基于反向拍卖的小蜂窝异构网络绿色卸载方案

摘要

小细胞被视为提供热点容量和更高数据速率的有希望的主张。然而，即使具有密集的小型电池部署场景，仍然存在繁忙的流量负载压力和小电池异构网络（HetNet）的低能量效率。因此，如何充分利用HetNet环境下的密集部署的小型电池成为研究的焦点。卸载提供了一种可行的解决方案，可以促进宏小区和小型电池之间的合作，以供用户流量支持。在本文中，我们提出了基于反向拍卖的绿色卸载（GO）方案，以实现能效改进。所提出的GO方案采用反向拍卖理论来处理卸载决策过程，旨在在用户服务质量（QoS）要求，带宽和传输功率限制的限制下最大化系统能效。此外，反向拍卖模型为多个获奖者的情况提供了多单元间协调传输的设施。带有限制的能效优化问题通过动态规划方法解决了Karush-Kuhn-tucker（KKT）条件。还证明了反向拍卖模式的个性合理性和真实性。通过在长期演进 - 高级（LTE-A）系统下，仿真结果显示所提出的GO方案的能效性能，仿真结果显示了所提出的GO方案的改进。

1.介绍

随着无线通信的快速发展，不断增长的移动通信需求与有限的无线资源之间的矛盾日益突出。许多项目预测在10年内(2010-2020年)移动数据流量将增长500倍以上[1]．为了满足这种巨大的需求，在室内和室外环境中都部署了许多小型电池，用于热点容量改进[2]．此外，第五代移动通信系统(5G)的相应研究和标准工作正在如火如荼地进行[3.那4.]．对于未来的5G网络，小蜂窝异构网络(HetNet)被认为是满足容量蓬勃发展需求的重要解决方案。

小型小区HetNet的部署提供了增强的容量和可扩展的覆盖范围，并减轻了宏小区沉重的流量负担。依靠上述优势，世界各地的移动运营商现在都热衷于部署小型蜂窝HetNet。据统计，已经部署的小单元总数已经超过宏单元数[5.]．尽管有很多小细胞已经密集地部署了许多小细胞，但只依靠增加小细胞的空间密度不是一种实现不断增长的需求的经济上可持续的方式。因为新的基站（BS）的部署以及能量消耗等大的费用，所以铺设专用回程和网络重新扫描过程，因此，如何采取已经部署的宏小区和小单元BS的完全优势成为键发布移动行业。为了解决这个问题，研究一直在逐步关注卸载策略，这被认为是提高网络利用密集部署的小型电池Hetnets的网络[6.那7.]．

卸载是在一定条件下将流量负荷从一个网络转移到另一个网络的技术，通常是在流量负荷较大或网络效率较低的情况下进行的。一个典型的传统卸载应用程序的场景是关于蜂窝网络和无线保真(WiFi)网络。通过将蜂窝网络的流量卸载到WiFi网络，可以缓解蜂窝网络的负载压力[8.]．近年来，一些研究对蜂窝网络内的卸载方案进行了细化，以减轻宏小区不断增加的流量负担。作者的9.]分析可以从宏小区卸载到飞小区的流量比例，以增加系统容量。宏小区和蜂窝小区同轴HetNets的卸载增益在[10]．除了提高容量目的外，在卸载过程中也考虑了能源效率指标。在 [11[系统，通过将高质量的服务（QoS）需求流量卸载到毫微微小区，改善了系统能效。但不同用户之间的公平被忽视。在 [12]，通过分析计算验证了宏小区和蜂窝小区正交频分多址系统的卸载增益。然而，没有考虑传输功率的分配。利用宏单元和皮单元之间的信息交换，提出了一种基于分数频复用的流量卸载(TOFFR)算法，以提高系统的能量效率。13]．作者在14]提出了一种基于反向拍卖机制和贪婪算法的流量卸载方案，该方案激励家庭蜂窝所有者租用其未充分利用的频谱，以提高HetNets的网络性能。

从上述研究的分析中，卸载过程中采用了几种方法。采用随机几何形状分析卸载增益的统计状况[9.]．通过卸载研究探索博弈论方法[15那16]．此外，拍卖理论也用于支持卸载目标决策和网络性能改进[10那14那17那18]．前向拍卖模型应用于[10]用于不同运营商之间的卸载。参考文献(14那18]采用反向拍卖模型来建立卸载程序;还分析了所提出的模型的性质。我们还应用了前向拍卖模型，以提高HetNet中卸载的系统能源效率[17]．

在经济学中，拍卖是确定具有价值价格的物品价值的一种常用手段。目前，拍卖理论已被广泛应用于各个领域，如认知网络中的动态频谱管理[19]和HetNets的混合接入[20.]．拍卖模型特别适用于需要使用定价问题的信息交换和目标的过程。目前采用的大多数拍卖模型是前进拍卖，这通常涉及单个卖家和多个买家。买家派出竞标以竞争卖方出售的物品。前瞻性拍卖模型在处理多个运营商之间的决策时受欢迎，以获得最低成本[10，而反向拍卖模式可用于一个买家希望以合理价格从多个卖家获得服务的情况[21.]．卸载过程恰好适用于卸载用户被视为买方的反向拍卖应用，而候选BSS则作为卖家。因此，在本文中，在卸载研究中采用了具有第一价格密封机构的反向拍卖过程。反向拍卖模式涉及单个买方和多个卖家，买方根据多个卖家发送的出价将接受其投标的决定。

对于在小单元HetNets中研究的卸载过程，有两个主要考虑适用于反向拍卖模型:（1）卸载用户需要选择目标BS，该目标BS被建模为一个“买方”，其中包含多个“卖家”。卸货用户充当买方，以从多andandide BSS作为卖家服务。候选人BSS提供其投标，以竞争卸载用户的服务机会，可以提高他们的性能，例如吞吐量或资源/能源效率。（2）上述由候选BSs提供的“出价”可以是它们可用的子载波和传输功率。“买家”需要支付由反向拍卖确定的价格来获得服务，其中价格通常被定义为出售目标决策的机会成本。

为了提高密集小型电池Hetnet部署方案的系统能源效率，我们通过基于Vickrey-Clarke-Grove（VCG）的反向拍卖模型提出了绿色卸载（GO）方案[22.]．将激活小单元，以帮助从宏小区卸载流量，这允许操作员表达对密集部署的Hetnets的不同偏好。反向拍卖模型的属性，如IndividualRationality和，证明了所提出的反向拍卖机制的最优性。

本文建立了基于首价密封竞价机制的逆向拍卖模型。以用户保证QoS要求为约束，对卸载过程中的能效优化问题进行建模。该优化问题采用KKT条件和动态规划方法求解。针对所建议的基于反向拍卖的GO方案进行系统级仿真评估，并采用现有方案[13那14)作为比较。

本文的贡献包括三个方面:（1）在第一价格密封竞价机制下的卸载方案设计中，探讨了反向拍卖模型，该模型很好地匹配了具有有限谈判和延迟的基于移动性的卸载过程。（2）BS协调传输也支持多个获胜的投标人。（3）系统能量效率改进的优化以保证的用户吞吐量在卸载目标决策中得到了保证，并重新分配资源块和传输功率。

本文的其余部分组织如下。节2，描述了系统模型，并阐明了本文中应用的反向拍卖模型。基于对小细胞Hetnet的基于反向拍卖的GO方案3.．节4.，仿真结果呈现并讨论了比较方案。最后，在一节中绘制了结论备注5.．

2.系统模型

在本节中，制定了所提出的基于反向拍卖的GO方案的系统模型。首先将引入网络部署方案，并且之后描述基于反向拍卖模型的符号定义。

2.1。部署方案

本文主要研究小单元和宏单元覆盖的HetNet部署方案。根据第三代合作伙伴计划(3GPP) LTE-A标准，由于可用频谱的稀缺，宏蜂窝层和小蜂窝层将不可避免地采用共享频谱的方式部署。在本文中，我们将重点讨论考虑跨层干扰的共享频谱场景，这更符合实际。此外，协调技术，如3GPP定义的协调多点传输/接收(CoMP) [23.]，在上面的小小区HetNet部署方案中支持。COMP将为细胞边缘吞吐量和能效带来益处，这有助于卸载用户通常位于单元边缘区域。

为了解决未来高通信量需求的密集部署场景，每个宏小区覆盖区域由几个小小区集群覆盖，根据3GPP模拟方法，这些小区集群的数量将为1个、4个或10个[24.]．每个小型细胞簇包括几个小型电池BS，其数量为4或10 [25.]．与典型的宏单元部署相比，小单元集群和小单元BSs的规划要少得多。

基于3GPP中小蜂窝HetNet部署的标准讨论[26.]，宏单元将负责两个宏单元的控制平面，并在其覆盖范围内定位小单元。小单元层的主要职责是从宏单元卸载高数据速率服务，而宏单元层处理低数据速率流量和高移动性用户。这是典型的HetNet实际部署需求。用户的流量模型是文件传输协议(FTP)模型1作为全缓冲区[23.]．在用户QoS保证的约束下，卸载过程中系统能量效率将是优化目标。

由于用户移动性的原因，卸载操作的切换方案不同于标准的切换准则。对于小小区HetNets, 3GPP还讨论了由3GPP标准定义的具有小区范围扩展(CRE)的宏到小小区的新的切换准则[27.]．在CRE的辅助下，可以通过偏置增加小单元的下行参考信号接收功率(RSRP)。通过这种方式，用户将被鼓励进行切换到小单元，这将有助于实现转移用户或负载平衡操作的切换。

2．2．反向拍卖

本节给出了GO方案的一个典型实现场景。考虑到密集小单元HetNet中用户巨大的流量卸载潜力，基于反向拍卖模型的流量卸载方案适合于激励用户进行流量卸载，从而实现更高的系统能量效率。数字1用逆向拍卖模型描述了卸载过程的典型场景。根据反向拍卖模型，用户设备(UE)作为买家，在BS提供的带宽和传输功率资源为卸载终端服务的交换中，保证了更高的系统能源效率。当终端请求数据传输时，它当前服务的BS被鼓励将卸载请求广播给它所有邻近的BSs。所有接收请求的BSs将把它们的出价和可用资源发送到终端当前正在服务的BS。信息包括在每个出价包含可用带宽和传输功率的数量，将提供给卸载用户。然后，终端的当前服务BS计算每个投标人可以提供的吞吐量，以决定是否能够满足终端的QoS要求。

出售的目标BS将是反向拍卖过程的赢家。判断中标者的条件可以设定为卸载过程的最优目标。本文提出的基于反向拍卖的GO方案的最优目标是在终端最小吞吐量要求和竞标者在卸载过程中可用资源的条件下，使系统能量效率最大化。基于反向拍卖的GO方案包括两个步骤:和．

在步骤，UE的当前服务BS决定哪些投标人将是拍卖获奖者。如上所述，在卸载方案中支持不同BS之间的协调技术。因此，获胜者可以是一个具有相同投标的BS或几个BSS。

在步骤，系统能效的提高被评估为从UE的付款。最后，UE的当前服务BS将拍卖结果发送到具有所需资源和预期能效增量的投标人。然后，将开始卸载的切换过程。如图所示1，获胜的投标人是BS1和BS3一起赢得反向拍卖，并被指定为卸载目标BSS，以协调UE。

为了更清晰地呈现基于反向拍卖的GO方案，将相关符号定义引入如下:报价 ：由此提交为了传送到卸载UE可以提供多少带宽和传输功率，这可能并不总是等于BS可以提供​​的所有可用资源。私人价值 中可用的资源，这唯一只知道本身。定价 的机会成本BS，确保系统能效最大。

根据拍卖理论，当条件满意，拍卖过程是真实的。而且，是一个弱优势的策略[20.]．因此，在本文中，我们设置假设参与拍卖过程的所有投标人将以其提供的所有可用资源发送出价，这保证了反向拍卖模型的真实性。

虽然我们已经设置了等于PrivateValue而基于反向拍卖的多目标BSs GO方案仍然是NP-hard问题。为了解决这个问题，在下一节中设计了一个近似算法。算法中使用的符号在符号定义中介绍。

2．3．用户延迟容忍

基于反向拍卖的GO方案将在服务BS定期收到卸载请求时启动。在传统的拍卖过程中，通常存在多轮竞价程序以获得最终的赢家。这个过程不可避免地会产生额外的延迟，让BSs等待拍卖结果。但对于无线网络，用户流量通常有时延容忍度要求，在卸载方案中需要考虑。因此，本文实现了单轮拍卖，以防止用户的信息交换开销和相应的延迟。由于围绕特定UE的BSs数量是有限的，由单轮首次价格密封投标拍卖过程引起的额外延迟可能不显著。这种延迟避免机制对于通常需要更多时间进行测量和切换决策的基于切换的卸载方案也是可行的。

3.基于反向拍卖的GO方案

在本节中，描述了所提出的基于反向拍卖的GO方案。所提出的GO方案的主要步骤在图中给出1．首先，UE当前的服务BS根据卸载请求，从相邻的BSs中收集所有的投标。然后服务BS计算所有投标人可以提供的吞吐量，并得出每个候选BS的期望能效增量。基于所得的吞吐量和能源效率增量，进行了单轮反向拍卖过程和步骤。最后，拍卖结果被返回给竞标者，用户将被相应地卸载给获胜者。

3．1．投标

为了对卸载过程做出贡献，投标人将在他们的出价中附加可用资源，以揭示他们可以为卸载用户提供的吞吐量。对于每个投标人，BS可以提供的带宽和传输功率的上界为和， 分别。和可分为多个单位和分类为多个投标表示终端可以从每个投标人处获得的资源，其中．是基本带宽单位;是投标人的基本传动动力单元。这包括带宽和传输功率资源。在收到所有投标后，UE的当前服务BS可以知道每个投标人可以提供的价值不大于的资源数量和．带宽和传输功率单元的规模可以由系统灵活地设定。较小的单元定义导致更多的信息在投标中，这提高了拍卖过程的性能。但它也会产生更多的计算成本和增加复杂性。在本文中，一个资源块(RB)和选择W传输功率作为基本带宽单元和传输功率单元。我们选择因为下一小节将采用动态规划来解决优化问题，其中动态规划方法需要整数数据。

3．2．储备拍卖算法

如上所述，反向拍卖过程包括两个步骤和．

3.2.1之上。分配

在传统的反向拍卖过程中，分配结果完全由投标方决定;也就是说，提供最大资源供应的竞标者将赢得拍卖。而本文除了考虑投标人所能提供的资源外，还应考虑投标人所实现的能源效率。假设和表示分配结果，其中是RBBS可以提供​​和如果是第一个RB不需要th bs。表示传输功率BS可以传送和传输电源打开了吗．如果或等于零,BS在这个拍卖过程中失败了。

这问题是这样表述的

在 （1)，表示吞吐量;表示对来自所有投标人的每个RB的传输电源的期望。是系统能源效率和．

在 （2)，信道增益是否在BS和UE，哪里是之间的距离吗BS和UE。是路径损失指数BS。为瑞利衰落分量。表示对数正态分布阴影衰落。此外,UE上是否存在干扰th rb，在哪里传输电源在吗这个RB来自BS。信道增益是否在BS和UE。二进制变量是否代表活动因子BS。是热噪声水平和为卸载终端的保证吞吐量阈值。

约束(3.）表示RB可以被占用或空置。约束(4.）表示投标人可以是宏小区BS或小型电池BS。在 （5.） 和 （6.)，我们在相应的RB中给出了对传输功率的要求，其中和分别为宏小区BS和小小区BS的功率限制。

为了方便解决这个问题，我们转换（1），（2）， 和 （3.)改为以下形式:

假设为自变量时，Karush-Kuhn-Tucker (KKT)条件为

方程(8.)改为(15）通过采取衍生物作为

这是有道理的，哪里和非零值。因此,, (9.）显示,在那里

当卸载过程被触发时，被卸载的用户流量需求和参与拍卖的BSs数量是已知的。KKT条件证明(9.)是保证吞吐量的需求。这问题转化为解决，可以简化为线性目标函数．

因为上面的问题是一个线性问题，很容易发现这是一个多重背包问题。为了便于求解，我们将其转化为0-1背包问题。有BSS参加拍卖;这BS资源分为可以装进背包的独立“物品”。这将得到一个0-1的背包问题，其中物品的数量是．如果我们直接解决这个问题，计算复杂度将会增加．为了降低复杂度，我们设计了另一种算法，具体方案如下。

如上所述，BS带宽资源由多个RB组组成。在二进制条件下，对原有的多背包问题进行转换后，仍然可以保证选择任意多资源包策略。一个有资源块分别分为几个RB组，其中这些RB组分别具有资源块。这th废话了不同RB组参与0-1背包问题。

初始化如下:背包重量为，这是卸载用户流量要求．的起始值那．和th废话了阶段。

将所有RB组重新编号，容量是阶段，表示th rb组，对应值为．

的容量阶段是

对应的值是

迭代方程将是

在 （20.)，舞台上传输功率的最小值是多少．根据当前阶段表示包的剩余空间。选择时表示提供的容量阶段。表示选择时提供的传输功率阶段。计算复杂度降低为．

提议算法说明在算法1与和．

在算法1，首先选择每个投标人的发送功率，并且基于传输功率分配结果确定相应的带宽。正如先前所说，采用W作为基本传输功率单元，动态规划中需要整数数据。因此，取值范围是由至或．直线(）和线（）算法1意味着投标人的传动功率应选择最大并保证卸载用户的吞吐量阈值与此同时，在哪里的能量效率投标人。实现动态规划后，算法结果1那和那将是所提出的反向拍卖过程的最佳分配解决方案。

3.2.2。定价

在传统中算法，鼓励投标人真实设置自己的出价，如前所述。因此，在本文中，相应的投标人所获得的相同的能源效率得到了回报。关于卸载用户吞吐量阈值,我们定义和(21.） 和 （22.)如下: 在哪里为系统最优能量效率解决方案没有存在BS。这表示系统能量效率在最佳最佳下的BS结果。机会成本BS被定义为两者之差和，正如所示（23.) [19)如下:

这算法作为算法给出2．

3．2．3．属性

在本节中，分析了所提出的反向拍卖模型的特性。根据基于VCG的反向拍卖模型IndividualRationality和性质需要被证明。

IndividualRationality．当每个投标人参与效用阶段大于零，该算法是每个获胜投标人的个性合理。即，

．对于每一位投标人来说，真实是指每一位投标人的出价等于其私人价值。这是一种弱优势策略。如果BS的投标是不真实的，能源效率不太可能是最大的。为了得到最大的能源效率，分配应表述如下:

基于本文所提出的模型，因为和,这意味着．当且仅当，可以取等号。因此，每个投标人必须诚实，以获得最大的系统能源效率。证明结束了。

4.绩效评估

在本节中，我们根据3GPP LTE-Advanced仿真方法构建了系统级仿真平台[23.]．基于该平台，我们验证了基于REVERSE拍卖的GO方案的性能，其中小单元HetNet下行链路场景中的比较算法。

4．1.模拟设置，性能指标和比较算法

本文所考虑的模拟场景包括19个六边形宏单元，每个宏单元3个扇区。在每个扇区中，有一个以共享频谱方式部署的小蜂窝集群。小细胞簇是一组密集分布的小细胞。我们部署用户在小单元集群的覆盖范围内，而剩余的用户分布在宏小区的覆盖区域中。用户均匀分布。此外，如上所述，模拟中的带宽资源粒度是一个RB。在初始状态下，每个用户由BS提供，可以提供最高下行链路RSRP。一旦请求新的流量卸载要求，触发了基于反向拍卖的GO方案。详细的仿真参数根据3GPP LTE-Advanced小小区HetNet评估方法[24.]．这些参数列在表中1．

性能指标包括系统能效，卸载增益和吞吐量。在本文中，卸载增益的指标（)定义为 在哪里表示卸载吞吐量和表示总系统吞吐量。卸载增益是一个关于可以卸载多少交通负荷以提高能源效率的更直接的符号。

为了评估所提出的GO方案的性能，我们将其与[中提出的ToffR算法进行比较13]及在[14，已在相关工作中作了介绍。仿真结果如下所示。

4．2.小电池数量对能源效率的影响

根据3GPP模拟假设，有分布在小型小区集群的覆盖范围内，而剩余的UE在宏小区的剩余区域中均匀分布。在本节中，研究了在系统能效的集群中展开小细胞部署密度的影响。根据3GPP仿真方法，簇中的小小区的数量从4到10变化。

如图所示2，证明了不同算法在小单元数下的系统能量效率。我们可以看到，随着小单元数的增加，系统的能量效率提高。原因在于，在热点部署场景下，由于传输功率衰减较低，小型电池通常可以提供比宏电池更高的能源效率。当一个宏单元中存在更多的小单元时，更多的用户流量可能被潜在地卸载到小单元中。因此，可以进一步实现更高的系统能效。

但是当小细胞的数量大时，系统能量效率略有增加。这是因为当小单元更密集地部署时，Intercell干扰将更严重，表示要求更大的传输功率以确保相同的用户吞吐量。此外，从结果中的结果2，我们已经证明，拟议的GO方案优于ToffR算法和激励方案，而不管每簇部署的小细胞密度。在ToffR算法中，采用分数频率重用方案来改善小区边缘的UE性能。位于中心地区的UE不能有助于能效改善。激励的方案侧重于最大化在毫微微蜂窝中购买可用未使用的带宽的卸载实用程序。因此，所提出的GO方案具有比它们的更好的能效性能。

我们还将这三种卸载算法与无卸载情况(在模拟中表示为w/o卸载)作为基线进行了比较。很明显，当采用卸载方案时，更多原本由宏单元服务的用户流量将被主动卸载到小单元。因此，所有的卸载方案，包括提出的GO方案、TOFFR算法和激励算法，都实现了更高的系统能效。

4．3．小蜂窝数对卸载增益的影响

如图所示3.，抛出卸载增益与每个群集的不同小单元号。我们可以观察到卸载增益随着小细胞数而增加，由于每个簇的小细胞数增加。此外，为了最大限度地提高系统能效，卸载吞吐量的量有限，如图所示3.．当卸载增益达到时，相对于小细胞数量的上升变得相当缓慢。仿真结果进一步表明,提出的方案优于TOFFR算法和鼓励方案不仅节能,而且还将增加,因为在TOFFR算法和激励计划将主要集中在细胞边缘用户,这限制了性能改进。此外,图3.结果表明，三种方案的小蜂窝数的增加都将达到一个平稳期。原因在于在模拟中总是有几个特定的用户不在小单元群的覆盖范围内。就像之前提到的，在小蜂窝群覆盖范围内部署终端，仿真结果也表明，三种算法的卸载增益限制只能达到接近，这反过来表示卸载限制将由用户的分发和位置决定。

4．4.小小区数对小小区吞吐量的影响

在本节中，将研究不同小蜂窝数对小蜂窝集群吞吐量的影响。从图4.，我们可以看到吞吐量随着每簇的小小区号增加而增加。原因是，在卸载过程后，小单元将由更多用户提供服务。此外，当每个群集的小单元数相对较大时，吞吐量增量缓慢生长。这是因为由密集小型电池部署引起的Intercell干扰的增加。最后，结果中的结果4.据证明，所提出的GO方案始于ToffR算法和激励算法，也就小的小区集群吞吐量。

5.结论

本文旨在解决有关如何在小型电池HetNet部署中执行卸载的问题，并优化最大限度地提高系统能量效率。反向拍卖理论已通过所提出的GO方案设计实现，以决定具有协调传输技术的卸载目标BS或BS。反向拍卖模型由多个卖家（BSS）和单个买方（卸载用户）配制，具有第一个价格密封的出价机制。对于多个获胜的投标人方案，也支持BS协调传输。根据所提出的基于反向拍卖的GO方案，通过具有KKT条件的动态编程方法解决了用户保证吞吐量阈值，带宽占用和传输功率限制的限制的能效优化问题。本文还证明了基于VCG的反向拍卖模型的个性合理性和真实性。已经进行了系统级模拟以验证根据3GPP LTE-Advanced评估方法的提出的GO方案的有效性。应用GO方案，比较方案和基线而无需卸载情况的性能，通过能效，卸载增益和吞吐量的性能度量评估。仿真结果证明了所提出的GO方案可以实现至高无上的性能。

符号的定义

：	投标
：	带宽分配结果
：	权力分配结果
：	b的带宽分配结果
：	b的功率分配结果
：	子载波在BS.
：	传动功率在
：	先发投标BSS.
：	能源效率。

利益争夺

作者们宣称他们没有相互竞争的利益。

致谢

本文得到了中国国家高科技研发计划的支持。2014AA01A701，中国自然与科学基金会授予助剂。61471068和61421061，国际合作项目编号。2015DFT10160和国家重大项目编号。2016ZX03001009-003。

参考

1. T. Nakamura，S. Nagata，A. Benjebbour等，“LTE的小型细胞增强趋势”，IEEE通讯杂志，卷。51，没有。2，pp。98-105,2013。视图:出版商网站|谷歌学者
2. W. Ni和I. B. Collings，“一种新的适应性小细胞结构，”在通信中选定区域的IEEE日记帐，卷。31，不。5，PP。829-839,2013。视图:出版商网站|谷歌学者
3. L. Hanzo, H. Haas, S. Imre, D. O'Brien, M. Rupp, L. gyongyoosi，《无线的神话、现实和未来:从3G/4G到光和量子无线》，IEEE学报，第100卷，第1853-1888页，2012。视图:出版商网站|谷歌学者
4. METIS 2020项目——奠定5G基础那https://www.metis2020.com/．
5. “小手机市场状况，”白皮书，信息和小细胞论坛1, 2013。视图:谷歌学者
6. D. Calin, H. Claussen和H. Uzunalioglu，“关于联合宏-飞秒部署的飞秒部署架构和宏单元卸载的好处，”IEEE通讯杂志，卷。48，不。1，pp。26-32,2010。视图:出版商网站|谷歌学者
7. 机票的。Sou，“3GPP核心网的移动数据卸载策略和收费控制”车辆技术的IEEE交易，第62卷，第2期。7, 3481-3486页，2013。视图:出版商网站|谷歌学者
8. J.Korhonen，T. Savolainen，A. Y. Ding和M. Kojo，“朝着网络控制的IP流量卸载”IEEE通讯杂志，卷。51，没有。3，pp。96-102，2013。视图:出版商网站|谷歌学者
9. H. Elsawy, E. Hossain和S. Camorlinga，“两层家庭蜂窝网络中的流量卸载技术”IEEE通讯国际会议的诉讼程序（ICC'13）2013年6月，匈牙利布达佩斯，IEEE, 6086-6090页。视图:出版商网站|谷歌学者
10. Z. Lu, P. Sinha和R. Srikant，“EasyBid:通过小玩家实现手机卸载”，在第33届IEEE计算机通信会议的诉讼程序（IEEE Infocom '14），第691-699页，IEEE，多伦多，加拿大，2014年5月。视图:出版商网站|谷歌学者
11. M. Usman, A. Västberg和T. Edler，“通过femto卸载高QoS用户的高效能源高容量HETNET”，在第17届IEEE国际网络国际会议的诉讼程序（图标'11）第19-24页，新加坡，2011年12月。视图:出版商网站|谷歌学者
12. P. Chandhar和S. S. Das，“宏蜂窝-蜂窝OFDMA网络中卸载增益的分析评估”，载于IEEE第77届车辆技术会议的诉讼程序（VTC Spring '13），pp.1-6，2013年6月。视图:出版商网站|谷歌学者
13. Liu Q.， Feng G.， and S. Qin， " energy - energy traffic offloading in macropico networks， " in第22届无线和光通信会议论文集(WOCC '13)，第236-241页，IEEE，重庆，中国，2013年5月。视图:出版商网站|谷歌学者
14. Y.Jia，M. Zhao，K. Wang和W.周，“在异构网络中的真实拍卖”的激励卸载机制，“第六届无线通信与信号处理国际会议论文集(WCSP '14)1-6页，中国合肥，2014年10月。视图:出版商网站|谷歌学者
15. L. Gao, G. Iosifidis, J. Huang, L. Tassiulas, and D. Li，“基于议价的移动数据卸载”，在通信中选定区域的IEEE日记帐，卷。32，不。6，pp。1114-1125，2014。视图:出版商网站|谷歌学者
16. 张峰，张伟，凌青，“产能卸载的非合作博弈，”无线通信的IEEE交易，卷。11，不。4，pp。1565-1575,2012。视图:出版商网站|谷歌学者
17. X. Xu，H. Zhang，X. Dai和X. Tao，在拍卖中的小型电池Hetnet中的最佳节能卸载，第9届中国通信与联网国际会议的诉讼程序（ChinaCom'14），pp.335-340，中国，中国，2014年8月。视图:出版商网站|谷歌学者
18. D. P. Bertsekas，D. A. Castanon和H.Tsaknakis，“反向拍卖和不等式受限的分配问题”，“SIAM优化期刊，第3卷，第4卷。2，页268-297,1993。视图:出版商网站|谷歌学者|MathSciNet
19. M. Khaledi和A. A. Abouzeid，“随时间变化的信道质量的动态频谱共享拍卖”无线通信的IEEE交易第14卷，第2期。11, pp. 5900-5912, 2015。视图:出版商网站|谷歌学者
20. F. Shen，D. Li，P.-h。林和E. jorswieck，“基于拍卖的拍卖在QoS要求下的宏观电脑网络中的混合访问的频谱共享，”IEEE国际通信会议论文集(ICC '15)，页3335-3340,IEEE，伦敦，英国，2015年6月。视图:出版商网站|谷歌学者
21. X.Zhuo，W.Gao，G. Cao和S. Hua，“蜂窝交通卸载的激励框架”，IEEE移动计算汇刊第13卷，没有。3，页541-555,2014。视图:出版商网站|谷歌学者
22. W. Vickrey，“柜台凝视，拍卖和竞争密封招标”财务杂志，卷。16，不。1，pp。8-37,1961。视图:出版商网站|谷歌学者|MathSciNet
23. 3GPP-TR36.814 (v11.1.0)，“进化的通用地面无线电接入(E-UTRA);e - ultra物理层方面的进一步进步，”2013。视图:谷歌学者
24. 3GPP，“小细胞增强E-UTRA和EUTRAN;物理层方面(发行版12)，”3 gppTR 36.872,2013。视图:谷歌学者
25. 3GPP s1 -130744，“WF对SCE物理层的评估假设”，华为，hissilicon, CATR, CMCC, 2013。视图:谷歌学者
26. 3GPP，“研究EUTRA和E-UTRAN的小型电池增强：更高的层面，”3 gppTR 36.842 (v12.0.0)， 2013。视图:谷歌学者
27. 3GPP TS 36.300，《技术规范组无线接入网》;进化的地球无线接入(E-UTRA)和进化的地球无线接入网络(EUTRAN);总体描述;第二阶段(第12版)，“2014。视图:谷歌学者

版权

版权所有©2016 Xiaodong Xu等。这是分布下的开放式访问文章创意公共归因许可证，允许在任何媒介上不受限制地使用、分发和复制，只要原稿被适当引用。