连通子图算法在GSM网络优化中的应用

从介绍相关小区簇入手,根据图论中的连通子图算法思想来评估网络的频率紧张程度,最后阐述了连通子图算法在GSM通信网络的规划、优化和扩容等方面的应用前景,具体体现在频点资源评估、网络覆盖优化和载波调整等方面.     

亚运主会场-海心沙容量优化分析

网络规划中,除了考虑覆盖条件外,还必须考虑容量因素,规划的结果必须满足覆盖和容量的需求.此次针对海心沙簇进行全面、细致的簇内容量评估优化工作,提高簇内网络应对亚运期间大型活动引起的高话务的抗风险性,满足簇内容量需求.     

通信网中使用小区簇进行网络优化调整的方法及系统实现

本文提出了一种使用小区簇对移动通信网络进行网络优化调整的方法,根据其原理,构建了一套网络优化系统,并在实际应用中取得了较好的效果。     

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。     

面向高动态移动自组织网络的生物启发分簇算法

分簇可以有效地提高大规模移动自组织网络的性能.但高动态的移动自组织网络具有节点移动性强、网络拓扑变化快的特点,应用传统的分簇算法会造成网络性能迅速下降,频繁的簇拓扑更新造成了簇结构的不稳定和控制开销的增加.为了解决传统分簇算法无法适应高动态的大规模移动自组织网络的问题,提出了一种基于生物启发的移动感知分簇算法,该算法对多头绒泡菌的觅食模型进行了改进,使其适用于移动自组织网络领域.由于该算法与节点的移动特性进行了结合,所以该算法可以有效地在高动态移动自组织网络中进行簇的建立与维护.实验结果表明,相较于其他传统分簇算法,本文算法提高了平均链路连接保持时间和平均簇首保持时间,使得簇结构更加稳定,提高了对高动态、大规模移动自组织网络的适应能力.     

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.     

面向任务的无人机自组网簇首选举改进算法

针对无人机群分簇网络中由于节点高移动性和能量受限导致簇结构不稳定和簇首频繁更新的问题，提出一种基于稳定性改进的加权簇首选举算法（Stability Improved Weighted Cluster Head Selection Algorithm,SI-WCSA）。首先，根据分配的任务确定簇的规模；其次，综合考量节点的移动性、能量、节点度和距离4种因素加权选举簇首，对移动性度量指标进行改进并提出3种能量消耗速率；最后，采用基于层次分析法和熵值法的组合赋权法计算贴合场景的指标权重。仿真结果表明，该算法能选取最优簇头，优化评估指标以减少节点移动性对网络生存时间的影响，降低簇首更换次数，均衡簇内节点能量，提升网络的鲁棒性，并且组合赋权法选取的权重系数将无人机网络的生存时间增加了6%。     

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。     

关于GSM网络小区的完整性测试

1前言 随着我国通信行业GSM网络建设的基本完成。对GSM网络设备的维护和网络优化工作的要求已越来越高。在对GSM无线网络质量的评估方面。我们常用“CQT(Call Quality Test)测试”和“DT(Drive Test)测试”的方法。同时,对基站小区的覆盖情况和小区射频信号质量的评估也主要由这两种     

一种TD-SCDMA上下行时隙分配方法

文章介绍了一种新的上下行时隙分配算法。新算法提出两个量化指标,文章基于第一个指标算法首先对小区进行分簇,每个簇包含若干个小区,这些小区采用相同的上下行时隙分配;然后基于第二个指标对簇边界进行优化;最后给出算法仿真的结果。     

小区分簇方法及其在3G网络规划与优化中的应用

首先介绍了小区分簇在3G网络建设中的实际意义,然后总结了小区分簇的主要思路和影响因素,并提出了一种小区分簇的定量化方法,最后介绍了小区分簇在网络规划和网络优化中的2个应用实例,其中规划仿真速度的小区＂交叠＂技术是本文的创新。     

小区短信业务对网络的影响及其优化

本文介绍了小区短信业务及技术方案,分析了当前小区短信的使用情况,在此基础上,评估了小区短信对网络指标的影响,并重点对MSC无应答错误进行了研究,最后针对小区短信对网络指标的影响给出了相应的优化措施。     

面向用户感知的LTE网络评估模型的设计与实现

随着数据业务的飞速发展以及智能终端的快速普及,如何评价并提高用户体验已成为当前网络优化、未来网络设计的重点.基于此,提出了一套面向用户感知的LTE网络评估指标体系,并采用层次分析法、变异系数法,建立了以用户感知为核心的LTE网络评估模型.最后,以重庆某小区实测数据为例,对该小区数据业务性能进行评估,并给出了直观的分析评估结果.     

基于MR测量的越区覆盖评估算法

在不断增长的网络规模下,覆盖问题特别是越区覆盖问题已成为影响网络质量的关键因素,本文提出了一种基于地理关系和MR测量越区覆盖评估算法,以相对地理关系和小区相关性为基础,构造了过覆盖系数用于越区覆盖评估,能够根据越区覆盖对周边小区的影响,快速有效的评估GSM网络中小区的越区覆盖问题,提高了分析GSM网络越区覆盖问题的准确性和效率,使得网络优化人员能够迅速准确的定位网络中越区覆盖问题小区,针对性的进行处理,提升网络覆盖性能和网络质量。     

异构无线传感器网络中簇首的优化部署策略

分簇对用于环境监测的无线传感器网络具有较好的适应性和节能性,由高能力节点担任簇首可以更好地实现节能并改善网络性能.在大规模网络中,高能力簇首部署问题是一类NP-hard问题.同时考虑了影响网络性能的簇半径和簇首的容量限制,把簇首的优化部署问题形式化为一个整数规划问题.针对该问题,提出了启发式的基于K-平均和模拟退火混合算法的KMSA算法,对簇首节点进行有策略的部署.仿真结果表明,在不同的网络规模和簇个数情况下,KMSA可以改善网络性能.     

基于自适应遗传算法的无线激光通信网络负载均衡成簇算法

由于无线激光通信网络吞吐量低、节点传输延时高和存在分组丢失率多等问题，提出基于自适应遗传算法的无线激光通信网络负载均衡成簇算法。利用AGCH算法对无线激光通信网络节点进行分组和成簇，从中取得簇头节点，构建资源调度模型，利用该模型对簇头节点中的资源进行分配调度，采用自适应遗传算法对建立的模型进行求解，以此提升无线激光通信网络负载均衡效果，实现无线激光通信网络负载均衡。实验结果表明，通过对该算法进行网络吞吐量测试、节点传输延时测试和分组丢失率测试，验证了该算法的有效性强、实用性高。     

小区短信业务对网络的影响及其优化

介绍了小区短信业务及技术方案.分析了当前小区短信的使用情况,在此基础上,评估了小区短信对网络指标的影响,并重点对MSC无应答错误进行了研究,最后针对小区短信对网络指标的影响给出了相应的优化措施.     

基于最短路径数的WSN抗毁性评价方法

从已有的基于全网的等效最短路径数的抗毁性出发,应用到以数据为中心的无线传感器网络各个簇的抗毁性衡量中。进而用簇的抗毁性来衡量整个无线传感器网络的抗毁性。并对基于小世界模型的无线传感器网络抗毁性进行了抗毁性分析。仿真结果表明,该评估模型能更客观、准确地评估以数据为中心的无线传感器网络的抗毁性。     

蜂窝网络下行链路中基于干扰图的干扰对齐算法

针对多用户蜂窝网络的下行链路,提出了基于干扰图的干扰对齐算法。首先用干扰图表示蜂窝网络的小区间干扰（ICI）分布,每五个相邻小区划分为一簇。然后在簇内先根据对称信道和不对称信道,分别设计接收波束赋形矩阵将四个ICI对齐到两个干扰子空间,再设计发送波束赋形矩阵与干扰子空间正交。最后通过簇的平移实现蜂窝网络内所有活动小区的干扰对齐。该算法减少了基站和用户的天线数及计算复杂度。仿真结果表明所提算法消除了ICI、用户间干扰（IUI）及簇间干扰,有效提高了蜂窝网络容量。      

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。