基于多对一Gale-Shapley算法的D2D通信资源分配

针对D2D通信复用异构蜂窝网络上行信道产生的干扰问题和频谱资源优化问题进行研究,提出一种基于多对一Gale-Shapley算法的D2D通信资源分配方案。本方案允许多个D2D用户共享一个蜂窝用户信道资源,通过设置信干噪比（SINR）门限保证用户的通信服务质量（QOS）。根据信道分配情况,构建D2D用户和信道的偏好列表,最大化系统总容量。仿真结果表明,该方案收敛较快,复杂度较低,能够有效保证用户的通信服务质量,系统总容量接近最优解。本研究为实现D2D用户和蜂窝用户的频谱资源共享,提高频谱利用率提供了一种有效方案。     

基于相对距离的D2D通信模式选择方案

D2D(Device-to-Device)通信技术是一种能够降低基站负载率和提高系统资源利用率的新型近场通信技术。本文根据D2D接收端与蜂窝端的相对距离关系,分别讨论了传统蜂窝系统以及引入中继技术后的模式选择问题,给出了一种基于蜂窝用户与D2D用户地理位置关系的模式选择方案。仿真数据验证了D2D系统采用复用模式的概率与设定的系统信干噪比阈值成反比关系,表明引入中继技术后的D2D系统采用复用模式的概率大大增加,意味着在混合网络中加入中继节点能够有效地提高系统的频谱利用率。     

基于NOMA的协作D2D通信方案

在蜂窝网络覆盖下的D2 D通信场景中,D2 D对的距离并不是一个确定的值.为了解决D2 D用户由于距离过大不能建立直接通信链路的问题,提出一种协作传输CRNG方案.使用蜂窝用户作为D2 D对的信息中继,解码并转发D2 D用户的信号.该方案在保证中继蜂窝用户的通信质量基础上提升了D2 D对的吞吐量.仿真结果表明,CRNG传输方案能够提高D2D用户的数据速率及D2D对的接入率,改善蜂窝系统的服务性能.     

基于NOMA的协作D2D通信方案

在蜂窝网络覆盖下的D2 D通信场景中,D2 D对的距离并不是一个确定的值.为了解决D2 D用户由于距离过大不能建立直接通信链路的问题,提出一种协作传输CRNG方案.使用蜂窝用户作为D2 D对的信息中继,解码并转发D2 D用户的信号.该方案在保证中继蜂窝用户的通信质量基础上提升了D2 D对的吞吐量.仿真结果表明,CRNG传输方案能够提高D2D用户的数据速率及D2D对的接入率,改善蜂窝系统的服务性能.     

基于系统容量最大化的D2D通信资源分配算法的研究

设备到设备(Device-to-Device,D2D)通信技术近年来一直是蜂窝移动通信领域的一个重要内容。D2D通信系统中的资源分配直接影响到D2D通信能否提高频谱利用率以及降低功耗。研究了基于系统容量最大化的资源分配算法,详细论证了该算法在D2D通信技术中运用的可行性,并与传统的随机资源分配算法的性能作比较。仿真表明,不管在系统总容量还是所有蜂窝用户的容量损失方面,基于系统容量最大化的资源分配算法的性能明显优于随机资源分配算法。     

蜂窝网络下D2D通信重用多用户资源研究

D2D通信采取重用蜂窝系统内传统的UE用户的资源来提升系统的资源利用率.文章提出“D干扰域”的概念,作为判断是否重用某个特定的UE用户资源的依据.结合最优的模式选择方案和资源分配算法,对单蜂窝系统下的两种通信场景做出了仿真研究.场景一的仿真环境有一对D2D设备和多个UE用户,仿真结果验证了D2D通信可以提高资源利用率,也表明增加重用的UE数目可以提升系统性能.场景二的仿真环境中存在多对D2D设备,仿真结果表明在蜂窝内大部分区域,尤其靠近小区边缘时,并非重用可用的最大ue用户数才能获得最佳性能.具体的数目和“D干扰域”有关.文章的研究结论对D2D设备通信的多用户资源重用研究具有指导意义.     

移动边缘计算环境中的计算卸载技术研究综述

计算卸载技术作为移动边缘计算(Mobile Edge Computing,MEC)的关键技术,通过合理的卸载决策能有效解决终端设备计算能力弱、时延长和能耗高等问题.介绍了MEC的概念、参考架构、部署方案和典型应用场景;分别从卸载决策的目标、粗粒度、细粒度的卸载方式及MEC与端对端(Device-to-Device,D2...     

通信系统中流量和拥塞控制

在通信系统中，由于网络可运载的业务量是有限的，随着输入业务量增加会使得网络出现聚集现象和通过量大大下降。并引起时延大大升，从而导致网络无法正常运行，因此要求采用必要的流量和拥塞控制。     

D2D缓存网络中基于随机几何的成功卸载概率分析

针对所有移动用户均具有缓存能力的终端直传（D2D）缓存网络，将移动用户的位置分布建模为均匀泊松点过程（HPPP），并在此基础上结合内容缓存和内容请求的随机性，对网络干扰进行了精确分析和特定场景下的近似分析。考虑到D2D缓存技术融合了用户终端缓存与D2D通信的双重特点，即内容卸载包括自卸载和D2D卸载两种卸载方式、内容传输需要满足接收端信干比（SIR）和D2D距离的双重约束，利用随机几何理论推导出D2D缓存网络的成功卸载概率（SOP）的闭式表达式。仿真结果表明，结合D2D缓存网络特点的SOP更具有一般性，在特定场景下可以退化成已有研究中的特例。例如，在用户密集分布以及D2D最大通信距离较大的情况下SOP会退化成不考虑D2D距离约束的成功传输概率（STP）。     

Distributed Game-Theoretical D2D-Enabled Task Offloading in Mobile Edge Computing

Journal of Computer Science and Technology - Mobile edge computing (MEC) has been envisioned as a promising distributed computing paradigm where mobile users offload their tasks to edge nodes to...     

边缘计算中的计算卸载综述

边缘计算可以有效解决传统云计算中传输时延大、用户数据安全性不够高、传输带宽压力大以及终端移动设备计算能力受限、能耗大等问题.计算卸载是边缘计算中的关键技术,针对当前计算卸载技术的研究现状和存在的不足,本文围绕计算卸载,首先介绍边缘计算的体系架构以及部分应用和分析4种主要的影响因素以及相应具体的条件;其次针对3种决策目标分析了算法策略及对应变量在算法中的作用;最后总结目前在计算卸载中存在的不足.     

移动数据分流研究综述

移动数据分流(Mobile Data Offloading)是近年来一个比较新的研究热点。为了解决用户日益增长的移动数据需求给蜂窝网络运营商造成的流量负载和网络拥塞等问题,移动数据分流被提出来,即将蜂窝网络的数据分流到无处不在的用户间本地机会通信。其基本思想是通过蜂窝网络分发数据对象到一部分订阅用户(称为种子用户),再由种子用户通过本地机会通信(如Bluetooth、WiFi Direct、DSRC、Device-to-Device in LTE等)或基于WiFi AP辅助的方式传送给其他订阅的用户。首先从总体上概述了当前对数据分流研究的背景、意义和具体的研究进展。然后针对当前国内外学术界对这方面的研究内容和趋势,按照形式和技术路线对数据分流的方案进行了归类,并对各种类型的分流方案进行了综述。最后结合现实环境进行总结。     

边缘环境下计算密集型应用的卸载技术研究

移动边缘计算（Mobile Edge Computing,MEC）中的计算卸载技术通过将终端设备的计算任务卸载到网络边缘处,以解决云计算中心时延长、能耗大和负载高等问题。介绍了MEC的概念、目前主流的MEC网络架构和部署方案。从卸载决策方面对MEC环境下计算密集型应用的卸载技术进行了详细研究,从最小化时延、最小化能耗、权衡时延和能耗及最大化收益为优化目标的4种计算卸载方案进行了分析和对比,并总结出各自的关键研究点。通过分析5G环境下MEC卸载技术的发展趋势,介绍了支持5G的IIoT-MEC网络部署架构,在此基础上分析了基于深度强化学习的轻量级任务卸载策略和基于D2D协作的MEC卸载策略。总结和归纳了目前MEC中计算卸载技术所面临的卸载决策、干扰管理、移动性管理等方面的核心挑战。     

多设备间任务依赖的最佳卸载决策和资源分配

考虑了多个设备的移动边缘计算(mobile edge computing, MEC)与端对端(device-to-device, D2D)技术协作网络, 其中多个无线设备的最终输出作为另一个设备上某个子任务的输入. 为了最小化无线设备的能耗和任务完成时间的加权和, 研究了最优的资源分配(卸载发射功率和本地CPU频率)和任务卸载决策问题. 首先固定卸载决策, 推导出卸载发射功率和本地CPU频率的闭合表达式, 运用凸优化方法求出该问题的解. 然后基于一次爬升策略提出了一种低复杂度线性搜索算法, 该算法可以在线性时间内获得最佳卸载决策. 数值结果表明, 该策略的性能明显优于其他有代表性的基准测试.     

边缘计算中任务卸载研究综述

近年来,随着移动智能设备的普及以及5G等无线通信技术的发展,边缘计算作为一种新兴的计算模式被提出,作为传统的云计算模式的扩展与补充.边缘计算的基本思想是将移动设备上产生的计算任务从卸载到云端转变为卸载到网络边缘端,从而满足实时在线游戏、增强现实等计算密集型应用对低延迟的要求.边缘计算中的计算任务卸载是一个关键的研究问题...     

Traffic simulation in urban cellular networks of Manhattan type

A theoretical study of traffic in cellular networks usually requires long and complex calculations. For this reason, simulation appears to be a practical alternative for analyzing traffic in mobile radio systems. This paper presents a traffic simulator for urban cellular networks of Manhattan type. The model implemented includes network organization, distinct consumers, and a classification process for frequency assignment. Several simulations have been realized in order to measure network performances in different situations. Different channel assignment techniques that are both fixed and dynamic, including those that are with or without channel reservation for handoffs are compared. The results of this traffic simulator comparison confirm the efficiency of this study tool for traffic in cellular systems used in an urban environment.     

P2P技术分析与流量管理研究

随着P2P应用的日益流行,P2P流量消耗了网络的大量带宽,已经影响到了互联网传统业务的服务质量。为解决这一问题,网络运营者和研究人员在P2P流量的管理技术上进行了大量的探索研发工作,主要有P2P流量阻塞、缓存和本地化疏导等技术。首先对P2P技术做了简单概述,然后分析了影响P2P流量分布的重要技术因素,之后综述了最新的P2P流量管理技术,最后做了总结。     

绿色能源驱动的移动边缘计算动态任务卸载

移动边缘计算(mobile edge computing, MEC)是近年来出现的一种崭新技术,它能满足更多应用程序所需的计算资源,能使移动网络边缘资源受限的物联网(IoT)设备获得更好的性能.然而,众所周知,边缘基础设施在提高电力使用效率和整合可再生能源方面的能力较差.此外,由于物联网设备的电池容量是有限的,当电池电量耗尽时,所执行任务会被中断.因此,利用绿色能源来延长电池的使用寿命是至关重要的.此外,物联网设备间可以动态、有益地共享计算资源和通信资源.因此,为了提高边缘服务器的能效(power usage efficiency, PUE),实现绿色计算,设计了一种高效的任务卸载策略,提出了一种利用能量收集(energy harvesting, EH)技术和设备间通信(device-to-device communication, D2D)技术的绿色任务卸载框架.该框架旨在最小化任务执行所造成的边缘服务器端电网电力能源成本及云服务器端云资源租用成本.与此同时,引入激励约束,能够有效促进IoT设备间的协作,并防止IoT设备资源被其他设备过度使用.考虑到系统未来信息的不确定性,例如绿色能源的可获得性,提出了一种基于李雅普诺夫优化技术的在线任务卸载算法,该算法仅依赖于系统的当前状态信息.该算法的实现只需要在每个时间片内求解一个确定性问题,其核心思想是将每个时间片的任务卸载问题转化为图匹配问题,并通过调用爱德蒙带花树算法求得近似最优解.对所提出算法的性能进行了严格的理论分析,并通过实验验证了所提出框架的优越性能.