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...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。展开更多
针对第五代/后五代(The Fifth Generation/Beyond The Fifth Generation,5G/B5G)移动网络以用户为中心的小基站密集部署问题,构建了一个用户簇分布的三层异构网络模型。该网络模型由宏基站(Macro Base Station,MBS)、微微基站(Pico Base...针对第五代/后五代(The Fifth Generation/Beyond The Fifth Generation,5G/B5G)移动网络以用户为中心的小基站密集部署问题,构建了一个用户簇分布的三层异构网络模型。该网络模型由宏基站(Macro Base Station,MBS)、微微基站(Pico Base Station,PBS)和毫微微基站(Femto Base Station,FBS)组成。采用随机几何理论对三层异构网络基站部署进行建模。充分分析了毫微微基站层基于SSA干扰管理的网络干扰统计特性,考虑了有序FBS和无序FBS两种情况,给出了FBS下行链路的覆盖概率。通过仿真,验证了理论结果的正确性,分析了覆盖半径、方差以及宏基站密度对覆盖概率的影响,得出有序FBS方案和无序FBS方案在覆盖概率方面的好坏性取决于系统参数。展开更多
文摘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。
文摘针对第五代/后五代(The Fifth Generation/Beyond The Fifth Generation,5G/B5G)移动网络以用户为中心的小基站密集部署问题,构建了一个用户簇分布的三层异构网络模型。该网络模型由宏基站(Macro Base Station,MBS)、微微基站(Pico Base Station,PBS)和毫微微基站(Femto Base Station,FBS)组成。采用随机几何理论对三层异构网络基站部署进行建模。充分分析了毫微微基站层基于SSA干扰管理的网络干扰统计特性,考虑了有序FBS和无序FBS两种情况,给出了FBS下行链路的覆盖概率。通过仿真,验证了理论结果的正确性,分析了覆盖半径、方差以及宏基站密度对覆盖概率的影响,得出有序FBS方案和无序FBS方案在覆盖概率方面的好坏性取决于系统参数。