分层异构网络无线资源管理技术探讨

随着通信技术的不断发展,用户随时随地获得高质量无线业务体验的需求造成网络的分层异构覆盖特征越来越明显.对分层异构网络中的无线资源管理关键技术进行了探讨,利用无线资源管理技术可以极大地提高分层异构无线网络环境下的传输速率并节约能量.     

异构无线融合网络中无线资源管理关键技术探讨

异构无线融合网络并不是多种无线接入技术的叠加,各个网络之间资源形式和管理机制各不相同,如何有效的管理无线资源,提升异构无线融合网络中无线资源的利用效率至关重要。基于以上,本文从异构无线融合网络概述入手,探讨了其无线资源管理的关键技术。     

多代理系统在异构无线网络资源管理中的应用

在网络向着高速化、宽带化、泛在化发展的过程中,出现了多种多样的无线通信系统,给网络带来了丰富的异构性。然而异构网络缺少互通机制,缺乏有效的协调,具有系统间的干扰、单一网络业务提供能力有限、频谱资源稀缺等问题,网络资源利用率低下。为使网络资源能够高效使用,联合资源管理必不可少。而传统的集中式资源管理架构不能满足异构网络环境的需求,分布式基于多代理的网络资源管理架构将是未来异构无线网络联合资源管理的主要形式。     

面向智能配电的异构融合网络无线资源管理

通信系统是体现智能配电网使用性能的重要因素.基于异构融合网络的通信系统能够更好地满足实际的通信需求.本文从智能配电网通信系统的特点入手,对面向智能配电的异构融合网络无线资源管理进行分析.     

未来无线资源管理

分析了未来异构多无线网络的特点和需求,介绍了未来无线资源管理涵盖的内容。重点分析了联合无线资源管理和传统无线资源管理的区别,以及未来联合无线资源管理可能采用的模式。     

异构认知网络环境下的动态分级资源管理方法

针对异构认知网络中的资源管理问题,提出了基于认知的动态分级资源管理方法(DHRM)。根据不同时间尺度,引入小波神经网络、基于维纳过程的预测方法和增强学习算法获得业务分布变化、切换呼叫资源需求量以及用户喜好等信息,从而动态调配异构多网络各级可用资源。在资源合理分配基础上,根据各网络实时状态以及用户喜好,通过多属性决策算法动态地将业务流分配到最佳接入网络中。仿真结果表明,DHRM相对于网间静态资源管理方法系统容量提高了约20%。     

异构无线接入网络中的通用链路层技术

如何实现异构环境下的多种无线接入网络融合以及多种无线接入技术之间的协同工作,是未来移动通信研究的主要内容。通用链路层(GLL)基于可重配置的链路层平台,完成不同无线接入技术的协同工作,从而实现了无缝和无损的垂直切换。通用链路层作为解决异构网络协同工作的一种新型技术,已经引起了相关研究领域的广泛关注。通用链路层可以划分为通用和特殊功能部分,并且在垂直切换中具有一套独特的执行过程。相比其他异构接入方案,通用链路层在切换执行的性能方面具有优势。     

异构无线网络中基于多网协同优化的资源管理技术研究

在移动信息高速发展的今天,为了满足不同用户的需求,人们已经研究卡发出了多种类型的无线通信系统。就目前的发展情况来看,由于2G和3G都存在一定的客观限制因素,且现在正在向着4G网络不断迈进;因此,如何进行多种异构网络的协同优化来有效利用网络资源,也是主要的研究对象之一;基于此,本文将简要分析多网下同优化的资源管理及其相关管理技术。     

车联网异构网络资源管理优化研究

无线资源管理优化是异构网络研究的重要组成部分。有限的带宽和成倍增长的网络用户,使异构无线网络的资源管理优化成为了迫切需要解决的问题。文章对接入异构网络的业务种类和异构网络资源管理进行了研究,并针对业务种类的不同提出了基于业务优先级的集中式联合无线资源管理算法。结果表明,该算法能够在保障无线资源利用率的前提下,优先使安全型业务接入网络,极大地降低安全型业务的接入阻塞率。     

基于区域的异构无线传感器网络密钥管理

密钥管理是无线传感器网络中极具挑战性的安全问题之一.在随机密钥预分配方案的基础上,提出一种利用节点部署知识和已知区域信息的异构无线传感器网络密钥预分配方案,并分别从网络连通性、节点内存需求和安全性等方面对方案进行性能评价和模拟仿真.结果表明,相比现有密钥管理方案,本方案能提高网络的连通性,减小节点所需存储空间,并增强网络抗攻击能力.     

可重配置无线网络中联合无线资源管理研究

对可重配置网络进行资源管理的研究是当前无线领域内的一个热点问题,而其中联合无线资源管理机制和算法是影响网络协同性能的最关键因素之一.本文介绍了可重配置系统的联合无线资源管理研究领域的最新成果和进展,并对研究热点和未来发展方向进行了分析展望.     

联合资源管理的异构无线网络垂直切换算法

针对资源有限的无线异构网络,关键问题是如何管理稀缺的无线资源(如带宽)来满足服务提供者和享受服务的用户的需求。提出一种联合带宽动态分配,准入控制的垂直切换算法,旨在提高运营商的利益最大化的同时兼顾用户的服务质量。仿真结果表明,该算法可以有效地提高带宽资源的利用率,有效降低阻塞率和掉话率,能够满足不同业务的切换要求,适合异构无线网络的多业务传输。     

Uplink Low Power Based Radio Resource Management in Wireless Heterogeneous Networks

Wireless Personal Communications - Due to the rapid rise of energy consumption and limited battery power of wireless user equipment (UE), low power communication becomes very important....     

Traffic Characteristics Based Dynamic Radio Resource Management in Heterogeneous Wireless Networks

The traffic with tidal phenomenon in Heterogeneous Wireless Networks （HWNs） has radically increased the complexity of radio resource management and its performance analysis. In this paper, a Simplified Dynamic Hierarchy Resource Management （SDHRM） algorithm exploiting the resources dynami- cally and intelligently is proposed with the consideration of tidal traffic. In network-level resource allocation, the proposed algorithm first adopts wavelet neural network to forecast the traffic of each sub-area and then allocates the resources to those sub-areas to maximise the network utility. In connection-level net- work selection, based on the above resource allocation and the pre-defined QoS require- ment, three typical network selection policies are provided to assign traffic flow to the most appropriate network. Furthermore, based on multidimensional Markov model, we analyse the performance of SDHRM in HWNs with heavy tailed traffic. Numerical results show that our theoretical values coincide with the simulation results and the SDHRM can im- prove the resource utilization.     

基于集中式接入网架构的异构无线网络资源管理技术研究

未来无线通信网络将是一个多种无线接入方式共存的异构网络,如何实现异构网络在频谱、软硬件资源等方面的融合是一个亟需解决的问题.现有方案受限于不同网络独立部署的架构,无法真正实现异构网络资源的融合.针对该问题,提出了一种新型的基于集中式接入网架构的异构网络融合平台,可以在集中式资源池基础上进行异构网络间处理资源及无线资源的共享与统一管理.基于该平台,进一步阐述了异构网络资源管理的关键技术,包括基站资源虚拟化、处理资源按需分配、动态频谱共享、网络覆盖优化及性能分析验证方法等,为未来异构网络融合研究提供了一种可行的方案.     

基于强化学习的异构无线网络资源管理算法

为了充分利用各种无线网络的资源,需要实现异构网络的融合,而异构网络的融合又面临接入控制与资源分配的问题。为此,提出一种基于强化学习的异构无线网络资源管理算法,该算法引入 D2D （device-to-device）通信模式,并可以根据终端不同的业务类型、终端移动性及网络负载条件等状态,选择合适的网络接入方式。同时,为降低存储需求,采用神经网络技术解决连续状态空间问题。仿真结果表明,该算法具有高效的在线学习能力,能够有效地提升网络的频谱效用,降低阻塞率,从而实现自主的无线资源管理。     

A Noncooperative Game-Theoretic Framework for Radio Resource Management in 4G Heterogeneous Wireless Access Networks

Fourth generation (4G) wireless networks will provide high-bandwidth connectivity with quality-of-service (QoS) support to mobile users in a seamless manner. In such a scenario, a mobile user will be able to connect to different wireless access networks such as a wireless metropolitan area network (WMAN), a cellular network, and a wireless local area network (WLAN) simultaneously. We present a game-theoretic framework for radio resource management (that is, bandwidth allocation and admission control) in such a heterogeneous wireless access environment. First, a noncooperative game is used to obtain the bandwidth allocations to a service area from the different access networks available in that service area (on a long-term basis). The Nash equilibrium for this game gives the optimal allocation which maximizes the utilities of all the connections in the network (that is, in all of the service areas). Second, based on the obtained bandwidth allocation, to prioritize vertical and horizontal handoff connections over new connections, a bargaining game is formulated to obtain the capacity reservation thresholds so that the connection-level QoS requirements can be satisfied for the different types of connections (on a long-term basis). Third, we formulate a noncooperative game to obtain the amount of bandwidth allocated to an arriving connection (in a service area) by the different access networks (on a short-term basis). Based on the allocated bandwidth and the capacity reservation thresholds, an admission control is used to limit the number of ongoing connections so that the QoS performances are maintained at the target level for the different types of connections.     

基于Q学习的自主联合无线资源管理算法

该文提出了一种基于Q学习的联合无线资源管理(JRRM)算法,用于异构无线接入技术条件下B3G系统的自主资源优化。JRRM控制器通过与无线环境的试错交互,学会为每个会话分配合适的接入技术和业务带宽。为降低存储需求,算法引入了反向传播神经网络用于泛化其输入状态空间。仿真结果表明,该算法不仅通过在线学习实现了JRRM的自主化,且在频谱效用和阻塞率之间获得了很好的性能折衷。