认知网络中认知用户速率最大化的功率分配干扰对齐算法

传统认知网络中,由于缺乏有效的资源管理,多用户之间的干扰会影响系统的信道容量。以此为背景,针对单个授权用户和多个认知用户的多输入多输出认知网络,提出了认知网络的干扰对齐方案,并在干扰对齐的基础上进行了认知用户总速率最大化的功率分配。该算法计算了不同认知用户功率占比下认知网络干扰对齐后的结果,并从中选择性能最优的功率分配方案。仿真结果表明,相对于传统的等功率分配方案,该算法能够进一步提升认知用户系统的性能。

密集异构网络中基于非邻区关系分簇的集中式基站休眠算法

密集异构网络中,大量部署的低功率基站将会带来巨大的网络能耗,基站休眠算法可以有效降低网络能耗,但在算法实施过程中存在复杂度较高、准确性易受影响以及网络信令负担大等问题。为此,提出了一种适用于密集异构网络的基于非邻区关系分簇的集中式基站休眠算法。该算法首先基于非邻区关系准则,将不存在用户直接相互切换关系的低功率基站分为一簇,然后根据每簇内基站能效均值以及用户和基站的位置关系,分别设置潜在休眠基站判决机制和基站运行模式判决机制,最后所有簇依次执行簇内判决机制。仿真结果表明,该休眠算法具有良好的网络性能。