超密集蜂窝网络智能干扰协调算法

提出了一种面向超密集蜂窝网智能干扰协调的动态功率控制算法。从网络动态决策的角度出发,在动态干扰环境下,将超密集蜂窝网络中的小基站发送功率的动态调整问题建模为一个马尔科夫决策过程。在此基础上,设计了一种基于Actor-Critic(AC)方法的小基站功率智能控制算法,并通过仿真实验验证了所提算法的性能。仿真结果显示,与传统的干扰协调算法相比,所提出的智能功率控制算法能有效降低网络中基站间的干扰,提升网络传输性能。

超密集小蜂窝网络移动性技术分析

蜂窝网络中移动性管理的目的是根据用户的位置查找、识别和跟踪用户,以向他们提供蜂窝服务。GSM和UMTS网络的主要功能是为其用户提供高质量的蜂窝服务。这意味着如果用户在靠近移动终端或在丘陵地区使用他们的设备,则这些设备都必须被GSM蜂窝网络覆盖。通信的稳定性、可靠性都是蜂窝网络中移动性管理的最终目标。文章讨论了5G超密集小蜂窝网络两种类型的移动性技术、位置管理和切换。

新一代超密集异构蜂窝无线网络研究

近年来,随着移动互联网的蓬勃发展和智能终端的快速普及,对无缝网络覆盖和高速数据传输要求日趋增强,超密集异构蜂窝无线网络通过减小小区半径,增加低功率节点数量进行超密集组网,提高无线资源利用率和频谱效率,因而引起了国内外研究学者的广泛关注。然而,超密集异构蜂窝无线网络中愈发密集的网络部署也带来了各种严峻的问题,包括超密集异构蜂窝无线网络中的系统干扰问题、无线信息的安全传输问题、以及网络运营的能量供给问题等。为此,本文首先简单介绍了超密集异构蜂窝无线网络架构,接着从干扰管理、物理层安全和能量效率等方面,深入分析了超密集异构蜂窝无线网络中的关键技术和当前挑战,最后,进一步展望了超密集异构蜂窝无线网络的未来发展。

动态超密集网络中的Markov预测切换

针对超密集蜂窝网络中大规模机器类通信所涉及的通信与计算问题,提出了一种基于Markov预测的切换方案。首先考虑半结构化的中心控制的异构网络设计,该设计中含有密集部署的虚拟节点,以实现低成本和高效率的覆盖。该网络可以根据用户的移动性及网络通信量动态调整接入点。其次构建Markov模型,引入负载感知思想,通过权衡信号质量与小区负载,有效地预测用户的下一个最优接入点。仿真实验结果证明了该方案用于小区切换预测的可行性与有效性。

基于平均场博弈的超密集5G小蜂窝网络下行功率管理

研究了一个拥有大量小型基站(Small Base Stations,SBSs)和用户设备(User Equipments,UEs)的超密集5G小蜂窝网络(Ultra-Dense 5G Small Cellular Networks,UDN)的下行通信系统,并考虑了功率控制策略和队列状态信息(Queue State Information,QSI)的影响,研究了SBSs与其服务用户之间数据成功传输的概率和SBSs传输能量消耗问题。考虑SBSs之间的交互关系,将该问题建模为一个动态随机博弈(Dynamic Stochastic Game,DSG)。通过利用SBSs的超密集特性,DSG被进一步近似为平均场博弈(Mean Filed Game,MFG)。然后基于Lax-Friedrichs方案和拉格朗日松弛法开发有限差分方法来求解相应的MFG。在数据传输之前,通过所求解,每个小型基站可以独立地优化其控制策略从而最小化成本,而无需与其他SBS进行任何信息交换。仿真结果表明:所提出的控制策略能有效地提高数据传输成功的概率并减小相应成本。

超密集异构蜂窝网多维资源联合优化算法

作为5G的关键技术,超密集组网(UDN)可以大幅度提高网络容量和用户体验,但其性能严重受限于小区间干扰。针对超密集异构蜂窝网络的无线资源高效管理问题,提出了一种多维无线资源联合分配算法。为了在保障用户服务质量的前提下,最大化系统能效,将时频资源与功率资源的最优分配问题建模为有约束的组合优化问题。由于这是一个NP-hard问题,求解比较困难。因此,采用分步优化+迭代搜索策略:首先基于模拟退火算法进行时频资源优化分配,并引入粒子删减和回火升温过程以提高搜索速度和避免落入局部最优陷阱;然后采用拉格朗日乘子法进行功率最优分配;最后,通过多次迭代,逼近全局最优解。仿真结果表明,提出的联合资源分配算法能够保障用户间的公平性并且有效提高系统能效与网络吞吐量,同时具有更快的收敛速度和更高的收敛精确度。

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。