基于有限回传链路的小基站网络重叠协作方法研究

采用一种小区间重叠协作的方法,解决了基于有限回传链路的小基站网络中的干扰管理问题。提出了一种新的基于下行协同波束赋形的小区间重叠协作算法,用于消除小基站网络中不同小基站之间的下行干扰,提高系统吞吐量。仿真结果显示,提出的算法能够显著提升以吞吐量为指标的系统性能。

TDD场景下小基站蜂窝网络上下行交叉干扰建模及性能分析

针对小基站网络立体分布特性,提出了一种TDD制式下小基站蜂窝网络三维随机几何模型并进行了性能分析。首先,本文根据3-D PPP模型下小基站的空间分布特性推导了TDD制式下小基站网络上下行覆盖概率的数学表达式。接下来,基于覆盖概率的表达式和网络频谱效率的定义,分别推导了上下行交叉干扰场景下,小基站网络上下行频谱效率的一般表达式。仿真结果在验证了本文模型的合理性的同时还说明,随着下行小区占比和功率控制因子的增大,网络的频谱效率都呈下降趋势。除此之外,室内环境也会对网络的覆盖性能产生影响。

基于休眠机理的三维小基站蜂窝网络能效优化

小基站通常部署在写字楼、商贸区等城市密集区域以弥补传统宏基站在覆盖和传输方面的不足.小基站的分布一般是根据高峰时的网络负荷设计的,这必然导致网络负荷较低时的资源浪费.讨论了在平均接入率和信道容量双重约束下基于休眠机理的三维小基站蜂窝网络的能效优化问题.借助泊松点过程理论推导了三维小基站网络下行信道容量和平均接入率的数学表达式.通过分析下行信道容量和平均接入率的单调性得出同时满足传输信道容量和接入率要求的最佳休眠概率.分析了小基站最大用户连接数的最佳值,通过对该参数的合理配置,可以在满足通信指标的前提下最大程度地降低网络能耗.仿真结果表明,设计的基站休眠机理可以使小基站网络的能耗下降约21%.

深度学习框架下的移动感知预缓存策略

为了在移动流量需求不断增长的条件下提高用户体验,本文针对小基站网络提出了一种基于深度学习的移动感知预缓存策略.该策略采用条件变分自动编码器根据大量历史数据建立用户移动模型,然后预测用户将来可能经过的基站,并且在这些基站上预缓存用户正在下载的文件的一部分.本文定义了缓存效用用以评估缓存策略的性能.通过在真实GPS轨迹数据上的仿真实验,验证了所提出的缓存策略与典型对比策略相比能够为用户提供更高的平均下载速度,具有更大的缓存命中率,产生更大的缓存效用.

一种离散分布的移动感知缓存策略

小基站网络是一种新型3G/4G宏蜂窝性能补充的网络架构,其中需要处理大量的移动数据,本文针对用户移动性问题提出了一种离散分布的移动感知缓存策略.部署策略的核心思路是通过结合集体行为与个体移动特征对用户下一步可能到达的一些位置进行预测,并采用统计学的方式分析逗留时间规律对用户发生移动的时间点进行估计,之后借助网络编码将文件离散化地智能化地部署在多个小基站中.最后采用真实轨迹数据在Matlab上进行仿真实验,并与多种典型算法进行性能比较,最终验证了该策略可以大幅度提高缓存部署的命中率,降低对骨干网的回程压力,减少用户下载时延.