基于非泊松点过程建模的微基站部署研究

为了提升实际基站部署时的合理性,针对异构蜂窝网络(HetNet)的基站部署,同时考虑了宏基站(mac-ro base station,MBS)与宏基站、宏基站与微基站(pico base station,PBS)部署的相关排斥性,采用蜂窝网络渐进增益分析法推导出两层非泊松网络的覆盖率,并针对网络能效进行分析,推导出系统吞吐量和网络总能效.最后,提出了一种针对微基站发射功率的能效优化算法,通过优化PBS发射功率使网络能效最大化.仿真结果表明,提出的模型覆盖率优于两层HPPP模型,能效优化算法最高可使系统能效提高约30％,在实际基站部署时应调整合适的基站间距和发射功率.     

中继蜂窝网络能量效率分析

针对宏基站采用单天线技术的中继蜂窝网络能量效率较低的问题,研究宏基站采用多天线技术的中继辅助蜂窝网络的下行传输系统,提出中继采用策略休眠方案。首先根据中继服务的用户数是否超过给定阈值,动态调整中继的工作模式;然后推导出宏基站到用户、宏基站到中继及中继到用户链路的覆盖概率和平均可达速率;最后根据单位面积功耗和单位面积可达速率推导出系统的能量效率。仿真结果表明,当宏基站密度为2×10^-5m^-2时,采用休眠策略的多天线网络的能量效率比没有采用休眠策略的网络的能量效率提高约为5.6%;宏基站采用多天线和采用单天线相比,系统能量效率提高了30%。实验结果表明,多天线中继策略休眠蜂窝网络比单天线中继辅助蜂窝网络具有更高的能量效率。     

基于能效的异构蜂窝网络微基站部署研究

针对齐次泊松点过程下异构蜂窝网络的能量效率进行了研究。首先,利用齐次泊松点过程对异构蜂窝网络进行建模;然后在瑞利信道环境下给出了系统的覆盖率和可达速率的表达式,并且推导了能量效率的闭合形式的表达式;最后,通过凸优化算法对微基站密度进行优化,使网络能量效率达到最大。仿真结果表明,微基站的密度对系统能量效率有显著的影响,通过合理的设置微基站密度能有效提高系统的能量效率。     

密集家庭基站网络中基于分簇的资源分配方案

针对家庭基站密集部署情况下的下行干扰问题,提出一种基于分簇的资源分配方案。首先,采用部分频率复用（FFR）技术将网络中所有小区划分成不同的空间,既能抑制宏基站之间的同层干扰,又能降低边缘区域宏基站与家庭基站间的跨层干扰;然后,结合图论的知识及凸优化理论对家庭基站进行分簇,并采用基于用户速率公平的信道分配算法对家庭基站进行子信道分配,抑制家庭基站间的同层干扰;最后,采用分布式功率控制算法对家庭基站功率进行动态调整,进一步提升系统的性能。仿真结果表明：相比传统未分组算法,所提算法的信干噪比（SINR）和吞吐量有明显提高,其中,系统吞吐量低于4 Mb/s的概率降低为30%;同时,与未分组算法相比,所提算法公平性提高了12%,使用户获得更高的满意度。     

基于微基站功率分配的异构蜂窝网络能效优化

针对异构蜂窝网络中微基站密集部署带来能耗不断攀升的问题,对二层异构蜂窝网络能量效率进行了分析,提出一种通过调整微基站发射功率来最大化网络能量效率的方法。首先,利用齐次泊松点过程对异构蜂窝网络进行建模,推导出各层基站的覆盖率;其次,根据能量效率定义,分别推导出网络总功耗和总吞吐量,并给出能量效率的闭式表达式;最后,分析了微基站发射功率对网络能量效率的影响,提出一种能够最大化能量效率的微基站功率优化算法。仿真结果表明,微基站的发射功率对异构蜂窝网络能量效率有显著影响,通过优化微基站发射功率能有效提升异构蜂窝网络能量效率。     

基于差别矩阵的区间值决策系统β分布约简

当前区间类型数据的规模越来越大,若采用传统的属性约简方法进行处理,就需要对数据进行预处理,而这会损失原始信息。针对上述问题,提出了区间值决策系统β分布的约简算法。首先,给出区间值决策系统β分布的概念和约简目标,并证明了提出的相关定理;然后,对于该约简目标构建了β分布约简的差别矩阵和差别函数,提出了区间值决策系统β分布约简算法;最后,使用14组UCI数据集进行实验验证。在数据集Statlog上,当相似度阈值为0.6,对象数目为100、200、400、600、846时,β分布约简算法的平均约简长度为1.6、2.2、1.4、2.4、2.6,基于差别矩阵的分布约简算法（DRADM）的平均约简长度为2.0、3.0、3.0、4.0、4.0,基于差别矩阵的最大分布约简算法（MDRADM）的平均约简长度为2.0、3.0、3.0、4.0、3.0。实验结果验证了所提β分布约简算法的有效性。     

异构网络下带内回程基站部署方案

针对异构密集蜂窝网络中小基站双工模式不同导致的网络干扰,设计一种带内全双工(IBFD)基站部署方案。建立IBFD基站部署的最优化模型,利用基于贪心算法的混合带内/外全双工模式选择算法近似求解该模型,并通过部署适当比例的带内回程基站以最大化系统容量。仿真结果表明,该方案能有效协调小基站对宏基站的跨层干扰与小区间干扰,提高系统频谱效率。     

基于最佳候选的蜂窝网络低能耗基站部署算法

无线异构蜂窝网络中微基站的过度增加会导致能量效率的降低。针对基站部署中的绿色通信问题,提出了一种基于最佳候选的低能耗基站部署算法。首先,设计了最佳候选点选择策略来选择一组基站候选点集合,然后再利用贪婪算法选择可以使得网络能量效率达到最大值的微基站,该方法限制了用户分布对基站部署的影响。仿真实验结果表明,在多种负载情况下,提出方法在满足网络容量的同时不仅增加了能量效率还增加了网络总流量,中负载能量效率提高了36%。     

异构网中具有服务质量约束的高能效微基站部署方法

针对异构密集网络中基站密度增大带来的网络能耗过高问题,提出一种异构网络中高能效的微基站部署方法。首先,考虑微基站候选位置可行性以减轻环境条件的影响;其次,在不同的用户分布状态下对优化目依概率进行加权,增强了对不同用户分布场景的适应性;最后,通过对微基站部署数目、位置和功率配置的联合优化来提升系统能效,并提出了一种高能效的微基站部署算法。仿真表明,与仅优化微基站数量和部署位置的方法相比,所提方法提升能效最高达26%。实验结果表明,相对于不考虑功率的部署方法,所提出的联合优化方法能够有效提升系统能效,同时验证了微基站功率对异构网络能效的影响。     

宏-飞蜂窝双层网络中基于毫微微基站分组的资源分配

针对宏-飞蜂窝双层网络模型中宏小区（Macrocell）用户层和毫微微小区（Femtocell）用户层之间的跨层干扰和Femtocell之间的同层干扰,提出了一种基于毫微微基站分组的资源分配算法。该算法包括两个部分：一部分是宏基站先利用改进的差额法,设置虚拟的宏用户（MUE）,将之变为平衡的指派问题再为宏小区用户分配信道,然后用注水算法分配功率,保证宏小区用户的正常传输。另一部分是在保证宏小区用户的服务质量基础上,采用一种增强型的蚁群优化（EACO）算法,设定信息素浓度范围后对毫微微小区进行分组,避免了原始的蚁群算法有可能陷入局部最优的现象;再利用一种启发式算法和分布式功率分配算法分别对毫微微用户（FUE）进行信道和功率分配,在满足毫微微小区用户的数据速率需求下,最大化频谱效率。仿真结果表明,EACO有效地抑制了跨层干扰和同层干扰,既能保证用户的数据速率需求,又能有效提升网络频谱效率。     

无线异构EH蜂窝网络中移动台关联的性能分析

在无线EH蜂窝网络中,建立了一个异构网络模型,这个模型由宏基站、小基站、中继站以及移动台组成。所有站点仅由周围无线环境中收集的能量供电。基于这个模型,研究了一种基于加权信噪比决策的新型移动关联方法。在方法中,移动台不仅可以通过直连链路关联到宏基站和小基站,也可以通过中继链路关联到宏基站,关联取决于信道状态信息和由权重函数和信噪比门限的乘积所定义的加权信噪比门限。此外,推导了系统中断概率和平均信道容量的表达式,仿真结果表明,WSNR-MA方法在多类型站点间的业务负载均衡中具有灵活性,比现有的方法能够获得更大的系统信道容量和更好的中断性能,具有积极的作用。     

Interference coordination in full-duplex HetNet with large-scale antenna arrays

Massive multiple-input multiple-output (MIMO), small cell, and full-duplex are promising techniques for future 5G communication systems, where interference has become the most challenging issue to be addressed. In this paper, we provide an interference coordination framework for a two-tier heterogeneous network (HetNet) that consists of a massive-MIMO enabled macro-cell base station (MBS) and a number of full-duplex small-cell base stations (SBSs). To suppress the interferences and maximize the throughput, the full-duplex mode of each SBS at the wireless backhaul link (i.e., in-band or out-of-band), which has a different impact on the interference pattern, should be carefully selected. To address this problem, we propose two centralized algorithms, a genetic algorithm (GEA) and a greedy algorithm (GRA). To sufficiently reduce the computational overhead of the MBS, a distributed graph coloring algorithm (DGCA) based on price is further proposed. Numerical results demonstrate that the proposed algorithms significantly improve the system throughput.     

基于3D高效率视频编码背景的信息隐藏算法

针对秘密信息在公开网络传输的安全性和容量性问题,提出了一种基于高效率视频编码（HEVC）背景的信息隐藏算法。利用HEVC中多视点图像的背景图作为载体,首先对其进行lαβ分解得到三个灰度分量子图,然后选取α和β分量子图作离散余弦变换,最后将秘密信息重复嵌入到载体区域中。隐藏区域选取能量权重较低的α及β分量子图的离散余弦变换中频系数区域,且进行重复嵌入,使得算法具有良好的不可见性和鲁棒性。实验结果表明,所提算法比基于帧间和帧内算法不可见性分别提高16.1%和11.4%,鲁棒性分别提高55.5%和20.2%。     

Power consumption analysis of access network in 5G mobile communication infrastructures — An analytical quantification model

Energy consumption growth of the fifth-generation (5G) mobile network infrastructure can be significant due to the increased traffic demand for a massive number of end-users with increasing traffic volume, user density, and data rate. The emerging technologies of radio access networks (RAN), e.g., millimeter-wave (mm-wave) communication and large-scale antennas, make a considerable contribution to such an increase in energy consumption. The multiband 2-tier heterogeneous network (HetNet), cloud radio access network (C-RAN), and heterogeneous cloud radio access network (H-CRAN) are considered the prospective RAN architectures of the 5G mobile communication. This paper explores these novel architectures from the energy consumption and network power efficiency perspective considering the varying high volume traffic load, the number of antennas, varying bandwidth, and varying density of low power nodes (LPNs), integrated with mm-wave communication and large-scale multiple antennas. The architectural differences of these networks are highlighted and power consumption analytical models that characterize the energy consumption of radio resource heads (RRHs), base band unit (BBU) pool, fronthaul, macro base station (MBS), and small cell base stations (SCBs) in HetNet, C-RAN, and H-CRAN are developed. The network power efficiency with the consideration of propagation environment and network constraints is investigated to identify the energy-efficient architecture for the 5G mobile network. The simulation results reveal that the power consumption of all these architectures increases in all considered scenarios due to an increase in power consumption of radio frequency components and computation power. Moreover, CRAN is the most energy-efficient RAN architecture due to its cooperative processing and decreased cooling and site support devices and H-CRAN consumes most of the energy compared to other 5G RAN architectures mainly due to a high level of heterogeneity.     

基于能效的异构无线网络联合切换调度和资源分配算法

在宏蜂窝和微蜂窝并存的异构无线网络中,为了提高系统能效,提出了一种联合切换调度和资源分配(JSRA)算法。首先,利用基于微基站睡眠的集中式切换调度算法(CUSA)来确定用户的关联基站,CUSA将微基站用户全部切换到宏基站是否能减少功耗作为判断微基站睡眠的准则;然后,基站采用基于最优信道质量的子载波分配调整(BCSA)算法为用户分配子载波和传输功率,BCSA算法通过调整最大能效用户和最小能效用户之间的子载波分配,保证网络能效逼近最优解。理论分析和实验仿真表明,同单独考虑用户切换或资源分配的三种算法相比,JSRA算法复杂度偏高,但是在用户数为120时网络功耗最多降低44.4%,用户总速率只比一种对比算法略有下降,最多提升80%,网络能效最多提升200%。实验结果表明,JSRA算法能够有效提高异构无线网络的网络能效。     

电力无线专网中面向安全风险的分布式资源分配方法

针对电力无线专网中强干扰、高故障风险等场景下保障终端通信的问题，提出了一种面向安全风险的高能效分布式资源分配方法。首先，分析基站的能耗组成，建立系统能效最大化的资源分配模型；然后，采用K-means++算法对网络中的基站进行分簇，从而将整个网络划分成多个独立区域，并在各个簇内单独处理高风险基站；其次，在每个簇内，基于基站的风险值对高风险基站进行休眠，并把高风险基站下的用户转移连接到同一簇内的其他基站；最后，在各个簇内进一步优化正常工作基站的传输功率。理论分析和仿真实验结果表明，基站分簇操作大幅降低了基站休眠和功率优化分配的复杂度，并且在关闭了高风险基站之后，整体网络的能效从0.158 9 Mb/J提升至0.195 4 Mb/J。所提的分布式资源分配方法能够有效提高系统的能量效率。