子连接有源可重构智能表面辅助的宽带无蜂窝网络能效优化

面对无蜂窝网络中超密集基站部署产生的高功耗问题,提出了一种基于子连接有源可重构智能表面辅助的宽带无蜂窝网络系统。考虑有源智能超表面最大功率约束、放大因子约束和基站端最大功率约束,构建了一个联合基站和可重构智能表面波束优化的能效最大化问题。由于所形成的优化问题非凸,提出了一种交替优化方案将原问题转化为多个子问题,进而利用块坐标下降、拉格朗日对偶变换、多维复二次变换等方法将每个子问题转化为凸优化问题,通过交替求解每个子问题最终获得原问题的解。仿真结果验证了所提方案的有效性。

基于深度强化学习算法的蜂窝网络功率控制

为了更加有效地利用频谱资源,提高频谱效率,在蜂窝网络中提出了频谱效率最大化问题,建立了最大发射功率约束下的功率控制模型。同时,为了解决信道状态信息不完美和迭代时间过长的问题,采用深度Q学习(DeepQ-Network,DQN)算法进行功率控制。另外,使用Python仿真,将基于DQN的算法与加权最小均方误差(Weighted Minimum Mean Square Error,WMMSE)算法和分数规划(Fractional Programming,FP)算法相对比,结果表明提出的基于DQN的算法在归一化性能和累计分布概率上接近最优,可以得到更高的频谱效率。

蜂窝网络下同时同频全双工设备到设备组网的干扰协调算法

蜂窝网络下的同时同频全双工(CCFD)设备到设备(D2D)组网可以进一步提升网络频谱效率,然而由此引入的残余自干扰(RSI)及蜂窝用户(CU)与D2D用户(DU)之间共享频谱的干扰会严重影响到蜂窝用户的体验。因此,该文为蜂窝网络下同时同频全双工组网设计了两种干扰协调算法,即CU和速率最大化算法(MaxSumCU)与CU最小速率最大化算法(MaxMinCU),在小区频谱效率得到提升的同时尽可能地保证CU的体验。对于MaxSumCU算法,该文以CU和速率为优化目标建立混合整数非线性规划问题(MINLP),其在数学上为非确定性多项式(NP-hard)问题。算法将其分解为功率控制与频谱资源分配两个子问题,并用图形规划找到最优功率解后,使用二向图最大权值匹配算法决定频谱共享的CU与DU。为了保证每一个蜂窝用户体验的公平性,该文设计了Max Min CU算法用以最大化所有CU速率中的最小值,该算法基于二分查找与二向图最小权值匹配算法来完成用户的资源分配。数值结果表明,与小区和速率最大化(MaxSumCell)设计相比,该文所提的两种算法在提升小区和速率的同时均有效地提升了蜂窝用户的体验。

联合功率控制和信道分配的蜂窝网络能效优化算法

为了提高混合设备到设备(D2D)蜂窝网络中D2D干扰导致系统能效下降的问题,提出了联合功率控制和信道分配的能效优化(EEPC)算法,进而提升系统能效。以D2D用户和蜂窝用户最小速率为约束条件,建立最大化能效的优化问题;利用块坐标下降法将优化问题转化为信道分配和功率控制两个子问题,再分别利用Q学习算法、Dinkelbach算法和优化最小(MM)算法求解。并对Q学习算法中贪婪搜索因子进行改进,采用动态的搜索因子,平衡探索与利用间的关系。性能分析表明,提出的EEPC算法提升了系统能效。

基于EWT和NeuralProphet-MLP的蜂窝网络流量长期预测方法

蜂窝网络流量长期预测对网络扩展和优化具有重要意义,针对长期预测中数据可用性低以及非线性等弊端所带来的诸多挑战,提出一种基于分解的分频预测模型。分别采用NeuralProphet模型和多层感知机对分解出的低频分量和中高频分量进行预测,最后对各分量预测结果进行逆经验小波变换得到最终结果。在真实的蜂窝网络流量数据集上进行验证,结果表明所提方法相较于传统预测模型在准确度上有较大提升,具有较好的应用价值。

D2D通信复用异构蜂窝网络中分布式路由资源分配方法

由于设备到设备(Device-To-Device,D2D)通信复用异构蜂窝网络环境的复杂性和动态性,难以实现高效、均衡的路由资源利用,文章提出D2D通信复用异构蜂窝网络中分布式路由资源分配方法。采用分布式系统模型构建D2D通信复用异构蜂窝网络的拓扑结构,基于邻居节点信息交换实现D2D设备发现,并引入自适应的会话建立策略建立通信链路,采用贪婪算法为D2D用户分配子信道,实现路由资源的均衡分配。实验结果表明,设计方法在提升D2D用户之间数据传输速率方面具有较好的性能,适用于D2D通信复用异构蜂窝网络中的路由资源分配。

混合供能蜂窝网络的投资回报率和碳效联合优化

为解决“5G基站+光伏+储能”系统难以兼顾系统经济性与蜂窝网络性能的问题,提出双层优化模型。外层模型将时间尺度压缩在1天,采用基于模拟退火的粒子群算法求解基站光伏储能容量,其优化目标为在满足光伏利用率要求下,使得系统投资回报率最大。内层模型将时间尺度确定在1小时,采用拉格朗日对偶分解方法求解基站发射功率分配策略,其优化目标为在满足用户服务速率要求下,使得网络逐小时碳排放效率最优。通过对混合供能蜂窝网络系统经济性分析,分别得出了系统投资回报率、碳效与系统光伏板面积、电池储能容量的关系。仿真结果表明,使用提出的算法可使得系统投资回报率达到380.3%,光伏利用率达到96.5%;其内层碳效优化算法相较于注水算法碳排放量降低了31.8%。

移动蜂窝网络多出口流量数据精准清洗方法

为了提升移动网络多出口流量数据的清洗精度,降低冗余数据占比,提出移动蜂窝网络多出口流量数据高效清洗方法。依据移动蜂窝网络结构特点以及流量特征,预处理移动蜂窝网络多出口流量数据;利用差分自回归移动平均模型,构建移动蜂窝网络多出口流量数据高效清洗模型;将多出口流量数据四元组作为模型输入,运用优化粗糙集理论的数据约简算法,达到精准清洗移动蜂窝网络多出口流量数据的目的。实验证明该方法可通过流量数据预处理降低冗余数据占比,可降低流量数据输出出错率,提高了移动网络多出口流量数据的清洗精度。

浅谈蜂窝网络的应用

蜂巢是蜜蜂的家,常称为蜂窝。蜜蜂建造的蜂巢不但精细、巧妙、省料,而且作用较大,蜂巢结构在许多领域中都有广泛的应用。移动通信基站就是按照蜂巢的原理排列成蜂窝状,以达到信号的全覆盖和良好的通信效果。

基于用户QoE的5G绿色蜂窝网络节能基站控制技术

针对多个小蜂窝组成的大蜂窝系统能耗过高问题,提出基于用户QoE的5G绿色蜂窝网络节能基站控制技术,实现基站自适应开/关控制。首先,基于历史流量预测基站短期流量;在此基础上,在基站利用率最大化的基础上,考虑用户业务速率、信噪比和吞吐量的约束动态调整活跃基站数量,从而实现基站节能控制的目的。

基于加权二部图及贪婪策略的蜂窝网络D2D通信资源分配

D2D(Device-to-Device)通信是解决频谱资源稀缺问题的关键技术之一。该文研究蜂窝网络中“many-tomany”的复杂场景,即单个RB(Resource Block)可以分配给多对D2D用户重用,并且允许单个D2D用户对使用多个RB,其中D2D用户对数量远多于蜂窝用户设备(Cellular User Equipment,CUE)数量和RB数量。考虑CUE对资源使用具有更高优先级,将此优化问题分解为蜂窝用户资源分配和D2D用户资源重用两个阶段。在第1阶段,提出基于公平性的循环二部图匹配(Fairness-based Circular Bipartite Graph Matching,FCBGM)算法,将现有的RB分配给所有CUE,以最大化蜂窝用户和速率。在第2阶段,分别提出基于二部图的资源重用(Bipartite Graph-based Resource Reuse,BGRR)算法和基于贪婪策略的资源重用(Greedy-based Resource Reuse,GRR)算法,目标是将已经分配给CUE的RB再次分配给D2D用户重用,以最大化系统和速率,同时确保CUE的基本速率需求。仿真结果表明,在D2D用户对数量远大于CUE数量和RB数量的情况下,与现有典型算法相比,所提算法能够有效提高系统和速率,增加D2D接入率,同时兼顾用户公平性和服务质量需求。

异构蜂窝网络中基于SWIPT的D2D资源分配算法研究

为了解决异构蜂窝网络中D2D(Device-to-Device)通信干扰导致系统能量效率下降的问题,提出一种基于SWIPT的D2D通信资源分配策略,以实现D2D链路的能量效率最大化。该策略对系统中多种干扰进行建模,构建干扰图和伙伴候选集合;将优化问题转化为功率控制和信道分配两个子问题,运用KKT条件和拉格朗日乘子法,求解D2D链路复用候选集中子信道的最优发射功率和功率分割比。仿真结果表明,所提出的分配策略能明显提升系统的能量效率,在保证服务质量的前提下能有效提高D2D用户接入率。

软件定义小蜂窝网络中平衡调度缓存方案

在软件定义小蜂窝网络(Software-defined Small Cell Network,SDCN)中,面对小蜂窝间的干扰问题,现有基于编码和协作的缓存资源管理方案均未结合网络拓扑进行研究,也未考虑用户设备(User Equipment,UE)的接收缓存数,使得资源分配依旧面临不平衡的严峻挑战。针对上述问题,基于SDCN中的拓扑管理功能,运用贪婪算法以是否存在重叠干扰为判定条件对小基站(Small Base Station,SBS)进行划分。此外,以平衡UE接收编码缓存数量为目标,建立平衡调度缓存模型来调节不同区域SBS的分发时间,并借助二分搜索算法寻找其最优解。最后,通过设计自适应编码缓存策略,以应对网络负载的变化。仿真结果表明,所提方案在平衡资源分配与自适应方面性能优势明显,节约了网络资源,增加了网络的吞吐量。

环境反向散射蜂窝网络下行链路级联干扰对齐算法

环境反向散射蜂窝网络能同时支持蜂窝网通信和环境反向散射通信,具有良好的应用前景,但环境反向散射的信号与蜂窝网络信号之间存在严重的互相干扰。针对这一问题,该文提出环境反向散射蜂窝网络的级联干扰对齐(CIA)算法。为了分别对齐基站信号对阅读器和用户的干扰,设计两层级联的预编码矩阵。充分考虑到反向散射节点计算能力弱,无法自主进行预编码矩阵设计的限制,结合基站到反向散射节点的信道状态信息对反向散射信号进行了预编码。并设计了对应用户的两层级联干扰抑制矩阵和阅读器的3层级联干扰抑制矩阵,将不同来源的干扰分层消除。仿真结果表明,所提算法能够消除环境反向散射蜂窝网络中的复杂干扰,保证蜂窝网络信号和反向散射信号正常传输,提高了系统和速率。

多用户蜂窝网络中基于深度强化学习的功率分配

在用户密集分布的蜂窝网络中,功率分配是决定系统性能和通信质量的重要因素之一。由于现有的功率分配算法往往达不到理想效果,而且泛化能力较差。在此基础上,提出一种基于D3QN(dueling double deep Q network)的功率分配算法来优化系统的传输速率。D3QN采用双神经网络和竞争网络优化神经网络的结构,通过解耦动作的选择和价值的评估,解决了DQN中出现的高估问题。仿真结果表明,该算法能够获得的平均速率比DQN高7.14%,在收敛速度和稳定性方面也有较好的表现,且泛化能力较强,可适用于不同实际场景。

基于改进樽海鞘群算法的认知异构蜂窝网络资源分配

针对认知异构蜂窝网络的上行资源分配问题,提出了基于带宽和功率约束的资源分配算法,并使用改进的群智能算法求解.根据认知无线电技术特性推导出认知家庭用户的带宽和功率分配取值范围,在满足用户服务质量(Quality of Services,QoS)的前提下将更多的资源分配给其他用户,以提升网络中用户的传输需求和缓解网络上行接入负载的压力.针对樽海鞘群算法存在收敛精度低、收敛慢等缺陷,将疯狂算子和动态精英学习因子分别引入领导者和跟随者中,以提升算法寻优效率和寻优精度.将改进的樽海鞘群算法求解基于带宽和功率约束的资源分配算法.仿真实验表明,引入带宽和功率约束的资源分配算法能有效提升网络性能,且在保证用户QoS条件下,能有效提升系统效益和用户接入公平性.

借助私有蜂窝网络实现对5G部署的完全掌控

0引言近年来,一般公众对5G的理解大多仅仅是能够更快地加载视频内容,而商业领域则对5G的其他优势更加热衷(包括低延迟、高可靠性和大规模连接),即便如此,他们也并没有准备好将其敏感数据放在公共移动网络上。幸运的是,还有其他选择。无线电频谱可用于部署私有蜂窝网络,使之能够在利用5G系统的同时实现对工厂、体育场馆、展览中心和机场等场景的完全掌控。

有限反馈的异构蜂窝网络下行链路能效优化方法

研究了在有限反馈约束下的异构蜂窝网络下行链路中与宏蜂窝共存的小蜂窝能量效率最大化问题。其中,宏基站(Macro Base Station,MBS)和小基站(Small Base Station,SBS)通过共享频谱分别向宏用户(Macro User,MU)和小用户(Small User,SU)发送信号。提出了有限反馈和功率带宽联合优化方案来最大限度地提高小蜂窝中所有SU的平均能量效率。由于所构建的目标函数是分式形式并且具有非凸性,采用丁克尔巴赫方法将分式形式化为等价减法形式,并通过增广拉格朗日乘子法求解,提出两层迭代优化算法得到目标函数的最优解。仿真结果表明,相比于传统功率带宽等分配的反馈比特优化方案,所提方案明显地提升了小蜂窝所有SU的平均能量效率。

OFDMA制式飞蜂窝网络中的干扰管理

在3GPP LTE系统中,当飞蜂窝密集部署时,可能会产生强干扰。为了解决这些干扰,本文搭建了长期演进(long term evolution,LTE)正交频分多址(orthogonal frequency division multiple access,OFDMA)网络仿真平台,模拟LTE的网络环境,提出了一种基于飞蜂窝间干扰水平的功率控制算法。仿真结果表明,该算法有效地改善了飞蜂窝基站用户的低信噪比,有效地减少了飞蜂窝之间的干扰,提高了服务质量。

绿色蜂窝网络的频谱效率与能效函数

为了给绿色蜂窝网络的研究和设计提供一个基本的基准或判断依据,对存在多小区干扰和越区切换情况下蜂窝网络的网络传输能力(网络频谱效率)和能量效率函数(能效函数)进行了研究,揭示了蜂窝网络的功率开销与频谱效率之间的关系。首先,给出了蜂窝网络能效函数的定义,并在此基础上提出了小区干扰深度和越区切换的动力学模型,进而论证了存在多小区干扰和越区切换情况下的蜂窝网络频谱效率,并推证了数学表达式。最后,求解了蜂窝网络的能效函数,讨论了相关参数对它的影响和数值结果分析,为绿色蜂窝网络的研究和设计,提供了有益的分析依据和基础。