D2D通信中一种基于FFR的动态功率控制方案

工作在underlay方式下的D2D(device-to-device)通信利用资源复用共享蜂窝网络中的资源,在提高频谱资源利用率、降低移动终端功耗的同时,会给已有蜂窝网络带来干扰。在保证D2D用户和蜂窝用户的服务质量的前提下,研究了蜂窝用户和D2D用户的功率控制和资源分配问题。首先引入部分频率复用(FFR)实现蜂窝用户和D2D用户之间的资源划分和复用;然后以系统吞吐量最大化为原则,建立优化目标。结合部分功率控制(FPC)的基本思想,进而提出了一种动态功率控制(DPC)策略。仿真结果表明,所提出的方案能够有效地提高多小区系统的性能。     

基于SLNR准则的多点协作联合处理算法

多小区单用户联合传输能显著改善小区边缘用户的链路性能, 但降低了协作小区的平均吞吐量; 多小区多用户联合传输在改善小区边缘用户性能的同时, 通过协作小区内多个移动终端的复用, 提升协作小区的平均吞吐量。根据SLNR准则提出了一种单用户和多用户自适应切换的多小区联合处理算法, 结合协作集合选择、选择协作集合内的配对用户、MU-MIMO处理等形成一个完整的CoMP处理过程。该算法的单用户和多用户MIMO算法处理相似, 可简化系统处理过程, 并通过自适应选择单/多用户模式提高算法鲁棒性, 有利于提高CoMP的系统增益。根据LTE-Advanced系统的参数进行了系统仿真, 结果证明, 该算法性能优于多小区单用户联合处理和单小区多用户处理的性能, 可提高协作小区吞吐量25%~40%。     

超密集网络以用户为中心及多维协作的用户分簇算法

为了降低超密集网络中小区间的干扰,提升频谱效率,给出一种在以用户为中心的可重叠虚拟小区场景下,基于边权重和贪婪树增长(Greedy Tree Growing Algorithm,GTGA)算法的用户分簇方案.考虑到每个用户对其他用户产生干扰的同时,又受到其他用户的干扰,权重设计采用协作传输的平衡策略.针对用户分簇,改进的K-means聚类算法通过能够拟合高斯分布的权重统计量来动态调整用户分群的大小.仿真结果表明,所提算法能有效地降低复杂度,减少干扰,提高超密集网络的频谱效率.     

D2D通信中一种资源分配与功率控制结合的方案

以underlay方式工作的D2D(Device-to-Device)通信通过资源共享复用蜂窝网络中的资源,在提高系统资源利用率的同时,对已有蜂窝链路带来了同频干扰。为了减小因无线资源复用带来的干扰,提出了一种资源分配与功率控制相结合的方法。以最小化系统干扰为目的,通过在D2 D链路之间合理地分配资源,保证了蜂窝链路的通信质量;同时动态地调整D2 D链路的发射功率,在保证相应蜂窝链路干扰可控的情况下,合理提高了D2 D链路的通信质量。仿真结果表明,与现有方案相比,所提出的算法能够有效地提高D2 D通信与蜂窝用户共存场景下的系统性能。     

异构网中一种能效最优的垂直切换算法

针对传统垂直切换算法中未能考虑能效这一关键因素,提出了一种能效最优的垂直切换算法,算法核心是移动终端检测并计算来至不同候选网络中的接收信号强度以及各候选小区中的系统容量,以候选小区中每单位能量所能提供的容量作为判决准则切入到最佳网络,同时结合传统的网络因子对多属性判决算法进行能效扩展。仿真结果表明,基于单位能量容量的切换算法较传统的切换算法节省10%左右的能量,扩展的多属性判决算法较传统的切换算法节省7%左右的能量,同时减少了“乒乓效应”,提高了用户的通信体验质量。     

C-Plane辅助基于能效的切换算法

未来异构网组网的核心技术是控制覆盖面和数据业务面分离.利用控制面的功能提出一种控制面辅助基于能效的切换方案,控制面预测移动用户的移动方向和小区负载变化,通过动态调整小区开关在保证用户业务所需容量的情况下使能效最佳.仿真结果表明,提出的方案较传统的切换方案更能有效地提升系统能效,达到节能减排的效果,同时提高了用户的通信质量.     

超密集组网下基于链路效率的多连接小区选择算法

在5G超密集网络场景下,通过用户双/多连接技术可提高用户吞吐量,降低频繁切换带来的链路失效率。但是,随着链接数的增加,链路管理和资源分配带来的控制信令开销将增加,多链路带来的边际效益递减。为此,提出了多连接链路效率的概念,据此设计了基于链路效率的小区选择算法。该算法基于最大化用户和平均链路速率问题,在基站端及用户端采用变量松弛和拉格朗日对偶分解法来求解。仿真结果表明,多连接的小区选择问题能提高系统吞吐量,在获得更大的用户和速率的同时,也带来链路使用效率的提升。     

5G超密异构网络中联合虚拟波束形成的小区选择算法

随着移动通信技术的发展,移动用户设备呈爆炸性增长趋势,使异构网中小区密集,造成小区间严重干扰,严重影响系统吞吐量.基于5G超密异构网络结构,研究了以用户为中心,基于动态小区选择与联合优化,提出了联合虚拟波束形成的小区选择算法.仿真结果表明:该算法协调了小区间干扰和频谱效率的矛盾,提高了边缘用户的性能和小区的平均吞吐量.     

异构网载波聚合系统基于干扰对齐的联合算法研究*

为了满足异构网络热点区域覆盖,同时解决由于低功率基站在高功率基站覆盖区域随意分布而带来的小区间干扰及系统容量速率受限问题,提出了一种载波聚合系统的联合小区选择、载波选择和干扰对齐算法。该方法是在载波公平比例准则下,动态的选择成员载波。为了进一步降低小区间干扰,设计了新的基于干扰对齐的用户小区选择算法。理论分析表明,联合优化算法问题可以分解成三个子问题进行优化求解处理。仿真结果表明,与调度复用因子为1的参考算法相比,设计的方案由于联合了小区选择和载波选择使得用户选择低功率节点作为服务小区的机会增多,提高了低功率节点小区容量,使系统的吞吐量得到提高。     

超密集网基于干扰公平及多维协作的虚拟小区生成算法

在超密集网络场景中,小区密度持续增加使得干扰关系更加复杂,重叠虚拟小区结构使得资源分配深度耦合,导致虚拟小区选择成为影响系统性能的因素之一.为此,针对虚拟小区边权重设计,采用联合资源分配前置化思想,提出一种综合了干扰公平功率分配、MU-MIMO配对及协作传输诸增益因素的权重方案.针对虚拟小区成簇,基于提出的权重设计准则,通过最大权重成对小区成簇算法实现虚拟小区可重叠成簇.仿真结果表明,提出的虚拟小区生成算法可在低计算复杂度的前提下保证系统性能的改善.