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！

龙图腾网获悉南京邮电大学申请的专利全解耦网络中基于公平感知的用户关联与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：CN121397615B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511961203.1，技术领域涉及：H04W24/06；该发明授权全解耦网络中基于公平感知的用户关联与资源分配方法是由代陈;龚添;肖甫;左益平;顾啸林设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本全解耦网络中基于公平感知的用户关联与资源分配方法在说明书摘要公布了：本发明公开了全解耦网络中基于公平感知的用户关联与资源分配方法，针对6G全解耦无线接入网中上行链路与下行链路独立运行导致的不对称干扰、资源耦合及用户公平性缺失问题，本发明设计了融合短期和长期公平性的双层机制：通过拥塞定价机制实现短期空间公平性，通过嵌入Jain公平指数实现长期时间公平性；将联合优化问题转化为分布式两层多臂老虎机模型，提出基于均值指数探索、自适应利用间隔和中断驱动协调的分布式算法，在保证对数级遗憾和均衡收敛的同时，实现高效学习与公平性收敛。本发明能使Jain公平指数稳定在高水平，降低中断概率，在公平性和效率上显著优于现有方案，适用于6G全解耦无线接入网的异构部署场景。

本发明授权全解耦网络中基于公平感知的用户关联与资源分配方法在权利要求书中公布了：1.全解耦网络中基于公平感知的用户关联与资源分配方法，其特征在于：所述方法包括如下步骤： 步骤S1：针对用户异构的服务时延与可靠性要求、基站资源的异构有限性以及上行下行链路独立决策的特性，统筹公平性收益和系统效用，构建完全解耦无线接入网络系统模型，包括网络拓扑模型、拥塞定价模型、公平性量化模型和基于公平性保障的用户关联与资源分配收益最大化问题模型； 基于公平性保障的用户关联与资源分配收益最大化问题模型的构建，具体如下：在每个时隙，整体系统效用聚合所有用户的上行和下行效用，由反映其相对重要性的因子加权，即 ， 其中和分别表示用户在时隙的上行和下行效用； 优化目标是在保持短期和长期公平性的同时最大化长期平均系统效用，即 ， 其中、和分别表示关联、信道和功率分配决策，约束条件共同确保可行的用户-基站关联、拥塞感知的资源使用以及通过自适应定价和长期平衡的公平性调节，针对问题特性，公平性感知效用函数由于吞吐量、拥塞价格和全局公平性指数之间的相互依赖关系而呈现非凸特性，递归价格更新和时变公平性指标进一步引入时间耦合，使得问题动态且非平稳； 步骤S3：针对问题特性，将基于公平性保障的优化问题分解为上行链路和下行链路两个方向独立的子问题，并进一步转化为分布式两层多臂老虎机模型，将该问题转化为非单调子模最大化问题； 具体如下： 系统级优化问题被分解为两个方向分离的子问题，分别对应上行链路和下行链路，即 和 ， 其中和分别表示用户在时隙的上行和下行效用，这种分解与FD-RAN架构一致，其中上行和下行在具有不同基站集合的正交频谱上运行，为了确保分解保持最优性，在拥塞定价下重写每用户瞬时效用为 ， 其中和是用户的上行下行动作，价格根据价格更新规则演化，项依赖于所有用户的聚合上行+下行速率，基于上行和下行链路决策空间的独立性，将联合效用最大化问题分解为两个独立方向上的效用最大化子问题，利用这种分解，资源分配任务建模为两层多智能体多臂老虎机框架，其中每个用户作为自主学习智能体，基于局部观察自适应地选择其上行和下行关联策略，动态价格信号提供轻量级协调以将个体决策与全局公平性目标对齐，决策框架定义为 ， 其中和表示上行和下行老虎机过程，每个用户通过选择动作同时与两层交互，即和，并接收相应的随机奖励和，用户在时隙的联合决策为，整体期望效用表示为 ， 其中平衡上行和下行优先级， 对于每个传输方向，用户的动作空间为 ， 其中表示候选基站集合，表示可用信道，表示离散功率等级，在每个决策时隙，用户选择一个动作，这对应于给定方向上的基站关联、信道选择和功率控制，给定动作，瞬时奖励定义为公平性感知效用，其中整合吞吐量、拥塞惩罚和、QoE惩罚以及长期公平性指数，因此，奖励同时反映局部效率和系统级公平性，为了保持两层之间的一致性，上行和下行奖励都通过共享公平性信号进行调节，即，其中是方向特定的公平性感知奖励函数，共享定价和公平性项隐式协调用户的独立决策，引导它们朝向整体网络效率和平衡性能； 步骤S4：采用分布式两层公平性驱动的多臂老虎机算法进行求解，通过均值索引探索、自适应利用间隔和中断驱动协调机制，得到有理论性能保证的用户关联与资源分配方案； 在每个刷新时隙，用户通过从邻域中选择具有最高均值索引的动作加上随机动作来构建候选集合，每个候选动作被执行次以更新 ， 其中是累积奖励，是执行次数，最优动作为，算法采用指数增长的间隔，其中相位随机化，表示向上取整函数，在间隔期间，用户利用当前最佳动作而不进行探索，这种自适应调度平衡了探索开销和收敛速度，当用户改变动作选择时，它向邻居广播中断信号，邻居设置标志以触发立即刷新，这实现了快速适应，而指数增长的间隔防止级联振荡，基站根据价格更新规则更新价格和，这些价格出现在奖励中，全局公平性指数激励平衡分布，投影算子和确保有界价格增长，而死区阈值防止振荡； 步骤S4中算法具体流程如下： 步骤S4-1：从初始化开始，算法初始化所有动作的统计信息和，初始化最后动作和中断标志，绘制相位，设置功率索引，计数器，间隔； 步骤S4-2：判断是否需要刷新，在每个时隙，更新计数器，判断条件，如果满足刷新条件，进入探索阶段，否则进入利用阶段； 步骤S4-3：探索阶段，构建上行候选集合，，对于每个，执行次：执行动作，观察来自奖励函数的，更新，选择最优上行动作，然后构建下行候选集合并选择最优下行动作； 步骤S4-4：动作更新和中断广播，如果或，向邻居广播中断信号，更新和，重置中断标志，更新功率索引，重置计数器，更新间隔； 步骤S4-5：利用阶段，如果不需要刷新，执行最后动作一次，更新，执行最后动作一次，更新； 步骤S4-6：形成联合动作和价格更新，形成联合动作，其中表示用户的最优联合动作，基站使用价格更新规则更新价格，使用Jain公平性指数公式更新公平性指数； 步骤S4-7：重复步骤S4-2至S4-6，直到达到时间范围 步骤S4-8：返回最终的用户关联与资源分配方案。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。

以上内容由龙图腾AI智能生成。