基于用户个性化服务质量的蜂窝车联网与车载自组织网异构车联网资源分配方法

蜂窝车联网(C-V2X)与车载自组织网络(VANET)的异构融合能够有效提高网络容量.然而,不同网络在非授权频段上共存而引起的信道冲突会导致系统吞吐量降低和用户接入时延增大,无法满足车联网用户对服务质量(QoS)的需求.针对该问题,该文提出一种基于用户个性化QoS需求的时频资源分配方法.首先,分别对C-V2X 和 VANET 的吞吐量和时延进行建模分析,刻画用户数据传输时间配置与吞吐量和时延的数学关系;然后,基于上述模型构建吞吐量-时延联合优化函数,根据用户的个性化QoS需求实现异构网络中吞吐量和时延的优化;最后,提出一种基于改进多目标粒子群优化的时延-吞吐量联合优化算法(DT-JOA)进行求解.仿真结果表明,该文所提网络资源分配算法可以有效地保证用户的个性化QoS需求,提升异构网络综合性能.     

H-CRAN网络下联合拥塞控制和资源分配的网络切片动态资源调度策略

针对异构云无线接入网络(H-CRAN)网络下基于网络切片的在线无线资源动态优化问题,该文通过综合考虑业务接入控制、拥塞控制、资源分配和复用,建立一个以最大化网络平均和吞吐量为目标,受限于基站(BS)发射功率、系统稳定性、不同切片的服务质量(QoS)需求和资源分配等约束的随机优化模型,并进而提出了一种联合拥塞控制和资源分配的网络切片动态资源调度算法。该算法会在每个资源调度时隙内动态地为性能需求各异的网络切片中的用户分配资源。仿真结果表明,该文算法能在满足各切片用户QoS需求和维持网络稳定的基础上,提升网络整体吞吐量,并且还可通过调整控制参量的取值实现时延和吞吐量间的动态平衡。     

车联网中网络切片资源分配方案

为了满足车联网中不同应用的服务质量(Quality of Service, QoS)要求,提出了一种基于网络切片技术的车联网频谱资源分配方案。该方案考虑数据接入控制,通过联合优化频谱资源块(Resource Block, RB)分配和车辆信号发射功率控制,在安全服务切片低时延高可靠性的约束下,最大化信息娱乐服务切片的平均和吞吐量。将车联网资源管理建模为一个混合整数随机优化问题,利用李雅普诺夫(Lyapunov)优化理论将该优化问题分解为接入控制和RB分配与功率控制两个子问题,并分别对其进行求解,得到每个时隙的接入控制和资源分配方案。仿真结果表明,所提出的资源分配方案能够有效提高信息娱乐服务切片的平均和吞吐量,并且可以通过调整引入的控制参数值来实现吞吐量和时延的动态平衡。同时,与已有方案相比,该方案具有更好的时延性能。     

基于云雾混合计算的车联网联合资源分配算法

针对车联网业务的低时延、低功耗需求及海量设备计算卸载引起的网络拥塞问题,该文提出一种在云雾混合网络架构下的联合计算卸载、计算资源和无线资源分配算法(JODRAA)。首先,该算法考虑将云计算与雾计算结合,以最大时延作为约束,建立最小化系统能耗和资源成本的资源优化模型。其次,将原问题转化为标准二次约束二次规划(QCQP)问题,并设计一种低复杂度的联合卸载决策和计算资源分配算法。进一步,针对海量设备计算卸载引起的网络拥塞问题,建立卸载用户接入请求队列的上溢概率估计模型,提出一种基于在线测量的雾节点时频资源配置算法。最后,借助分式规划理论和拉格朗日对偶分解方法得到迭代的带宽和功率分配策略。仿真结果表明,该文算法可以在满足时延需求的前提下,最小化系统能耗和资源成本。     

基于5G的车联网技术的优势及局限性分析

随着科技发展的不断发展,传统的通信网络架构已无法满足无人驾驶领域中车联网技术的需求。为了满足巨流量、大链接、超低时延等车联网通信的需求,传统无线接入网络架构亟需演进。首先结合蜂窝车联网技术C-V2X,分析了C-V2X车联网体系传输模式,并阐明了车联网体系架构和5G通信模型;然后分析了基于5G网络环境下的车联网技术的优点;最后,探讨了基于5G网络环境下车联网技术的局限性和挑战。     

基于非正交多址接入的网络切片联合用户关联和功率分配算法

为了满足网络切片多样化需求,实现无线虚拟资源的动态分配,该文提出在C-RAN架构中基于非正交多址接入的联合用户关联和功率资源分配算法。首先,该算法考虑在不完美信道条件下,以切片和用户最小速率需求及时延QoS要求、系统中断概率、前传容量为约束,建立在C-RAN场景中最大化长时平均网络切片总吞吐量的联合用户关联和功率分配模型。其次,将概率混合优化问题转换为非概率优化问题,并利用Lyapunov优化理论设计一种基于当前时隙的联合用户调度和功率分配的算法。最后采用贪婪算法求得用户关联问题次优解;基于用户关联的策略,将功率分配的问题利用连续凸逼近方法将其转换为凸优化问题并采用拉格朗日对偶分解方法获得功率分配策略。仿真结果表明,该算法能满足各网络切片和用户需求的同时有效提升系统时间平均切片总吞吐量。     

基于能效的NOMA蜂窝车联网动态资源分配算法

在支持车与车直接通信(V2V)的非正交多址接入(NOMA)蜂窝网络场景下,针对V2V用户与蜂窝用户的干扰以及NOMA准则下的功率分配问题,该文提出一种基于能效的动态资源分配算法。该算法首先为了保证V2V用户的时延及可靠性同时满足蜂窝用户的速率需求,联合考虑子信道调度、功率分配和拥塞控制,建立了最大化系统能效的随机优化模型。其次,利用李雅普诺夫随机优化方法,通过控制可接入数据量保证队列稳定性以避免网络拥塞,并根据实时网络负载状态动态地进行资源调度,设计一种次优化子信道匹配算法获得用户调度方案,进一步,利用凸优化理论和拉格朗日对偶分解方法得到功率分配策略。最后,仿真结果表明,该文算法可以满足不同用户的服务质量(QoS)需求,并在保证网络稳定性前提下提高系统能效。     

VLC-WiFi异构网络QoS感知的跨层动态资源分配

VLC-WiFi异构网络已经成为广受欢迎的短距离无线通信方式之一。然而,有限的频谱资源导致VLC-WiFi异构网络容量难以满足井喷式增长的用户数据带宽需求。该文结合物理层的动态链路传输性能以及媒体访问控制层的队列缓冲延迟性能,定义链路传输性能和链路服务质量(QoS)感知等级评估公式,根据用户数据包QoS需求,设计QoS感知的跨层动态资源分配(QoS-CLDRA)方法,并引入非正交多址接入的用户匹配与功率分配策略,进一步提升系统的吞吐量。仿真结果表明:所提方法能够有效提升系统吞吐量和降低缓冲队列长度。     

面向无人机自组网和车联网的媒体接入控制协议研究综述

随着移动通信技术的迭代更新,车联网(VANET)和无人机自组网(FANETs)已成为通信网络的重要组成部分,而媒体接入控制(MAC)协议则是移动自组织网络未来发展的核心研究内容之一.安全控制信息和用户业务信息是自组织网络最主要的两类信息,而两者不同的服务质量(QoS)需求对MAC机制的设计带来了严峻的考验.该文主要考虑...     

认知异构蜂窝网络中改进蜉蝣算法的资源分配策略

针对认知异构蜂窝网络中上行链路资源分配的优化问题,提出认知异构蜂窝网络中改进离散蜉蝣算法的资源分配算法。认知异构蜂窝网络模型中,考虑用户层间干扰和带外干扰引入功率控制策略控制发射功率来干扰抑制,基于用户服务质量（QoS）需求和干扰阈值约束,最大化能量效率为优化目标,利用改进离散蜉蝣算法优化求解得出最优分配方案。引入不完全Gamma和Beta分布函数的动态自适应权重、黄金正弦位置更新策略,提升蜉蝣算法的收敛速度和搜索能力。仿真实验表明,基于接收SINR的闭环功率控制动态调整用户端的发射功率,能有效抑制用户间的干扰,GSWBMA求解资源分配问题具有良好的寻优效率和收敛性能,有效提升系统能量效率和用户传输速率,保证用户QoS需求。     

基于多门限预留机制的自适应带宽分配算法

针对异构无线网络融合环境提出了一种基于多门限预留机制的自适应带宽分配算法,从而为多业务提供QoS保证。该算法采用多宿主传输机制,通过预设各个网络中不同业务的带宽分配门限,并基于各个网络中不同业务和用户的带宽分配矩阵,根据业务k支持的传输速率等级需求和网络状态的变化,将自适应带宽分配问题转化为一个动态优化问题并采用迭代方法来求解,在得到各个网络中不同业务和用户优化的带宽分配矩阵的同时,在带宽预留门限和网络容量的约束条件下实现网络实时吞吐量的最大化,以提高整个异构网络带宽的利用效率。数值仿真结果显示,所提算法能够支持满足QoS需求的传输速率等级,减小了新用户接入异构网络的阻塞概率,提高了平均用户接入率并将网络吞吐量最大提高40%。     

异构网络融合环境下基于加权二分图的网络选择算法

摘要：在异构网络融合场景中,为了合理利用异构网络资源,提出了一种基于加权二分图的网络选择算法。将网络选择过程映射为寻找最优加权二分图的过程,用户和网络双方的需求经数学建模后进行供需最优匹配,供需匹配有二次选择机会以平衡网络负载。与其他算法相比,提出的算法可以为不同QoS业务提供满足需求的匹配结果,并且能够动态调整网络负载,实现异构网络融合场景中用户需求和网络资源的合理匹配。     

5G异构网络中基于优先级的深度强化学习联合资源分配

为了研究基于深度强化学习(Deep Reinforcement Learning, DRL)的5G异构网络模型的性能,同时在最小化系统能耗并满足不同类型终端用户的服务质量要求的基础上制定合理的资源分配方案,提出了一种基于DRL的近端策略优化算法,并结合一种基于优先级的分配策略,引入了海量机器类型通信、增强移动宽带和超可靠低延迟通信业务。所提算法相较于Greedy和DQN算法,网络延迟分别降低73.19%和47.05%,能耗分别降低9.55%和6.93%,而且可以保证能源消耗和用户延迟之间的良好权衡。     

Utility-Aware Cognitive Network Selections in Wireless Infrastructures

Operators of wireless infrastructures should maintain their users “always-best-connected”. This concept means that applications should be offered to users at the best possible Quality of Service (QoS) level, taking into account profile, context and policy information. The profiles provide the user requirements and preferences, the terminal capabilities, and the application requirements. The policies provide the objectives, constraints imposed by various stakeholders, for instance the network operator (NO). The context of operation designates relevant applications, available networks and their QoS capabilities. The “always-best-connectivity” concept can be achieved by directing user terminals to the most appropriate networks of the heterogeneous infrastructure of the NO. In this respect, advanced terminal management functionality is required. This paper presents management mechanisms for utility-based cognitive network selections. The utility is used for expressing the user desire for a QoS level. Cognition mechanisms are applied for learning the QoS capabilities of candidate networks, and therefore increasing the reliability and seamlessness of the network selections. Extensive results are provided, which show the behaviour of the scheme in terms of network selections made, and computational effort required for the acquisition of the knowledge.     

一种智能ABC支持型QoS切换决策机制

本文提出了一种总最佳连接ABC(Always Best Connected)支持型服务质量QoS(Quality of Service)切换决策机制,引入模糊数学和微观经济学等相关知识,刻画应用类型、QoS需求、接入网络和移动终端,综合考虑应用QoS需求、用户愿付费用、用户对接入网络编码制式偏好、用户对接入网络供应商偏...     

时分波分无源光网络与云无线接入网联合架构中负载平衡的用户关联与资源分配策略

在时分波分无源光网络(TWDM-PON)与云无线接入网(C-RAN)的联合架构中,由于无线域的负载不均衡问题,限制了网络整体的传输效率。为了充分利用TWDM-PON与C-RAN联合架构的网络资源,并保证用户的服务质量(QoS),该文提出一种负载平衡的用户关联与资源分配算法(LBUARA)。首先根据不同用户的服务质量需求以及分布式无线射频头端(RRH)的负载对用户的影响,构建用户收益函数。进而,在保证用户服务质量的前提下,根据网络状态建立随机博弈模型,并基于多智能体Q学习提出负载均衡的用户关联和资源分配算法,从而获得最优的用户关联与资源分配方案。仿真结果表明,所提的用户关联和资源分配策略能够实现网络的负载均衡,保证用户的服务质量,并提高网络吞吐量。     

Joint QoS-control and handover optimization in backhaul aware SDN-based LTE networks

Future cellular networks will be dense and require key traffic management technologies for fine-grained network control. The problem gets more complicated in the presence of different network segments with bottleneck links limiting the desired quality of service (QoS) delivery to the last mile user. In this work, we first design a framework for software-defined cellular networks and then propose new mechanisms for management of QoS and non-QoS users traffic considering both access and backhaul networks, jointly. The overall SDN-LTE system and related approaches are developed and tested using network simulator in different network environments. Especially, when the users are non-uniformly distributed, the results shows that compared to other approaches, the proposed load distribution algorithm enables at least 6% and 23% increase in the average QoS user downlink throughput and the aggregate throughput of 40% users with lowest throughput (edge users), respectively. Also, the proposed system efficiently achieves desired QoS and handles the network congestion without incurring significant overhead.