基于移动边缘计算的NOMA异构网络资源分配
发布时间:2024-03-10 08:17
以最大化缓存收益为目标,针对部署缓存的NOMA异构网络下的基站用户匹配及功率分配问题,结合消息传递及DC规划提出了NOMA联合优化算法。首先将约束条件合并到目标函数中,通过计算新的优化问题中函数节点与变量节点间消息传递的边缘得到用户协同结果;然后将原优化问题变形为2个凸函数差的形式,通过DC规划对功率资源进行分配;最后迭代计算得到最终的用户协同及功率分配结果。仿真结果证明所提算法有效地提升了网络性能。
【文章页数】:7 页
【部分图文】:
本文编号:3924502
【文章页数】:7 页
【部分图文】:
图2消息传递因子将式(5)代入式(8)可得函数节点lC向变量节点
第4期张海君等:基于移动边缘计算的NOMA异构网络资源分配·29·()1~,()min(,,)()rjirjgxjrJxgixiJirmxgxxmx→→∈≠=+∑(8)变量节点x与函数节点()lCx和()kWx之间的消息传递路径如图2所示。将式(4)代入式(8)可得函数节点kW向....
图3系统容量随总发射功率的变化曲线
·32·通信学报第41卷效率,而在能效功率分配过程中,系统的功率消耗和系统容量存在权衡,在权衡的过程中随着总发射功率的增大,能效先达到最大值然后逐渐降低。从图中可以看出,NOMA联合优化算法的缓存收益高于MPFT-RA次优化算法和OFDMA方案。在总发射功率为25W时,NOMA联....
图4缓存收益随总发射功率的变化曲线缓存收益随电路能耗和总发射功率的比值的
·32·通信学报第41卷效率,而在能效功率分配过程中,系统的功率消耗和系统容量存在权衡,在权衡的过程中随着总发射功率的增大,能效先达到最大值然后逐渐降低。从图中可以看出,NOMA联合优化算法的缓存收益高于MPFT-RA次优化算法和OFDMA方案。在总发射功率为25W时,NOMA联....
图5缓存收益随电路能耗和总发射功率的比值的变化曲线
效率,而在能效功率分配过程中,系统的功率消耗和系统容量存在权衡,在权衡的过程中随着总发射功率的增大,能效先达到最大值然后逐渐降低。从图中可以看出,NOMA联合优化算法的缓存收益高于MPFT-RA次优化算法和OFDMA方案。在总发射功率为25W时,NOMA联合优化算法的缓存收益较M....
本文编号:3924502
本文链接:https://www.wllwen.com/kejilunwen/wltx/3924502.html
教材专著