异构网中联合载波选择和波束形成的小区选择算法研究

为提高异构网系统容量和热点覆盖,引入了微微小区,但选择微微小区的用户数量很少,且层间干扰异常复杂,微微小区的平均吞吐量和边缘用户性能无法提高。为此,在载波聚合条件下提出一种联合成员载波选择、波束形成的小区选择新算法。通过将该算法与参考算法仿真对比,得出此方案能够协调宏小区与微微小区之间的干扰,进而提高微微小区的平均吞吐量和边缘用户性能,使整个系统的吞吐量得到很大的提高。     

超密集网络中小小区分簇和子载波分配算法

超密集网络中,严重的小区间干扰制约了终端用户尤其是边缘用户的数据速率。有效地对干扰进行管理、提升边缘用户的数据速率是超密集网络中的研究难点。在超密集网络架构的基础上,提出一种基于图论的不完全染色算法,对网络架构中的基站划分簇,同簇内的不同基站共享频带资源。同时,提出一种子载波分配算法,优先为边缘用户分配信道增益较优的子载波。通过仿真表明,不完全染色算法能够有效地减小小区间干扰,提升系统吞吐量,子载波分配算法在不影响系统吞吐量的基础上能够优化边缘用户的吞吐量。     

协同OFDM系统联合中继选择、子载波配对和功率分配算法

研究了协同OFDM系统中的资源分配问题,提出了一种联合中继选择、子载波配对和功率分配的算法.首先在假定等功率分配的情况下,对中继节点进行选择并对子载波进行配对,然后在此基础上对选定的子载波对进行功率分配.分析结果显示所提算法是一种计算复杂度比较低,且系统容量接近最优容量的算法.     

基于ABS的干扰协调方案研究

异构网通过运用不同功率的基站同频部署,扩大了网络覆盖率及系统容量。但同时这种多层结构也带来了小区间干扰问题。ABS是一种时域上的小区间干扰协调技术,解决了下行传输中高功率宏基站和低功率小基站共享频域资源时的干扰问题,但该技术的缺点是降低了宏基站的用户容量。文中研究了一种从频域、时域、功率三个维度联合进行干扰协调的新型ABS解决方案。仿真结果证明该方案可以显著增加宏基站用户的吞吐量,同时不对小基站产生过多干扰。     

基于混合网络的小区间干扰协调研究

在蜂窝与Ad hoc混合网络中,小区边缘用户会受到邻近小区边缘用户的同频干扰.针对该问题,提出一种基于子载波分配的小区间干扰协调方案.该方案中的用户子载波分配选择算法具有信道增益选择性,且能对最小化子载波进行重利用,可提高小区边缘区域用户的通信性能.仿真结果证明,与软频率复用和部分频率复用方案相比,该方案能更有效地增加小区边缘用户的吞吐量.     

5G超密异构网络中联合虚拟波束形成的小区选择算法

随着移动通信技术的发展,移动用户设备呈爆炸性增长趋势,使异构网中小区密集,造成小区间严重干扰,严重影响系统吞吐量.基于5G超密异构网络结构,研究了以用户为中心,基于动态小区选择与联合优化,提出了联合虚拟波束形成的小区选择算法.仿真结果表明:该算法协调了小区间干扰和频谱效率的矛盾,提高了边缘用户的性能和小区的平均吞吐量.     

LTE系统多小区上行联合功控算法

针对传统的小区内开环功率控制算法通常以提升本小区的吞吐量性能为目标，忽略了当前小区用户对邻小区用户同频干扰的问题，为提升边缘用户性能的同时兼顾系统整体性能，提出了一种LTE系统小区间上行联合功率控制（UJPC）算法。该算法采用单基站三扇区为系统模型，以最优化系统吞吐量比例公平函数为目标，首先根据最小信干噪比（SINR）约束值和用户最大发射功率这两个约束条件得到相应的数学优化模型，然后采用连续凸近似的方法求解优化问题得出各个基站所管辖的小区内所有用户的最优发射功率。仿真结果表明，与基准的开环功控方案相比，联合功控方案在保证系统平均频谱利用率的情况下能够较大幅度地提高小区边缘频谱利用率，其最佳性能增益能达到50%。     

LTE系统自适应软频率复用技术研究

提高小区边缘用户性能是蜂窝移动通信系统的经典难题.下一代蜂窝移动通信系统3GPP LTE通过有效的小区间干扰协调以及频率资源分配来改善小区边缘用户性能.提出一种自适应软频率复用算法,根据系统负载情况自适应地为各小区分配主、副载波及其发射功率,在实现系统吞吐量优化的同时保证小区中心和边缘区域速率需求.算法首先通过穷尽搜索和贪婪递减策略,获得单小区最优资源分配,然后在不同小区间迭代执行单小区算法直到系统吞吐量不变为止.仿真结果表明,算法通过多次迭代后,系统吞吐量保持不变并输出一种优化的资源分配方案.与同类频率分配算法相比,可以有效提升小区边缘用户的吞吐量,同时获得更高的系统容量,更适用于高速率的LTE系统.     

超密集网中基于分簇的功率优化控制方案

超密集网(UDN)的组建可增加热点地区的系统容量,但由于网络中存在严重区间干扰,限制了UDN的部署。为此,提出一种基于小区分簇的功率优化控制方案。通过预先设定的系统平均干扰阈值进行分簇,将系统中干扰较大的小区分到一个簇中,当簇中的小区对其他小区用户的干扰低于设定的阈值时,将此小区从这个簇中去除。该方案的功率控制由控制器根据簇内基站所占的权重值为各个基站分配相应的功率值,从而达到控制目的。仿真结果表明,该方案能够有效抑制网络中的干扰,提高系统吞吐量。     

异构网络动态配置空白子帧干扰协调算法

为了解决LTE-A系统下两层异构网络中的小区间干扰协调问题,提出了在增强小区中调度几乎空白子帧的干扰方案;为了降低干扰和进一步提高信道利用率,设计了一种动态分配几乎空白子帧的算法;该算法基于小区增强覆盖技术,指出由增强小区用户与总用户的比例来动态的调整几乎空白子帧比例;仿真结果对比了固定比例的几乎空白子帧和动态设定几乎空白子帧的算法,表明动态配置几乎空白子帧的算法,提高了系统容量,改善了信道利用率。     

基于位置和干扰限制的认知中继选择算法

针对认知无线电网络传输速率不足及对主用户造成干扰等问题,提出一种基于位置和干扰限制的认知中继选择算法。该算法根据中继节点位置对中继链路速率的影响选择中继节点,同时在限制认知用户对主用户干扰的情况下,确定中继节点的最佳发射功率。仿真结果证明,该算法能满足认知用户对主用户干扰限制的要求,提高系统吞吐量。     

基于启发式强化学习的动态CRE偏置选择算法

随着通信用户数量的不断增长,低功率基站逐渐出现负载不均衡问题,小区边缘用户受到的干扰逐步增加,从而导致整个小区的通信质量降低。为解决该问题,针对双层异构网络场景,提出一种基于启发函数进行小区范围扩展(CRE)偏置值动态选择的HSARSA(λ)算法。利用启发函数改进强化学习中的SARSA(λ)算法,通过该算法寻找出最优CRE偏置值,以缓解宏基站高热点负载压力并提高网络容量。仿真结果表明,相比SARSA(λ)和Q-Learning算法,HSARSA(λ)算法的边缘用户吞吐量分别提高约7%和12%,系统能效分别提高约11%与13%,系统通信质量得到较大提升。     

基于ADC精度与AP选择的去蜂窝系统能效均衡方法

去蜂窝大规模多输入多输出(MIMO)系统通过部署大规模接入点(AP),获得宏分集增益和较低的路径损耗,但产生的大量功耗损失使得系统能效质量失衡。针对去蜂窝大规模MIMO系统与多AP联合协作的能效质量失衡问题,提出一种基于模数转换器(ADC)精度和AP选择的能效均衡方法。利用泊松过程对用户分布进行建模,推导出激活所有AP时频谱效率及能量效率的闭式解,将有效信道与干扰信道增益的占比作为排序指标,通过降序排序的方法获得相应信道方差矩阵索引,按索引对AP集进行逐层筛选,当AP联合服务用户获得频谱效率的变化差值小于阈值时,停止筛选并确定用户间干扰低的AP组合。通过ADC精度与AP选择的联合优化获取最优量化位数,实现系统频谱效率与能效的均衡。仿真结果表明,与全AP选择、基于大尺度衰落的AP选择方法相比,该方法能达到较优的能效质量均衡,尤其在用户密集区域,可提升约20%能效,同时利用最大最小功率控制可保证系统区域一致良好的用户服务质量。     

C-V2X无线资源管理算法研究

在蜂窝车联网（C-V2X）的underlay模式下,蜂窝用户（C-UEs）与车载用户（V-UEs）共享上行频谱。为解决C-V2X中的同频干扰问题,并确定不同数据包优先级（PPPP）用户的传输优先度,在保障V-UEs与C-UEs通信可靠性的同时,以最大化所有用户的信息值为目标,提出一种新的无线资源管理（RRM）算法。通过引入子用户的概念将RRM问题转换为功率分配问题与频率资源选择问题,在功率分配结果的基础上采用启发式算法实现低复杂度的频率资源选择,并对频率选择结果进行再分配得到最终发射功率。仿真结果表明,该算法相比正交分配算法能够有效提升所有用户的信息值,并保障系统可靠性。     

异构网络中基于鸽群优化算法的D2D资源分配机制

针对异构蜂窝网络中D2D(device-to-device)通信用户复用蜂窝用户上行信道产生的频谱资源分配优化问题,提出一种基于改进离散鸽群算法(PIO)的D2D通信资源分配机制.通过设置信干噪比(SINR)门限值保证用户的通信服务质量(QoS),使用基于改进地图-指南针算子和认知因子的离散鸽群算法(IMCBPIO)为D2D用户进行资源分配,并采用基于接收SINR的闭环功率控制算法动态调整用户的发送功率,以减少用户与基站以及用户与用户之间存在的干扰.仿真结果表明,所提出方案能够有效抑制异构网络中由于引入D2D用户后导致的干扰,降低通信用户的中断概率,大大提高频谱利用率和系统吞吐量.     

Determine the optimal carrier selection for a logistics network based on multi-commodity reliability criterion

From the perspective of supply chain management, the selected carrier plays an important role in freight delivery. This article proposes a new criterion of multi-commodity reliability and optimises the carrier selection based on such a criterion for logistics networks with routes and nodes, over which multiple commodities are delivered. Carrier selection concerns the selection of exactly one carrier to deliver freight on each route. The capacity of each carrier has several available values associated with a probability distribution, since some of a carrier's capacity may be reserved for various orders. Therefore, the logistics network, given any carrier selection, is a multi-commodity multi-state logistics network. Multi-commodity reliability is defined as a probability that the logistics network can satisfy a customer's demand for various commodities, and is a performance indicator for freight delivery. To solve this problem, this study proposes an optimisation algorithm that integrates genetic algorithm, minimal paths and Recursive Sum of Disjoint Products. A practical example in which multi-sized LCD monitors are delivered from China to Germany is considered to illustrate the solution procedure.     

CNR中基于多用户Q学习的联合信道选择和功率控制

针对认知无线网络中多用户资源分配时需要大量信道和功率策略信息交互,并且占用和耗费了大规模系统资源的问题,通过非合作博弈模型对用户的策略进行了研究,提出一种基于多用户Q学习的联合信道选择和功率控制算法。用户在自学习过程中将采用统一的策略,仅通过观察自己的回报来进行Q学习,并逐渐收敛到最优信道和功率分配的最优集合。仿真结果表明,该算法可以高概率地收敛到纳什均衡,用户通过信道选择得到的整体回报非常接近最大整体回报值。     

基于ADMM算法的网络连接数据变量选择

随着科技的发展,网络连接数据在统计学习、机器学习等领域的应用越来越普遍.在线性回归模型中,目前关于网络连接数据的变量选择研究主要针对的是同质性样本,即样本的个体效应α相同,但在现实中大多数样本的个体效应存在异质性,在不考虑异质性的情况下会使得模型的估计和预测产生较大偏差.因此,当网络数据中个体效应存在组异质性时,本文提...     

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。     

Femtocell网络中基于联合传输的分簇与功率分配算法*

针对家庭基站(femtocell)密集部署时的下行干扰问题,提出一种基于多点协作联合传输的分簇与功率分配相结合的算法。首先根据受到的干扰程度进行分簇,将干扰强的家庭基站分到同一个簇,簇内所有家庭基站通过寻找对自身最有利的基站进行协作,将干扰信号转变有用信号,联合传输为用户提供服务,提升用户的信干噪比来保证用户性能,簇间则复用相同的频谱资源。然后通过给用户分配合适的功率使得总传输速率最大。仿真结果表示,所提算法能在抑制系统干扰的同时提高系统的吞吐量。