以用户为中心的超密集网络中窃听用户检测技术

在以用户为中心的超密集网络(User-centric Ultra-Dense Networking, UUDN)中,由于进行信道估计的导频序列长度有限,导致传统的基于信息论准则的窃听检测技术效果不理想甚至完全失效.针对这种情况,提出了一种基于LS-FDC准则的多节点联合检测算法.首先,该方法利用统计学中的线性收缩(Linear Shrinkage, LS)理论,对各节点接收到的样本协方差矩阵进行收缩优化,使其特征分解后更好的拟合总体特征值的分布情况;然后,接入节点组(Access Points Group, APG)中的各节点利用灵活检测准则(Flexible Detection Criterion, FDC)算法进行联合判定是否存在窃听用户;最后,仿真实验与理论分析表明:相较于其他的信源估计检测算法,该算法在较低信噪比和导频序列长度有限时的检测概率显著提高,甚至在导频序列长度小于节点天线数的情况下都能达到很好的检测效果.

超密集网络以用户为中心及多维协作的用户分簇算法

为了降低超密集网络中小区间的干扰,提升频谱效率,给出一种在以用户为中心的可重叠虚拟小区场景下,基于边权重和贪婪树增长(Greedy Tree Growing Algorithm,GTGA)算法的用户分簇方案。考虑到每个用户对其他用户产生干扰的同时,又受到其他用户的干扰,权重设计采用协作传输的平衡策略。针对用户分簇,改进的K-means聚类算法通过能够拟合高斯分布的权重统计量来动态调整用户分群的大小。仿真结果表明,所提算法能有效地降低复杂度,减少干扰,提高超密集网络的频谱效率。

超密集网络中基于多连接的用户归属和功率控制联合优化

超密集网络是第五代移动通信系统提升容量的关键技术之一。针对基站密集部署场景,考虑用户基于多连接用户归属方式接入多个基站,以充分利用基站资源。为进一步提高用户吞吐量,研究多连接场景下的用户归属与功率控制策略。从兼顾系统吞吐量与用户公平性角度出发,将问题建模成对数速率最大化问题。通过将优化问题分解为用户归属和功率控制两个子问题,得出一种高效的次优解法。仿真结果表明所提算法在系统吞吐量上较已有算法具有明显的增益.

认知超密集网络用户关联与资源分配联合优化遗传算法

针对下行的异构认知超密集异构网络(UDN)的多维资源配置问题,提出一种以毫微微小区用户最大吞吐量为目标的联合优化用户关联和资源分配的改进遗传算法。首先,在算法开始之前进行预处理,初始化用户可达基站和可用信道矩阵;其次,采用符号编码,将用户与基站以及用户与信道的匹配关系编码为一个二维的染色体;然后,将动态择优复制+轮盘赌作为选择算法,以加快种群的收敛;最后,为避免算法陷入局部最优,在变异阶段加入早熟判决的变异算子,从而在有限次迭代下求得基站、用户、信道的连接策略。实验结果表明,在基站与信道数量一定时,所提算法与三维匹配的遗传算法相比在用户总吞吐量方面提高了7.2%,在认知用户吞吐量方面提高了1.2%,且计算复杂度更低。所提算法缩小了可行解的搜索空间,能在较低复杂度下有效提高认知UDN的总吞吐量。

基于用户分簇的认知超密集网络资源分配

针对5G时代小基站的密集部署带来的复杂干扰问题,对下行的认知无线电超密集网络下的资源分配进行了研究。为减小网络干扰,提高次用户吞吐量,提出了一种改进的基于用户分簇的资源分配算法。基于基站的覆盖范围,选出用户的强干扰基站,以用户-基站干扰关系建立用户-用户干扰图,按用户受到的平均弱干扰划分优先级对用户分簇,再为簇集群预分配频段,为每个簇分配对应频段中效用最大的信道。该资源分配算法能准确反映用户间的干扰关系,保障资源分配公平性。仿真结果表明,当用户密度与基站密度均较大时,与相同场景的已有算法相比,该改进算法有较好的抗干扰能力,能有效提高次用户的吞吐量。

5G超密集网络抑制干扰方法改进研究

在5G超密集网络抑制干扰中,基于空间域的距离分簇算法和基于功率域的分簇算法,二者结合是解决超密集网络中小区之间干扰问题的有效策略之一。为达到抑制干扰的目的,将用户的干扰FAP通过簇内用户协作转变成通信FAP不失为一个不错的选择。为进一步抑制干扰,文章提出一种基于密度噪声应用空间聚类(DBSCAN)的算法,基站对小区里的用户进行分组,并利用附加条件改进DBSCAN算法,从而降低空间干扰。仿真结果表明,改进方法可提高系统吞吐量,降低空间干扰。

超密集网络中基于干扰消除的多用户检测算法研究

为了提升单位面积频谱效率,下一代无线通信系统将在部分热点区域采用密集部署接入点(Access Points,APs)的方式来形成超密集无线网络。与以基站为中心的传统蜂窝网络不同,超密集无线网络通过密集部署的AP实现了AP围绕用户以用户为中心的特点,因此需要对传统的信号处理模式进行改造,以适应这种新的网络架构。针对超密集网络的信道特点,利用信道估计完成用户和AP关联,继而提出了基于部分AP协作下的干扰消除多用户检测技术。计算机仿真显示,所提算法能够在复杂度和性能之间获得较好的均衡。

超密集异构网络中基于用户关联和频谱分割的无线回传方案

超密集异构网络能够有效满足5G业务需求,但无线回传仍存在着一些问题需要解决。考虑回传链路容量有限的情况,研究多用户场景下的双层超密集异构网络的用户关联和频谱分割的联合优化问题。首先,在基站端设计预编码器来进行干扰控制。然后,以最大遍历可达速率为关联准则对问题进行建模,提出了联合用户关联和频谱分割的优化算法,求解并给出了最佳用户关联向量和最佳频谱分割系数。仿真结果表明所提算法能有效提升超密集异构网络的网络性能。

超密集部署下以用户为中心的分簇与资源分配

为了解决基站超密集部署时移动用户的吞吐量需求问题,建立以用户为中心的分簇模型,结合对下一个调度时刻用户位置的预测,对基站进行预分簇,在此基础上设计了区分优先级的资源分配算法,并研究了簇大小是否固定对系统性能的影响。仿真结果表明:与原算法相比,提出的算法改善了移动用户的平均吞吐量,降低了速率需求未得到满足的用户比例,保证了用户的服务质量。

基于势博弈的负载已知超密集网络用户关联算法

针对采用多点协调传输技术的异构超密集网络,提出了基于势博弈的负载已知用户关联算法。负载已知用户关联算法可在满足用户服务质量需求的前提下均衡基站负载,避免宏基站过载,同时可有效提升网络吞吐量。该算法适用于对数据传输速率有一定要求的物联网应用场景,仿真实验验证了算法的有效性。

热模式分析结合网络自适应跳变算法的超密集网络攻击预测方法

针对超密集网络安全性的问题,提出一种热模式分析结合网络自适应跳变算法的超密集网络攻击预测方法。研究发现超密集网络中漫游用户的安全与其增加的切换百分比有关。提出一种基于热模式分析(Thermal Pattern Analysis, TPA)的网络攻击预测新方法,通过跟踪热能模式的足迹(能量和频谱效率)来确定高速用户的可能攻击区域。引入网络自适应跳变算法,采用网络威胁感知和跳变策略设计指导网络跳变机制的选择。实验结果表明,该方法能够更加准确地在超密集网络环境中找到可能低安全性区域,相比其他较新的同类型预测方法,具有更好的预测性能。

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。

一种适用于超密集网络下行链路的干扰抑制方案

在超密集网络(UDN)下行链路场景中,为了有效克服因节点间距减小、邻近节点传输损耗相差不大而产生多个强度相近的干扰源对用户性能的影响,提出了一种基于优先级以用户为中心的小区间干扰抑制方案。为了便于量化基站协作取得的带宽性能增益,采用了一种计算带宽盈亏率的定量分析指标。通过该指标,易于确定在特定UDN场景下干扰协调方案是否处于盈利状态,进而通过系统能够接受的最大损耗比优化参数配置。仿真结果表明,该干扰抑制方案能显著提升用户的信号干扰噪声比(SINR)性能,且能更好地保障用户公平性,有效地克服了用户SINR性能在基站数较多时受天线数限制的缺陷,为提升UDN网络用户性能和系统性能提供了一种解决方案。

能量高效超密集网络的最优部署

为使能量效率最大化,采用随机几何方法对多小区多用户MIMO蜂窝网络的上行链路进行建模,改进系统功耗模型,得到一个关于基站密度、发送信号功率、基站天线数、小区用户数以及导频复用因子的能量效率最大化问题。求解该问题,可得到最优的网络部署方案以及各最优参数与硬件特性、传播环境之间的关系。仿真与数值计算结果显示,超密集网络部署可以显著提高能量效率,但是随着基站密度的进一步增加,能量效率的提升很快饱和。更有趣的是,能量效率最优化所确定的部署方案恰为大规模MIMO情形。

超密集异构网中基于配对理论的用户关联算法

超密集异构网络作为提升网络数据流量和用户速率的有效手段,成为5G关键技术中的一员。但超密集部署的小小区基站势必会导致系统总能耗的增加,以及用户接入公平性等问题。解决给定目标速率条件下基于能效优化的用户关联(也称为用户接入)问题。改进了原有的功耗优化模型,使之更准确地反映基站的实际发射功率和总功耗。在此基础上,利用拉格朗日对偶和二分法对关联过程中用户分配到的资源比例和基站为每个关联用户提供的发射功率进行优化和调节;同时结合配对理论,提出一种综合考虑能效和接入公平度的用户关联算法。性能仿真和对比结果表明,算法在保持良好的用户接入公平性的基础上有效提升了系统能效。

基于聚类的超密集网络干扰抑制方法

针对超密集网络系统提出了一种改进的基于密度噪声应用空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法的干扰抑制方法。基站利用附加判断门限条件而改进DBSCAN聚类算法,并对小区里的用户进行分组,将具有相似信道特性的用户聚成一组,使不同分组用户之间的信道相关性较低。再利用比例公平调度选出每组中比例公平系数最高的用户进行传输,调度后的多个用户的空间特性不同的,从而降低空间干扰起到干扰抑制的效果。仿真结果表明,与其他相关2种方法比较,改进方法可有效地降低空间干扰,提高系统吞吐量。

超密集组网下一种基于干扰增量降低的分簇算法

超密集网络(UDNs)拉近了终端与节点间的距离,使得网络频谱效率大幅度提高,扩展了系统容量,但是小区边缘用户的性能严重下降。合理规划的虚拟小区(VC)只能降低中等规模UDNs的干扰,而重叠基站下的用户的干扰需要协作用户簇的方法来解决。该文提出了一种干扰增量降低(IIR)的用户分簇算法,通过在簇间不断交换带来最大干扰的用户,最小化簇内的干扰和,最终最大化系统和速率。该算法在不提高K均值算法的复杂度的同时,不需要指定簇首,避免陷入局部最优。仿真结果表明,网络密集部署时,有效提高系统和速率,尤其是边缘用户的吞吐量。

网上旅游预订用户增幅超网购

中国互联网络信息中心（CNNIC）近日发布数据显示，2009年网上旅游预订用户规模达到3024万人，比2008增长77．9％。携程旅行网的统计也显示，其会员数量已经达到三千万。据其统计，2009年旅游预订用户规模增长1324万人，增幅仅次于网上支付，超过网络炒股、

一种人与人和机器到机器共存下能效最大化的上行用户分配算法

针对5G超密集异构蜂窝网络中人与人(H2H)和机器到机器(M2M)共存场景下有服务质量(QoS)保障和负载均衡的上行用户分配问题,该文提出一种基于匹配理论的用户分配算法。该算法在用户分配过程中同时考虑不同类型节点的接入控制策略,在最大化网络能效的同时,实现节点QoS保障。仿真结果表明,与其他算法相比,该算法不仅能够在能效、负载均衡以及QoS保障方面获得更好的性能,并且能获得与穷举法相近的性能。此外,所提算法的收敛速度很快且不受节点和基站数目变化的影响,适合解决H2H和M2M共存场景中的用户分配问题。

面向UDN小区边缘用户提升吞吐量的算法研究

为满足超密集网络小区边缘用户低时延高可靠性的通信要求,合理的资源分配和有效的调度算法是有效途径。针对边缘用户存在的强干扰低吞吐量以及等待调度时延过长的问题,提出D-SFR资源分配算法联合TG-PF调度算法的研究方案。仿真分析表明,该方案可根据用户分布情况,充分利用闲置资源提升系统吞吐量与频谱利用率;同时,利用TGPF调度算法的优势,在保证边缘用户调度公平性的基础上,有效提升用户平均吞吐量,保证其服务质量。