QoS保障的LTE-A飞蜂窝资源块分配与MCS选择研究

针对LTE-A飞蜂窝网络下行链路的资源块(Resource Block,RB)分配与调制编码策略(Modulation-and-Co-ding Scheme,MCS)选择问题,构建了整数线性规划模型,以在保障每个飞蜂窝用户最小吞吐量的需求下,最大化飞蜂窝系统吞吐量。其中,吞吐量是衡量网络性能最重要的服务质量(Quality of Service,QoS)指标之一。鉴于此问题是一个NP难问题,提出了一种ACOGA智能优化算法。该算法结合遗传算法(Genetic Algorithm,GA)与蚁群优化(Ant Colony Optimization,ACO)算法,可实现RB的动态分配与MCS的动态选择,并收敛到一种近优的分配策略。其中,GA算法动态地优化ACO算法中的参数配置,ACO算法利用优化后的参数配置执行RB分配与MCS选择。仿真表明,与采用静态参数配置的ACO算法相比较,ACOGA算法可使飞蜂窝系统的吞吐量提高12%以上,并显著提高了收敛速率。     

OFDMA多跳中继蜂窝网络空间复用干扰协调策略

蜂窝网络空间易受到跨层或同层干扰,从而导致其存在资源分配不均衡的问题.针对该问题,提出一种OFDMA多跳中继蜂窝网络空间复用干扰协调策略.首先建立网络模型,在调节无线链路的基础上,通过资源重用策略和相应的多跳中继下行子帧结构,保证网络的资源利用率.基于此,结合STBC干扰协调策略提高小区边缘编码的分集性能.只有当来自多个小区的信号强度没有显著差异时,才可使用STBC编码.否则,选择信号强度最大的小区为用户提供服务,从而减少由多个天线同时服务而引起的附加干扰.实验结果表明:该策略取得了较好的接收信噪比性能,证明其具有较强的有效性.     

LTE-A飞蜂窝网络自相似业务流的端到端时延边界分析

LTE-A是一种4G移动通信标准,可满足移动数据业务对传输带宽的要求。为解决移动通信网络中室内信号质量较差的问题,LTE-A标准采用飞蜂窝技术作为室内无线接入解决方案。针对LTE-A飞蜂窝网络的时延边界问题,运用随机网络演算方法分析业务流的自相似性质和MIMO信道的时变特性,构建了LTE-A飞蜂窝网络中自相似业务流的随机到达与随机服务模型。围绕所构建的到达与服务模型,运用有效带宽理论和chernoff界方法,给出了自相似业务流的端到端时延边界。NS3仿真验证表明,在信道带宽和业务流优先级等指标不同的情形下,所给出的理论端到端时延边界与仿真时延的偏差在2ms以内,较为准确有效,可为确保LTE-A飞蜂窝网络的服务质量提供依据。     

LTE-A 异构网络的干扰抑制技术研究

针对传统的干扰协调算法存在着频谱效率不高,吞吐量低等问题,基于LTE-A,提出了一种改进的动态部分频率复用算法.在传统蜂窝网络中引入了低功率节点,与宏蜂窝网络组成异构网络.在改进的算法中,划分了干扰区域,以干扰区域比重为依据对用户进行分组,再为用户分配子信道.同时,建立干扰图,用点着色算法对图中顶点进行着色,再根据着色结果对节点进行分组,依据分组结果使用频谱资源分配算法进行资源分配.实验结果表明,该算法与传统算法相比具有更高的频谱效率,在保证系统的吞吐量的同时提高了用户的信道噪声比SINR.     

LTE-A中继系统基于OFDMA的干扰解决算法

干扰消除是移动通信管理的重要组成部分之一。在LTE-A系统中,由于中继技术的引入,给解决小区干扰尤其是小区间干扰提出了更高的要求。通过分析LTE-A系统引入中继后产生的新干扰情况以及依据正交频率复用技术可以有效降低小区间干扰的优势,提出了一种LTE-A中继系统基于OFDMA的干扰解决算法。通过仿真结果表明,该算法有效地降低了小区间的干扰,提高了小区的吞吐量,提升了小区的服务质量。     

LTE-A中继网络中基于小区间干扰协调的分布式资源分配

针对LTE-A(long term evolution-advanced)中继系统存在的干扰问题, 提出一种基于小区间干扰协调(inter cell interference coordination, ICIC)的资源分配算法。该算法利用LTE-A网络里各个小区基站之间的交互信息, 得到邻小区资源块(resource block, RB)的使用状况, 将空闲率最大的资源块分配给信道增益最大的用户, 从而在满足用户业务需求的前提下提高小区吞吐量。仿真结果表明, 该算法优于传统的SSA(separate and sequential allocation)算法, 系统整体性能得到提升。     

LTE-A异构网中小蜂窝下行同层干扰避免算法

提出一种有效降低小蜂窝间同层干扰的算法。首先依据干扰关系通过对各小蜂窝进行分簇来降低算法的复杂度,提高系统的频谱效率;随后提出一种基于后悔值的博弈算法(RBGA)来对各小蜂窝簇进行频谱分配,通过避免有强烈干扰的小蜂窝间分配相同的频谱来避免同层干扰。仿真结果表明,所提算法能有效提高系统的性能。     

基于CRE与ABS的异构蜂窝干扰协调方案

异构蜂窝的重叠部署将为蜂窝间干扰协调带来许多新挑战,蜂窝范围扩展（Cell range expansion,CRE）与几乎空子帧（Almost blank subframe,ABS）等强化干扰协调技术被认为是解决相关问题的有效方法,但其性能还缺乏充分探索。本文研究了上行CRE方案与基于ABS的下行CRE方案,发现CRE技术能够明显提升上行链路的性能。但是若微微蜂窝的上下行链路接入范围均按照同样的方式扩展,则下行链路性能将受到负面影响。为解决这一问题,研究了下行链路基于ABS的CRE方案,发现将CRE与ABS联合应用可以有效地提升下行链路性能。研究还表明,适当的CRE偏置值与ABS空子帧比例能够获得对应系统Max Min公平的配置方案。     

联合HII和OI的小区间干扰协调方案

针对HII和OI处理的协调性,提出一种联合HII和OI的小区间干扰协调方案。方案根据目标小区接收到的HII和OI,确定目标小区中心需要调整PRB分配的用户和需要调整发射功率的用户。并根据不同的边缘负载情况分配频率资源。MATLAB仿真结果表明,新的小区间干扰协调方案与传统的小区间干扰协调方案相比能够有效抑制小区间干扰,提高用户平均吞吐量。     

蜂窝与D2D混合网络中干扰协调算法研究

在蜂窝与D2D混合网络中,D2D用户复用蜂窝用户的资源会给混合网络带来不能避免的干扰,这些干扰严重影响了系统性能。文章在资源分配与功率控制研究的基础上,提出一种基于联合资源分配与功率控制的干扰协调方案。资源分配时,首先对用户进行分簇,分簇的结果是使簇与簇间的总干扰最大,然后以最大化系统容量为目标,采用一种迭代分配方案,对已经分好的簇进行资源块的划分。功率控制时,根据预设的干扰门限值,以及D2D用户与蜂窝用户、基站之间的信道增益估计值,对D2D用户进行动态的功率调整。通过仿真验证该算法能够提高混合网络的总吞吐量。     

基于改进SA算法在智能制造生产调动模型研究

智能制造生产调动是一个复杂的多目标优化问题,传统的生产调动方法多采用启发式方法,在面对复杂的制造环境,传统方法可能会出现早熟收敛或搜索精度下降的问题;因此为了解决这些问题,研究构建了基于改进SA算法的智能制造生产调动模型;首先对SA算法进行了优化,其次利用优化后的算法构建了生产调动模型,最后通过仿真实验去验证模式算法的性能。实验结果表明,在数据集中,真实值、模型方法和传统方法的平均完成时间分别为85.33min、89.92min和93.81min,其中模型方法与真实值的差距仅为4.59min。这说明模型方法可以用于解决现有生产模式存在拖期的情况,及时完成生产任务。模型算法能够为智能制造生产调动提供新的思路。     

求解可满足性问题的改进的模拟退火算法

该文为可满足性问题的高效近似求解提出了改进的模拟退火算法。数值实验表明,对于该文随机产生的测试问题例,改进的模拟退火算法完全胜过局部搜索算法、模拟退火算法以及目前国际上流行的WSAT算法。     

欧氏Steiner最小树问题的智能优化算法

欧氏平面内连接固定原点的最小树长问题，即欧氏Steiner最小树问题，为组合优化中的NP难题，因此合理的方法是寻找启发式算法。该文给出了两种智能优化算法——模拟退火法和蚂蚁算法。首先概述智能优化算法并将中面划分成网格，然后分别介绍两种算法的原理及实现过程，最后通过一系列计算实验，测试了算法的运行性能，获得了较好的效果。     

多维多极值函数优化的和声退火算法

针对多极值实函数优化问题,本文结合和声搜索与模拟退火算法,提出了一种新的搜索算法,即和声退火算法。新算法保留了和声搜索的搜索机理,但对和声搜索中于和声记忆库外的搜索方法用超快速模拟退火算法作了改进,对和声记忆库内新解产生方法也作了相应的调整,从而提高了对多维问题的搜索效率。数值实验结果表明算法对和声搜索有明显的改进,收敛速度更快,跳出局部极值点的能力较强。新算法在解决多维多极值优化问题方面比遗传算法更具效率,值得进一步研究与推广应用。     

一种快速的模拟退火算法及其在数据聚类中的应用

文中把求解数据聚类问题转换为一个图形分割最优问题,提出一种快速的模拟退火算法。实验结果证明,快速模拟退火算法退火时间短,收敛速度快,把它应用于数据聚类中,可以获得较好的聚类结果。     

An Intelligent Optimization Approach to Non-stationary Interference Suppression for Wireless Networks

In this paper, we propose a new technique to effectively suppress non-stationary interference signal for wireless networks. This technique combines a new scheme of interference signal estimation with the intelligent optimization projection. In order to capture interference signal's subspace, a time-varying method is used to estimate the non-stationary interference. Orthogonal polynomials are used for the basis function instead of the power of the time to reduce the computational complexity. The interference is then removed from the corrupted signal by subspace projection, resulting in less distortion to the desired signal. The performance of this approach is validated by computer simulation.      

时滞系统控制参数优化的遗传模拟退火算法

该文基于遗传模拟退火算法,提出一种时滞系统的控制参数优化方法,同时对Matlab遗传算法工具箱GAOT进行改进,使之适用于PID参数的优化。该文所采用的算法保留了遗传算法和模拟退火算法分别在全局和局部搜索能力强的优点,能克服常规遗传算法中解的早熟现象、局部寻优能力差,难以保证对参数优化的计算效率和可靠性要求等缺陷。研究表明,改进后的遗传模拟退火算法是一种行之有效的方法,具有实用价值。     

粒子群优化算法的收敛性分析及其混沌改进算法

分析了粒子群优化算法的收敛性,指出它在满足收敛性的前提下种群多样性趋于减小,粒子将会因速度降低而失去继续搜索可行解的能力;提出混沌粒子群优化算法,该算法在满足收敛性的条件下利用混沌特性提高种群的多样性和粒子搜索的遍历性,将混沌状态引入到优化变量使粒子获得持续搜索的能力.实验结果表明混沌粒子群优化算法是有效的,与粒子群优化算法、遗传算法、模拟退火相比,特别是针对高维、多模态函数优化问题取得了明显改善.     

聚类问题的蚁群算法

文章建立了聚类分析问题模型,分析了K-均值算法、模拟退火算法和蚁群算法的优缺点,结果表明蚁群算法比较有效。