基于用户分簇的认知超密集网络资源分配

针对5G时代小基站的密集部署带来的复杂干扰问题,对下行的认知无线电超密集网络下的资源分配进行了研究。为减小网络干扰,提高次用户吞吐量,提出了一种改进的基于用户分簇的资源分配算法。基于基站的覆盖范围,选出用户的强干扰基站,以用户-基站干扰关系建立用户-用户干扰图,按用户受到的平均弱干扰划分优先级对用户分簇,再为簇集群预分配频段,为每个簇分配对应频段中效用最大的信道。该资源分配算法能准确反映用户间的干扰关系,保障资源分配公平性。仿真结果表明,当用户密度与基站密度均较大时,与相同场景的已有算法相比,该改进算法有较好的抗干扰能力,能有效提高次用户的吞吐量。     

超密集网络中基于BCD的联合频谱资源优化方法

针对超密集网络(ultra dense network, UDN)中基站密集部署导致的严重层间干扰问题,构建了考虑频谱复用和共信道干扰条件下最大化系统总吞吐量问题模型,提出了一种基于块坐标下降(block coordinate descent, BCD)法的联合频谱资源优化(joint resource optimization based on BCD, JROBB)方法。该方法将原问题分解为分簇、子信道分配和功率分配三个子问题,通过BCD法迭代优化子信道分配和功率分配,逼近原问题的最优解。仿真分析表明,在复杂度提升有限的情况下,系统总吞吐量比现有典型算法平均至少提升22%,可以有效提升频谱利用率。     

超密集分簇网络中基于预测门限滞后余量可调的切换算法

在第五代移动通信(5G)系统中,大规模MIMO天线和超密集部署网络是实现高吞吐量的两种方式。针对超密集网络的切换管理的问题,该文基于网络分簇的思想提出了根据终端设备运动情况动态调节滞后余量的切换管理算法。在该算法中,基于小基站分簇化管理的前提,用户设备在小区间切换分为预切换和正式切换两个阶段,预切换阶段完成最佳目标小区选择、小区资源预留和预鉴权等操作,正式切换阶段根据预切换阶段监测的设备速度动态调节切换门限的滞后余量。仿真结果表明了该算法可以有效降低设备的切换时延和切换失败率。     

基于权值的无线传感器网络分簇算法

综述了无线传感器网络路由算法的主要成果,但重点分析更具有能量有效性的分簇路由算法,对各种算法的主要思想进行了性能评价,提出了一种新的算法.     

基于拉格朗日对偶的认知无线电网络最优资源分配算法

针对传统机会认知无线电网络容量有限的问题,提出了基于拉格朗日对偶的认知无线电网络最优资源分配算法。首先,将一个用户分配给每个子载波;然后,使用标准的凸优化方法确定每个子载波的对应功率,仅一个用户可获得功率正值;最后,利用拉格朗日对偶分解法同时分配CR网络中的子载波和功率,最大限度地提高系统的总容量。使用长期演进真实场景参数与空间信道传播模型评估了所提算法的有效性,仿真结果表明,相比次优资源分配算法,所提算法的总容量平均分别提高了9.3%,相比基于任意输入分布的最优资源分配算法,总容量提高了28.7%,并取得了较快的收敛速率,可以很好地用于解决无线电网络资源配置中的容量问题。     

超密集网络中最大化网络吞吐量的预测资源分配

在超密集网络中,小区间干扰严重制约了小区边缘用户的性能体验以及网络吞吐量。无线大数据分析的飞速发展,使得人们有可能通过预测未来的信道状态来分配资源,在无干扰网络中可达到很大的性能增益。但是在干扰网络中如何利用预测信息,在分配资源的同时有效协调干扰还是一个尚未研究的问题。本文分析了干扰网络中预测资源分配的设计难点和存在的问题,针对该问题提出了相应的解决方法,将资源分配建模成一个凸优化问题,通过求解优化问题得到最优的资源分配方法。仿真表明,与未知预测信息的最大化网络吞吐量方法相比,所提方法能够有效提高用户的成功传输率、平均传输进度和网络的吞吐量。当用户数据需求较大时,所提方法可以提供较大的网络性能增益。      

超密集网中一种基于人工蜂群的节能分簇算法

超密集网络中,密集部署的低功率基站将会加大系统的能耗,并且造成紧缺频谱资源的浪费.探寻干扰协调和系统节能的可行性方法在超密集网络架构下提出基站的休眠—唤醒—活跃机制,减小了休眠基站直接转为活跃状态的开启时间;另外,提出一种基于人工蜂群染色分簇算法,尽可能使用最少的颜色给拓扑图中的小区染色,并对簇内活跃基站进行优化功率分配.经仿真表明,休眠—唤醒—活跃机制能够提升系统的能源效率,染色分簇算法也可以改善用户的频谱效率和吞吐量.     

超密集小区中基于二分图优先级的资源分配算法

由于在超密集网络中小基站密集的部署,用户数据量空前增加,对数据速率的要求不断提高,所以在有限的资源下如何高效地将资源分配给用户尤为重要。提出了一种小区分簇算法,根据小区簇的通信业务、通信负载量等条件将各个小区分为不同的优先级,引入二分图,以小区簇的优先级为依据建立频谱资源与小区簇之间的匹配关系,并提出一种低复杂度的贪婪算法。仿真结果表明所提算法能够有效提高系统性能,并且有效完成频谱资源的分配。     

超密集分簇网络中基于马尔可夫模型的移动性能建模与分析

第五代移动通信(5G)系统中,大规模MIMO天线和超密集部署网络是实现高吞吐量的两种主要方法。在超密集部署网络中,将小蜂窝的基站按照地域位置和信号强度等条件进行分簇,簇内所有的小蜂窝共用同一控制平面,实现了业务和控制的分离。基于此场景,提出了基于马尔可夫模型对移动终端在超密集分簇网络下的移动状态进行建模,推导出系统吞吐量、阻塞概率等系统性能的闭式表达式。仿真结果表明超密集分簇网络可以有效地减少移动终端不必要的切换次数,并提高系统吞吐量。     

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.     

一种低复杂度的分簇多带超宽带系统动态资源分配算法

提出了一种用于多用户多带超宽带系统的低复杂度动态资源分配方案,该方案在满足所有用户数据速率请求和给定的误比特率前提下,可以最小化总的系统传输功率.分析和实验表明,提出的算法与现有方法相比,性能只有很少的损失,却可以显著降低运算的复杂度.复杂度的降低主要通过把一般性的限制性优化问题转化为线性编程问题,并在求解线性编程问题的过程中寻找更好的初始解.此外,还通过对相邻的副载波进行分簇,亦降低了算法的复杂度,并为系统设计提供了更多的灵活性.最后,还通过实验研究了簇的大小和用户数目对算法和系统的影响.     

超密集组网下一种基于干扰增量降低的分簇算法

超密集网络(UDNs)拉近了终端与节点间的距离,使得网络频谱效率大幅度提高,扩展了系统容量,但是小区边缘用户的性能严重下降。合理规划的虚拟小区(VC)只能降低中等规模UDNs的干扰,而重叠基站下的用户的干扰需要协作用户簇的方法来解决。该文提出了一种干扰增量降低(IIR)的用户分簇算法,通过在簇间不断交换带来最大干扰的用户,最小化簇内的干扰和,最终最大化系统和速率。该算法在不提高K均值算法的复杂度的同时,不需要指定簇首,避免陷入局部最优。仿真结果表明,网络密集部署时,有效提高系统和速率,尤其是边缘用户的吞吐量。

     

一种基于权值的AdHoc网络分簇算法

AdHoc网络是动态变化的拓扑结构,具有无中心和自组织的特点,为了解决大规模AdHoc网络的组播路由,分簇算法是最高效的解决办法。该文提出了一种基于权值的新型分簇算法,提高了簇的稳定性和可靠性,使之更适合于管理大规模、多环境的AdHoc无线网络。     

基于半固定分区的无线传感器网络分簇算法

经典分簇路由算法在每轮的数据采集过程中均需要重新选举簇头和簇的划分,使得网络的拓扑结构极不稳定以及增加了不必要的网络开销,因此提出了一种基于半固定分区的无线传感器网络分簇算法.该算法在首轮,对传感器网路进行簇头的随机选举和簇的划分且其它轮不再重新分簇,然后在各个簇内依据节点的剩余能量和到汇聚节点的距离进行簇头的选举.实验结果表明,与传统分簇协议中的全网广播簇头选举机制相比,该算法不仅拥有稳定的簇结构,而且网络工作稳定期延长了约69.62%,有效地提高了无线传感器网络的可靠性.     

基于goodput优化的OFDMA系统资源分配算法

资源分配是OFDMA系统资源调度中的一个重要研究问题。针对OFDMA下行链路信道知识获取的现实误差问题,提出了一种基于实际吞吐量优化的资源分配算法。重点研究了功率和数据率在用户之间的分配问题,以往的很多分配算法通常是假设下行链路发射端具有理想信道信息,这与实际状况不符,同时根据部分信道信息得到的速率分配不被真实的信道支持,会造成传输的中断事件。算法考虑了信道估计的误差问题,将实际吞吐量goodput作为分配算法优化的依据。仿真结果表明,该算法获得了较好的多用户分集增益和实际吞吐量性能。     

基于分簇的无线传感器网络路由算法

在大规模无线传感器网络中以最节能的方式将数据发送到sink是该领域研究的热点之一。针对LEACH算法的不足之处,提出了一种能耗均衡的路由算法。此算法在考虑节点剩余能量的基础上采用两分法选举簇首,然后簇首通过能耗代价函数计算出一条能耗最小的路径,以多跳转发的方式将数据传送到sink.,为了进一步减少节点的能耗,算法在簇内采用了数据聚合机制。仿真结果表明,算法有效地均衡了网络能耗,延长了网络生存期。     

基于网格分簇的无线传感器网络节能算法

无线传感器网络中,能量消耗问题一直最受人们关注.为了节省网络能量,针对现有算法存在的冗余节点过多以及能量利用率较低等问题,在以往算法的基础上,提出了一种基于网格分簇的节能算法,即基于网格分簇的无线传感器网络节能算法EABGC(Energy-saving Algorithm Based on Grid Clustering).该算法采用虚拟网格和贪婪算法等来节约网络能量.通过仿真实验,该算法与LEACH协议相比,能减少网络的能量消耗,从而达到节能的目的.EABGC算法,能有效地降低网络消耗,实现节能效果.     

基于谱聚类的异构蜂窝超密集网络高能效资源分配算法

为了解决5G移动通信超密集场景下功耗较大、频谱紧张、能效不高等问题,针对两层异构蜂窝非正交多址接入网络,提出了一种基于能效最大的资源分配算法.在超密集场景下行通信链路中,通过分步求解频率资源分配和功率分配方案将NP-hard优化问题转化为确定性的约束寻优问题,提出了基于谱聚类用户分组算法和改进的k-means基站聚类分...     

基于扇形分簇的无线传感器网络路由算法

无线传感网络中低功耗自适应聚类分簇(LEACH)路由算法等概率选取簇首节点,容易导致整个网络节点能量损耗出现极端化,减少网络生存时间。为此,提出一种针对簇首节点选取和分簇的改进LEACH算法。该算法把整个网络区域分为四个扇形区域,在每个区域内独立进行分簇路由;然后基站根据节点剩余能量和与基站的距离进行簇首节点选择,节点根据簇首节点和基站接收信号强度选择路由方式,以均衡网络能量消耗。仿真结果表明,改进LEACH算法的网络寿命是原有LEACH算法的150%,数据吞吐量提升了3倍。