密集小蜂窝网络中基于用户接入的能效优化研究

为解决小蜂窝网络中基站密集部署导致能耗过高的问题,提出一种基于用户接入的能效优化算法。根据基站邻接关系对小蜂窝网络中的基站进行分簇,并引入合并因子均衡分簇规模。在此基础上,结合用户接入速率与基站负载情况,利用改进的混沌量子粒子群算法求解最佳用户连接矩阵,同时依据网络流量变化实现基站开关的动态切换管理。仿真结果表明,该优化算法在保障用户QoS的前提下,能提升系统能效,适用于5G无线网络。     

Massive MIMO 下行系统能效资源分配算法

摘 要: 针对无线通信网耗能造成二氧化碳排放量和运营成本日益增加的问题,提出了一种下行大规模天线系统能效最优的资源分配算法。算法在基站端采用最大比合并(MRT)的预编码情况下,考虑各用户最小数据速率、最大发射功率和可容忍的干扰水平约束条件下,以最大化系统能效下界为准则建立非凸优化模型。首先采用一种迭代算法确定每个用户的带宽分配,然后根据分数规划的性质,将能效优化问题的分数形式转化为减式形式,进而利用凸优化方法求解基站端最优的发射天线数和发射功率来获得最优能效。仿真结果表明,所提算法能以较小的迭代次数收敛到最大能效值,并且有较好的系统频谱效率性能,同时算法复杂度得到了显著降低。     

使用蚁群优化的WMSNs负载均衡路由方案

由于无线多媒体传感器网络（WMSNs）具有资源受限、信道容量可变、数据冗余度高等特点,研究WMSNs的QoS 路由具有极大的挑战性。针对上述问题,提出了一种使用蚁群优化的WMSNs负载均衡路由方案——ACOLBR。ACOLBR采用分簇技术进行区域划分,簇间利用ACO找到一条簇首到基站的最优路径,簇内利用以簇首为根节点的最小生成树算法组织路由。仿真结果表明,与AGRA和M-IAR算法相比,ACOLBR在负载均衡、传输时延、传输成功率、可扩展性和自适应性等方面均有较大改进,实现了全网的负载均衡,有效地延长了网络生命期,保证了网络传输的QoS。     

异构网中具有服务质量约束的高能效微基站部署方法

针对异构密集网络中基站密度增大带来的网络能耗过高问题,提出一种异构网络中高能效的微基站部署方法。首先,考虑微基站候选位置可行性以减轻环境条件的影响;其次,在不同的用户分布状态下对优化目依概率进行加权,增强了对不同用户分布场景的适应性;最后,通过对微基站部署数目、位置和功率配置的联合优化来提升系统能效,并提出了一种高能效的微基站部署算法。仿真表明,与仅优化微基站数量和部署位置的方法相比,所提方法提升能效最高达26%。实验结果表明,相对于不考虑功率的部署方法,所提出的联合优化方法能够有效提升系统能效,同时验证了微基站功率对异构网络能效的影响。     

异构网中基于改进蝙蝠算法的动态CRE偏置选择

Macrocell和Femtocell的两层蜂窝网络中的用户位置在空间和时间上具有很大的随机性,给资源分配和干扰管理带来许多挑战。为了适应这种随机性的资源分配,提高同频组网中下行异构蜂窝网络的小区边缘用户的通信速率,更好地实现负载均衡效果,提出了一种基于改进蝙蝠算法来实时动态设置Femtocell小区范围扩展偏置值（CRE）的方案,来缓解宏基站高热点负载压力,提高网络容量,从而用户合理选择接入不同基站,使功率资源得到合理利用,达到负载均衡的目的。仿真结果表明,与现有方案相比,该方案在保证Macrocell通信性能的情况下,提高了小区边缘数据速率及能效,实现了更好的负载均分效果。     

毫米波微波网络基于匹配算法的小区关联方法

由于毫米波网络具有间歇性及较高的路径损耗,对于毫米波与微波基站联合组网系统,传统的小区关联方法会导致严重的负载失衡问题。为此,提出一种分布式双连接小区关联算法。该算法基于效用函数,采用匹配算法求解系统效用最大化下的最优关联,并保证产生帕累托最优和双向稳定解。同时为基站设置最小配额约束,以平衡毫米波与微波基站负载。此外,在匹配算法基础上选择边缘用户进行双连接,减少干扰并降低频繁切换导致的链路失误率。仿真结果表明,最小配额分配算法下全网和速率较传统最大信干噪比算法平均提升25.9%,双连接时全网和速率较单连接时提升明显。     

基于差分进化融合蚁群算法的数据中心流量调度机制

针对数据中心网络的传统流量调度方法容易引起网络拥塞及链路负载不均衡等问题,提出了一种差分进化（DE）融合蚁群（ACO）算法（DE-ACO）的动态流量调度机制,对数据中心网络中的大象流调度进行优化。首先,利用软件定义网络（SDN）技术捕获实时网络状态信息并设定流量调度的优化目标;然后,通过优化目标重定义DE算法,计算出多条可用候选路径,作为ACO算法的初始化全局信息素;最后,结合全局网络状态以求得全局最优路径,并重新路由拥堵链路上的大象流。实验结果表明,以在随机通信模式下为例,与等价多路径路由（ECMP）算法和基于蚁群算法的SDN数据中心网络流量调度（ACO-SDN）算法相比,所提算法的平均对分带宽分别提高了29.42%～36.26%和5%～11.51%,降低了网络的最大链路利用率（MLU）,较好地实现了网络负载均衡。     

基于流调度选择的DCN动态负载均衡算法

针对数据中心网络(data center network,DCN)动态调度导致的负载不均衡问题,提出了基于流调度选择的动态负载均衡(dynamic load balancing based on flow scheduling selection,DLBFSS)算法。该算法首先计算拥塞链路上各条大流的等价最短路径,并删除不满足流带宽需求的路径;然后计算剩余路径的可用吞吐量,选择可用吞吐量最大的路径作为最优调度路径;最后根据大流的带宽和最优路径的负载定义调度的拥塞概率,将拥塞概率作为大流调度选择的依据。实验结果表明,与传统ECMP（equal-cost multi-path）路由和现有大流调度算法相比,DLBFSS能够减小网络时延,提高流的带宽利用率,保证了更好的负载均衡。     

SDN中基于负载均衡的最优路径选择算法研究

针对传统网络控制与转发的紧耦合,其路径分配算法的全局性差,实时性不足,根据软件定义网络的集中控制,提出一种基于马尔科夫链负载均衡(Markov Chain-Load Balancing ,MC-LB)算法。该算法使用马尔科夫链的转移概率计算链路重要性,并同时对业务流请求量和网络负载均衡率两个目标进行优化,获得多请求下的最优路径分配。通过大量实验对比表明该算法优于传统SPF（Shortest Path First）算法,最大可以增加网络负载均衡率30%,提升网络业务流请求接受率20%。达到了负载均衡效果,提高了网络的性能。     

ICRN功率分配与中继选择联合优化

针对工业认知无线电网络中出现的无线干扰和冲突严重,特别是工业现场的金属环境和移动特性造成多径与阴影衰落,从而使得传输可靠性难以保证的问题,引入感知信道概率及信道可用度概念,提出一种联合优化中继选择与功率分配的算法。该算法给出3种认知中继选择方案,分别是信道增益最大准则、最近准则及调和平均准则,并在源节点和所选中继节点之间进行最优功率分配,以最小化网络中断概率。仿真结果表明,与平均功率分配算法相比,所提算法能更好地降低系统中断概率,提高传输可靠性。     

能效优先的用户关联与功率控制协同优化机制

在异构蜂窝网络中,针对系统的能效,提出了一种基于效用函数最大化模型的用户关联与功率控制协同优化方案,该方案表示为非线性混合整数问题。为了求得该问题的最优解,设计了一种迭代算法,首先将原问题转换为带参数的多项式形式的问题,在外层循环利用Dinkelbach方法求得最佳的能效因子,然后在内层循环分别求得最佳的用户关联矩阵和传输功率。最终实验结果表明,用户关联与功率控制协同的优化方案在能效和负载平衡方面比固定功率条件下的用户关联策略的性能更优。     

超密集网络中基于Stackelberg博弈的非统一定价功率控制

针对超密集网小区同频部署中产生的区间干扰问题,提出基于Stackelberg博弈的非统一定价功率控制方案。首先,建立基于Stackelberg博弈的非统一定价功率控制模型,并通过该模型求解出基于价格的最优发射功率,此发射功率是关于干扰价格的函数;接着通过引入拉格朗日函数求解出相应基站的最优干扰价格,由控制器把干扰价格发送给相应的基站,并由基站调整自己的发射功率值去减弱对当前用户的干扰。仿真结果表明,与基于Stackelberg博弈的统一定价功率控制方案相比,所提方案在系统平均中断概率上平均下降了3个百分点。与基于基站权重的功率控制方案相比,在基站数量低于105时,所提方案在平均中断概率平均上上升了1.4个百分点;而当基站数超过105时,所提方案在平均中断概率上平均下降了1.6个百分点。此外,与这两个方案相比,所提方案在系统平均吞吐量上分别提升了12个百分点和10.5个百分点;在系统平均频谱效率上分别提升了9个百分点和8.5个百分点;在系统平均功率效率上分别提升了13个百分点和12个百分点。实验结果表明所提方案能够在部署更多基站情况下更好地提高蜂窝系统的性能。     

异构蜂窝系统中动态联合呼叫接纳控制算法

针对异构蜂窝系统的接纳控制问题,设计了一种动态联合呼叫接纳控制算法。该算法采取TOPSIS法选择最优接入网,根据系统负载分布情况动态调整网络资费,对用户的接入选择决策施加影响,以均衡网络间负载;针对不同的呼叫优先级,采取多级接入阈值及动态带宽分配策略,在接入控制环节进一步改善系统性能及用户体验。仿真结果表明,该算法在重视用户偏好的同时实现了负载均衡,降低了呼叫阻塞率和掉线率。     

软件定义网络中蚁群优化的负载均衡算法

软件定义网络因其特定的网络结构，有集中控制获取与分配全球网络资源等特点。针对软件定义网络中的负载均衡问题，在原有蚁群算法的基础上，提出了一种改进的蚁群优化负载均衡算法，主要思想如下：利用蚁群算法的搜索规则，将链路负载均衡度、流接受率、时延和丢包率作为蚂蚁选择下一节点的影响因素，在多个约束条件下，获得传输的最佳路径。理论分析及仿真结果说明，所提出的算法具有较好的负载平衡能力，而且可以提高网络的服务质量。     

基于免疫算法的网络基站规划优化

针对传统网络基站规划方法的不足,提出一种基于免疫算法的优化方法。使用多目标优化方法对基站规划问题进行数学建模,免疫优化算法采用浓度调节选择概率机制、邻近排挤算法、循环交叉和改进的变异操作,能保证解的多样性以及Pareto最优解集均匀分布在前沿面上。仿真结果表明,该算法能够有效获得最优的基站分布方案,覆盖率达到97.6%。     

5G超密集异构网络带内无线回传资源分配方案

为实现5G超密集异构网络中无线回传链路和接入链路之间的最优资源分配,研究多用户场景下双层异构网络的联合用户调度和功率分配问题,在队列稳定和无线回传资源有限的情况下,综合考虑用户调度、功率分配和干扰控制等因素,对带内无线回传的最优资源分配问题进行数学建模并求解,基于李雅普诺夫优化理论提出联合用户调度和功率分配的优化算法。将优化问题解耦为网络内各个用户的调度以及宏基站和小基站的功率分配过程,采用MOSEK求解器和二分类方法获得用户调度向量,利用拉格朗日乘子法求解功率分配问题,并通过队列的时刻更新过程实现最优资源分配。仿真结果表明,在多用户场景下,该方案能够有效提升网络总吞吐量以及网络效用,并且毫米波频段的通信性能优于传统蜂窝网络频段。     

异构蜂窝网络中QoS感知的负载平衡方案设计

鉴于异构蜂窝网络（Heterogeneous cellular network,HCN）的自身特性,传统最强信号接入（小区选择）方式已不再适合,新型小区选择方案急需引入。不同于传统接入方案,新型方案应具备平衡各类基站负载的能力。为反映用户资源消耗水平与实现平衡网络负载的目的,设计了一个服务质量（Quality of service,QoS）感知的负载平衡方案。该方案以资源消耗量作为基站负载,且同时拟合了用户服务质量需求。最终,该方案被规划为网络加权效益最大化问题。从规划问题的形式来看,该问题为非线性、混合整数优化问题,因此求解其最优解富于挑战性（尤其针对大规模问题）。为解决该问题,尝试利用对偶分解法设计了一个分布式算法。仿真结果表明,相比于最强信号接入和区域拓展接入,提出的接入方案具有更高的负载平衡水平与更低的呼叫阻塞概率。     

基于演化博弈的用户接入机制

用户接入问题就是无线终端选择接入某个服务基站的问题。用户接入可以看作无线资源管理的第一步,对于网络性能有着重要的影响,在实现负载均衡、控制干扰、提高频谱和能量效率等方面起着非常重要的作用。针对包含宏基站和全双工小基站的多层异构网络特点,考虑了分离多接入机制,即允许一个终端在上行和下行接入到不同的多个基站,从而实现性能的提升。在此基础上,将异构网络中的上行下行分离多接入的用户接入问题建模成一个演化博弈问题,其中用户是博弈方,相互之间进行资源的竞争,基站的接入选择就是博弈中的策略,每个用户希望能通过策略的选择实现自身效用的最大化。此外,基于演化博弈和强化学习设计了低复杂度自组织用户接入算法,用户可以根据当前的策略选择收益来进行策略调整,并最终达到均衡状态,实现了用户公平性。最后通过大量的仿真实验验证了所提方法的有效性。