立密集异构网络中基于能量效率和频谱效率联合优化的资源分配优化模型，S7:能量和频谱效率优化资源分配方法；所述密集异构网络中N+1个基站的集合表示为B＝{B0,B1...Bn...BN}，其中B0代表宏基站，B1-BN代表N个小基站，宏基站关联M个宏基站用户，集合表示为MUE＝{MUE1,MUE2,...MUEm,...MUEM}；小基站Bn关联Un个小基站用户，集合表示为BnUE＝{1,2,...un,...Un}；网络以OFDMA技术为基础，频谱共划分为K个资源块，每个资源块带宽B相同，资源块的集合表示为RB＝{RB1,RB2...RBk...RBK}；所述S1建立信干噪比SINR模型，若MUEm被分配了RBk，则MUEm在RBk上的SINR为 其中，是宏基站在RBk上到MUEm的信道增益， 是MUEm在RBk上受到的来自其它小基站的干扰总和，N0是噪声功率；若Bn关联的un被分配了RBk，则un在RBk上的SINR为 其中是Bn对un的发射功率，是Bn在RBk上到un的信道增益，是un在RBk上受到的来自宏基站的干扰，是un在RBk上受到的来自其它小基站的干扰总和；所述S2:建立用户速率模型中；根据香农公式分别得到MUEm和un的速率 所有MUE的速率总和为 Bn关联的小基站用户的速率总和为 所述S3:建立系统容量模型中；系统容量表示为 所述S4：建立系统功率和系统带宽模型中；每个基站的功率包括发射功率和电路功率两部分,系统中总功率为 其中，PMC是宏基站的电路功率，PSC是小基站的电路功率；系统中消耗的总带宽是所有用户占用的带宽总和表示为： 其中若表示RBk被占用，否则未被占用；所述S5:建立系统能量效率EE和频谱效率SE模型；系统能量效率和频谱效率分别为 所述S6:建立密集异构网络中基于能量效率和频谱效率联合优化的资源分配优化模型；在资源块、发射功率和宏基站用户SINR阈值约束条件下，同时对资源块和发射功率进行分配，以联合优化系统的能量效率和频谱效率，多目标优化问题表述为： s.t.C1:C2:C3:C4:C5:C6:其中，C1-C3表示每个小基站用户只能分配一个资源块及关联同一个小基站的用户间分配不同的资源块；C4-C5表示小基站对其关联用户的发射功率为正值且总发射功率不能超过其最大总发射功率PST；C6表示每个宏基站用户在其占用的资源块上的信干噪比不能低于阈值γmin；S7:能量和频谱效率优化资源分配方法：S71:选取方法中的代理，定义代理的状态、动作和奖励；针对所研究的密集异构网络场景，选取网络中的宏基站作为代理，根据优化问题的决策变量、约束条件及优化目标定义代理的动作、状态和奖励，所述动作中代理的动作决定了资源分配策略，代理为每个小基站用户分配一个资源块和小基站在该资源块上的发射功率，将小基站的发射功率离散化为D个等级，代理的动作集合包含一个频谱分配动作集合和一组发射功率分配动作集合，表示为 式中，A表示动作；所述状态中为了保证宏基站用户的最低SINR需求，定义状态集合S＝{0,1}，执行的动作满足每个宏基站用户在其占用的资源块上的最低SINR需求，则状态s＝1，否则s＝0；所述奖励中代表优化目标，表示为R＝[REE,RSE],其中REE是以能量效率为目标的奖励、RSE是以频谱效率为目标的奖励，F是存储向量EE,SE的集合；S72:制定代理的动作选择策略；代理采用随机数x，x∈0,1，贪婪率ε，ε∈0,1，若x＜ε，则选择最优动作，反之，则随机选择动作，ε的值随迭代次数的增加而增大表示为： 其中，ε0是设定的初始贪婪率，episode是代理已完成的迭代次数，max-episode是设置的最大迭代次数，S73:设定方法参数；设定能量效率权重WEE、频谱效率权重WSE、学习率α、折扣率γ、初始贪婪率ε0、最大迭代次数max-episode的值，其中WEE∈[0,1]、WSE∈[0,1]且WEE+WSE＝1；S74:方法初始化；初始化TQ、QEE、QSE、存储向量EE,SE的集合F；S75:初始化状态s；S76:根据贪婪策略选择动作；S77:计算EE、SE；S77:根据状态定义得到新的状态s'；S79:计算奖励；S710:更新Q值；在动作选择策略π下，状态s时执行动作a，以能量效率和频谱效率为目标的Q值更新公式分别为： S711:归一化Q值；为了反映不同目标Q值的公平性，需要对向量qEE和qSE分别进行归一化 其中最小值映射到0并且最大值映射到1；S712:更新TQ值方法的关键在于建立能够合理表示偏好的合成目标Q值TQπs,aTQπs,a＝WEEscaleqEE+WSEscaleqSES713:更新状态：s＝s'；S714:当s＝1，重复执行步骤S75-S713，直到完成设定的最大迭代次数，输出F中的最优解，即最优能量效率和频谱效率，否则，重复执行步骤S76-S712。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京信息科技大学，其通讯地址为：100192 北京市海淀区清河小营东路12号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。