共查询到16条相似文献,搜索用时 78 毫秒
1.
目前无线通信中广泛使用的HARQ合并技术主要是Chase合并和递增冗余(IR)合并。针对Chase合并在低信噪比下性能受限,递增冗余(IR)合并实际应用复杂的问题,提出了一种基于信噪比的自适应合并算法,通过实时估计信道的信噪比,综合使用Chase合并和递增冗余(IR)合并,实现了系统性能和实现复杂度的统一。仿真结果表明,算法是切实可行的。 相似文献
2.
3.
随着未来移动通信对高速率和高可靠性的要求,LTE协议采用HARQ作为其关键技术之一。为了研究LTE协议中HARQ系统性能,对LTE的HARQ系统进行了仿真。介绍了LTE协议中HARQ类型以及重传合并类型,搭建了LTE中HARQ仿真平台,给出了仿真结果,并对其做了分析。 相似文献
4.
针对无线通信网络能耗日益增加与用户体验质量(quality of experience,QoE)难以得到保证的问题,提出一种LTE-A系统基于QoE能效的资源分配算法。首先,给出联合优化QoE和能效的数学模型,特别的考虑了用户最小QoE要求;其次,根据约束条件提出了一种迭代算法进行用户资源块(resource block,RB)分配,然后利用分数规划的性质并采用凸优化方法求得最优的发射功率来优化目标函数。仿真结果表明,相较现有基于能效的资源分配算法,该算法在提高系统性能的同时有效的保证了用户QoE。 相似文献
5.
6.
7.
8.
9.
10.
无线资源管理是LTE-A学习的重要部分, FSHO是LTE-A的一种重要切换算法, FSHO服务分为VoIP服务和非VoIP服务,非VoIP服务始终只有一个基站为移动终端服务, FSHO的VoIP服务是通过源基站和目标基站共同服务。相对于LTE-A的硬切换, FSHO增加了切换时延,使得切换中断概率比较高。提出了基于多载波切换的优化FSHO方案,主要在VoIP服务过程中加入了多载波切换的方法。原理分析和仿真结果表明,优化的FSHO算法不仅降低了切换中断的概率,而且提高了VoIP服务的质量。 相似文献
11.
增强型长期演进(LTE-A)系统中,通常利用插值算法估计出所有数据位置的信道频率响应值。针对传统的线性最小均方误差(LMMSE)算法需要预先获取信道统计特性,矩阵实时求逆运算量大的问题,提出了一种改进的频域LMMSE信道估计插值算法。首先通过导频插值来增加虚拟导频,以此提升算法性能;然后借助时域内的信道能量比较集中的优势,给出了自相关矩阵和信噪比的近似估计方法;最后采用滑动窗方法进一步简化算法复杂度,从而完成频域LMMSE插值。仿真结果表明,所提算法总体性能优于线性插值以及基于离散傅里叶变换(DFT)的插值方法,且与传统LMMSE插值算法具有相近的误码率(BER)和均方误差(MSE);但与传统算法相比,运算次数降低了98.67%,实现了算法性能与复杂度的较好折中,适用于实际的工程应用。 相似文献
12.
为解决LTE-A系统中继场景下系统吞吐量和用户公平性的均衡问题,提出用户SINR分散度并以此作为公平性的主要参数,改善小区中心用户和边缘用户的公平性。对小区吞吐量和用户公平性进行博弈建模,基于博弈结果提出资源分配的目标均衡算法。仿真结果表明,提出的目标均衡算法将吞吐量、公平性和博弈论结合起来,在保证系统吞吐量的情况下提高了用户公平性,使系统资源利用更加有效。 相似文献
13.
摘要:针对无线通信中不同协作方式的HARQ能量消耗问题,建立了协作和非协作HARQ过程的状态转移模型,分别分析了非协作传输(单用户链路)和协作传输(MIMO,MISO,SIMO及SISO)方式的平均总能量消耗。通过对传输时延和发送能量的联合优化,达到最小化平均总能量消耗的目的,并比较了协作与非协作五种传输方式的总能耗(energy consumption)。仿真结果表明,短距离传输时,非协作传输比协作传输更节能;在长距离传输时,五种传输方式的能耗由低到高的依次分别是MIMO,MISO,SIMO,SISO和非协作传输方式。 相似文献
14.
15.
基于遗传算法和蚁群算法融合的QoS路由算法* 总被引:1,自引:2,他引:1
面向QoS路由问题,设计了一种基于遗传算法和蚁群算法融合的QoS路由算法(QoS routing algorithm according to the combination of the genetic algorithm and ant colony algorithm,GAACO_QoS).利用遗传算法生成初始解,将其转换为蚁群算法所需的信息素初值,然后利用蚁群算法求取最优解.设置遗传算法控制函数来控制遗传算法和蚁群算法融合的适当时机.通过与遗传算法以及蚁群算法的比较,进一步说明算法的有效性. 相似文献
16.
针对高校学生人数增多、学生信息量增大,原有的学生管理和评估模式已经不能满足需求的问题,研究了学生状态分析系统,实现了学生综合数据的采集,为辅导员与学生提供了交互的平台;针对K-均值聚类算法在全局优化中的不足,研究了基于粒子群的K-均值聚类算法对学生综合数据进行分析。通过与K-均值聚类算法、基于遗传算法的K-均值聚类算法和人工评估的结果比较可以看出,本系统对学生的状态评估更加全面和客观;同时系统提供了便于查询的视图信息反馈,帮助辅导员及时发现问题、提高工作效率。 相似文献