密集家庭基站网络中基于分簇的资源分配方案

针对家庭基站密集部署情况下的下行干扰问题,提出一种基于分簇的资源分配方案。首先,采用部分频率复用（FFR）技术将网络中所有小区划分成不同的空间,既能抑制宏基站之间的同层干扰,又能降低边缘区域宏基站与家庭基站间的跨层干扰;然后,结合图论的知识及凸优化理论对家庭基站进行分簇,并采用基于用户速率公平的信道分配算法对家庭基站进行子信道分配,抑制家庭基站间的同层干扰;最后,采用分布式功率控制算法对家庭基站功率进行动态调整,进一步提升系统的性能。仿真结果表明：相比传统未分组算法,所提算法的信干噪比（SINR）和吞吐量有明显提高,其中,系统吞吐量低于4 Mb/s的概率降低为30%;同时,与未分组算法相比,所提算法公平性提高了12%,使用户获得更高的满意度。     

JT-CoMP场景中以用户为中心的半动态分簇方法

为消减超密集网络中小小区间的干扰,提出多点协作联合传输场景中一种以用户为中心的半动态分簇方法。对网络内的所有小基站进行不重叠分簇,将簇内的小基站及位于簇外但与该簇存在较大干扰的小基站作为用户的备选服务基站,采用迫零预编码消除备选服务基站中的非服务基站对用户的干扰,用户从备选服务基站中选出若干待选服务基站,簇头以最大化簇内用户吞吐量之和为目标从待选服务基站中为用户选择服务基站簇。同时给出一种次优的为用户选择服务基站簇的方法以降低复杂度。仿真结果表明,与相同场景中的已有方案相比,该方法明显提高系统吞吐量。     

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。     

基于分簇协作频谱感知的认知无线网能量效率研究

针对认知无线网能量消耗引起的能量效率较低问题,在研究认知无线网分簇协作频谱感知能量效率的基础上,提出了一种最优功率分配算法来最大化次用户系统的能量效率。通过建立基于次用户能量效率最大化传输优化模型,在考虑传输功率、感知时间以及干扰限制的情况下,利用拉格朗日函数及KKT条件,得到最优次用户发射功率分配算法,以达到系统能量效率最大化的目的,同时分析了不同参数对能量效率的影响。仿真结果表明,本文所提算法能有效提高次用户系统的能量效率、减少系统开销。     

电力无线专网中面向安全风险的分布式资源分配方法

针对电力无线专网中强干扰、高故障风险等场景下保障终端通信的问题,提出了一种面向安全风险的高能效分布式资源分配方法。首先,分析基站的能耗组成,建立系统能效最大化的资源分配模型;然后,采用K-means++算法对网络中的基站进行分簇,从而将整个网络划分成多个独立区域,并在各个簇内单独处理高风险基站;其次,在每个簇内,基于基站的风险值对高风险基站进行休眠,并把高风险基站下的用户转移连接到同一簇内的其他基站;最后,在各个簇内进一步优化正常工作基站的传输功率。理论分析和仿真实验结果表明,基站分簇操作大幅降低了基站休眠和功率优化分配的复杂度,并且在关闭了高风险基站之后,整体网络的能效从0.158 9 Mb/J提升至0.195 4 Mb/J。所提的分布式资源分配方法能够有效提高系统的能量效率。     

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。     

电力无线专网中面向安全风险的分布式资源分配方法

针对电力无线专网中强干扰、高故障风险等场景下保障终端通信的问题，提出了一种面向安全风险的高能效分布式资源分配方法。首先，分析基站的能耗组成，建立系统能效最大化的资源分配模型；然后，采用K-means++算法对网络中的基站进行分簇，从而将整个网络划分成多个独立区域，并在各个簇内单独处理高风险基站；其次，在每个簇内，基于基站的风险值对高风险基站进行休眠，并把高风险基站下的用户转移连接到同一簇内的其他基站；最后，在各个簇内进一步优化正常工作基站的传输功率。理论分析和仿真实验结果表明，基站分簇操作大幅降低了基站休眠和功率优化分配的复杂度，并且在关闭了高风险基站之后，整体网络的能效从0.158 9 Mb/J提升至0.195 4 Mb/J。所提的分布式资源分配方法能够有效提高系统的能量效率。     

信道非对称下的联合预编码方案

在多基站(BS)协作系统中,信道的非对称导致相互协作的两基站从协作中获得的性能增益不一样。因此,在选择协作基站的过程中,当一方想合作,而另一方更想与其他基站合作的时候,分簇问题变得非常困难,使整个系统性能受限。为解决此问题,定义了协同度的概念,针对此情况提出了一种重叠分簇方案,并在此基础上设计了一种联合迫零-汤姆林森-哈拉希玛预编码（ZF-THP）算法。该方案通过对局部基站进行重叠分簇调整,并利用THP技术消除重叠基站带来的干扰。仿真分析表明,该方案较好地解决了协同度非对称性导致的分簇矛盾,提高了系统的频谱效率,并改善了用户的公平性能。     

基于分簇的多用户OFDM自适应资源分配方案

针对正交频分复用自适应资源分配中算法复杂度和系统容量的问题,提出了一种联合子载波分配和功率分配的方案。在子载波分配中,将频带内相邻的子载波合为子载波簇,对用户速率进行比例约束,根据预设的比例为用户分配子载波簇;在功率分配中,根据子载波分配完毕后的用户速率比例,为用户分配功率,再利用注水算法解决单用户下子载波的功率分配问题。仿真结果表明,所提出的方案不仅可以有效降低算法的复杂度,而且提高了系统容量,从而证明了方案的可行性。     

协作多点传输系统中基于图论的动态分簇算法

在蜂窝移动通信系统中,小区间的干扰严重限制着小区边缘用户的性能,而协作多点传输（Coordinated Multi-Point,CoMP）技术可以显著减少小区之间的干扰并改善边缘用户的性能。为了提升小区边缘用户的数据传输速率,本文针对CoMP系统提出一种基于图论的动态分簇算法。该算法利用图论的方法建立蜂窝网络的拓扑结构图,通过对小区间干扰的分析,能够同时生成多个簇大小不固定的协作簇,解决了簇大小固定和依次分簇所造成的系统受限问题。仿真结果表明,相比于其他分簇算法,本文算法在改善分簇的性能的同时降低了计算复杂度,并提高了系统的和速率。     

超密集网络中子信道和功率分配研究

超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,提出一种基于簇优先级的资源分配方案。该方案分为3个步骤:首先,采用基于图论的染色算法为毫微微接入点(Femtocell Access Points,FAPs)分簇;然后,以簇内每个毫微微用户(Femtocell User Equipments,FUEs)的待发送数据量、排队等待时延以及受干扰强度等作为优先级,计算每个簇的优先级,高优先级的簇可最先获得信道增益好的子信道;最后,利用卡罗需-库恩-塔克(Karush-Kuhn-Tucker,KKT)条件和注水算法为FUEs分配功率。仿真实验表明该方案能够有效地减小Femtocell间的干扰,并能够极大地满足用户的需求,同时提升系统的吞吐量和频谱效率。     

宏-飞蜂窝双层网络中基于毫微微基站分组的资源分配

针对宏-飞蜂窝双层网络模型中宏小区（Macrocell）用户层和毫微微小区（Femtocell）用户层之间的跨层干扰和Femtocell之间的同层干扰,提出了一种基于毫微微基站分组的资源分配算法。该算法包括两个部分：一部分是宏基站先利用改进的差额法,设置虚拟的宏用户（MUE）,将之变为平衡的指派问题再为宏小区用户分配信道,然后用注水算法分配功率,保证宏小区用户的正常传输。另一部分是在保证宏小区用户的服务质量基础上,采用一种增强型的蚁群优化（EACO）算法,设定信息素浓度范围后对毫微微小区进行分组,避免了原始的蚁群算法有可能陷入局部最优的现象;再利用一种启发式算法和分布式功率分配算法分别对毫微微用户（FUE）进行信道和功率分配,在满足毫微微小区用户的数据速率需求下,最大化频谱效率。仿真结果表明,EACO有效地抑制了跨层干扰和同层干扰,既能保证用户的数据速率需求,又能有效提升网络频谱效率。     

LTE中femtocell的下行功率控制算法

3GPP长期演进(LTE)系统中femtocell密集部署时,femtocell之间会存在较强干扰,针对femtocell的下行干扰,提出了一种基于路损的自适应功率控制算法。根据设定的信干噪比(SINR)门限值,给femtocell用户设置调整标志,再通过上行信道发送给femtocell,femtocell根据用户的路损及分配的资源块选择初始调整因子,以控制用户SINR为目的,根据收到的调整标志对发射功率进行自适应调整。仿真结果表明,该算法很好地控制了femtocell用户的SINR,femtocell用户平均吞吐量比无功率控制情况下至少提高了1.7Mb/s。同时表明,femtocell部署越密集,控制效果更加明显。     

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。     

超密集网络中基于干扰协调的资源分配算法

超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,该文提出一种基于干扰协调的资源分配方案。该方案分为两个模块：第一模块基于毫微微接入点(Femtocell Access Points, FAPs)间的干扰程度,将干扰强的FAPs分到同一簇内,同簇内的FAPs共享频带资源,通过FAPs间的协作使不同簇之间实现频谱的复用;第二模块基于最大功率和最低速率的公平性准则进行最优功率分配,动态分配资源。仿真结果表明,该算法在超密集网络场景下能够有效控制FAPs间的干扰,最大化系统吞吐量。     

基于非合作博弈的femtocell 双层网络分布式功率控制

研究在频谱共享条件下家庭基站双层网络的分布式功率控制策略.将宏基站所能承受的干扰限度视为家庭基站的可分配资源,家庭基站以竞价形式对其"购买",从而构成宏基站与家庭基站以及家庭基站用户之间的博弈模型.分析了该博弈过程中纳什均衡解的存在性和惟一性,并给出了在非合作模式下指导家庭基站用户进行理性竞争的分布式功率调整算法.最后,通过仿真实验验证了所提出算法的有效性.     

Bandwidth Allocation with Minimum Rate Constraints in Cluster-based Femtocell Networks

 Inter-femtocell interference becomes serious when femtocells are densely deployed. To mitigate the inter-femtocell interference, this paper proposes a cluster-based bandwidth allocation algorithm. We create femtocell clusters by constructing a weighted interference graph and allocate bandwidth to each cluster based on a Nash bargaining solution (NBS). Simulation results show that the cluster-based bandwidth allocation algorithm can reduce the inter-femtocell interference and meet the minimum rate constraint of each cluster.     

TD-SCDMA集群系统中的联合功率控制

TD-SCDMA集群系统中存在各种干扰,传统的功率控制算法无法消除来自集群群组间的用户干扰。采用了先用波束赋形进行主波瓣外干扰抑制,然后进行多群组联合检测来消除波瓣内群组间干扰,再联合功率控制的两步迭代算法来进一步消除集群中的干扰,从而降低了系统对功控的要求,提高了性能。仿真结果证明,该算法能有效降低系统发射功率和抑制干扰。