异构超密度网络数据传输安全量化方法研究

针对超密度网络的规模较大,具有连接形式多样、终端分布不均等特性,容易遭到不轨行为的攻击,数据传输安全性得不到保障,提出异构超密度网络数据传输安全量化方法。分析异构超密度系统的结构,获取在安全网络环境下的传输速率,探究PPP与GPP两种分布式传输干扰原理;为减少损失选择安全、快速的传输信道,利用量化器将数据传输到协议转换器,并采用扇形区域法去除量化误差,构建量化模型;通过指标值获取、理想值评估与指标的无量纲化处理实现传输数据的安全量化。仿真结果表明,上述方法量化准确度更高,结合量化值可以实现数据安全传输。

5G异构超密度网络中吞吐量与覆盖的联合优化

为了权衡5G异构超密度网络(Heterogeneous Ultra-Dense Networks,HUDN)中系统吞吐量最大化与覆盖优化间的冲突,提出基于功率控制的吞吐量和覆盖的联合优化(CJTC)算法。首先,推导系统吞吐量最大化的目标函数,再通过凸优等式转换,求解实现吞吐量最大化的基站发射功率;然后,推导切换失败率最小化的覆盖优化的目标函数,再利用扩展技术,并通过迭代联合求解最优的基站发射功率。仿真结果表明,提出的CJTC算法的吞吐量和覆盖方面的性能优于同类算法。

基于强化学习的异构超密度网络资源分配算法

为了保证下行链路用户服务质量(Quality of Service, QoS),提升异构超密度网络的频谱利用率(Spectrum Efficient, SE)和能源效率(Energy-Efficient, EE),提出了一种基于多智能体强化学习(Deep Reinforcement Learning, DRL)的频谱和功率联合分配算法。首先,以频谱利用率和能源效率为优化目标,用户服务质量为约束,得到资源分配优化函数。然后定义多智能体用户状态空间,奖励以及动作空间,通过较小的通信开销获得状态空间信息,得到一维状态空间数据,减少网络的输入数据量,用户利用自身的信道状态信息(Channel State Information, CSI)而不依赖全局信道状态信息,再根据状态空间信息得到频谱和功率分配策略。最后,通过训练深度神经网络找到最佳的资源分配策略。仿真结果表明,该算法可以实现较快的收敛速度,对比贪婪算法以及其他强化学习方法,能源效率均提升20%以上,频谱利用率分别提升27%和11%。

超密度异构蜂窝网络能效优化

利用泊松点过程理论研究了超密度异构蜂窝网络中的基站部署问题,特别是小基站密度对网络能量效率的影响,提出了一种通过优化小基站密度来实现网络能效最大化的方法.首先,借助泊松点过程理论对超密度异构蜂窝网络进行建模,推导了各层基站的覆盖概率以及基于业务荷载的最低可达速率,得出整个网络的最低可达吞吐量;其次,根据网络能效的定义,结合基站能耗模型,推导了与基站密度相关的网络能效的闭合表达式;最后,就小基站密度对网络能效的影响进行分析,提出了一种基于牛顿搜索法的小基站密度优化算法,实现网络能效的最大化.仿真结果验证了理论分析的正确性,同时也表明通过优化小基站部署密度完全能够实现网络能效的最大化.

浅谈5G无线网络关键技术建设难点与应对策略

分析5G无线网络关键技术及面临的各种挑战,并针对5G关键技术建设难点详细进行分析,提出了相对应的解决策略。随着通信技术的发展,人类的生活也焕然一新,技术的不断进步与发展,人类对移动通信潜在需求,也在不断进行转变与更新,伴随着第五代移动通信技术的到来,如何应对人类日益增长的业务需求是未来移动通信网络研究的重要命题。