基于资源分配和功率控制的D2D中继选择

为优化蜂窝用户通信与设备直传(D2D)中继通信共存下的同频干扰问题,满足蜂窝用户容量要求,提出了一种基于能效的联合资源分配和功率控制的D2D中继选择算法。该算法首先对等效D2D中继链路进行资源分配,减小算法复杂度的同时使得D2D链路对蜂窝链路产生的干扰最小;然后以资源分配结果和功率控制算法为依据进行中继选择。该方案不仅考虑了D2D中继链路的能效问题,而且还同时考虑到了对蜂窝链路的干扰问题。通过仿真验证,所提算法不仅能有效提升D2D中继链路的能效值,同时降低了对蜂窝用户的干扰。

D2D通信中基于社交门限的最优中继选择方案

在基于设备直传(D2D)通信的中继系统中,提出了一种基于社交感知的增强型中继选择策略。该策略首先在D2D中继网络中引入社交门限值,对潜在中继用户进行筛选和过滤,从而有效降低了探测成本;然后利用最优停止理论实现了最优中继节点的选择。仿真结果表明,与已有中继选择策略相比,所提出的策略能够以较少的中继探测次数获得较高的系统性能收益,从而实现能耗与收益之间的折中。

基于社交网络结合贪心策略的车辆D2D通信中继选择算法

在基于车辆的设备到设备(D2D)中继通信系统中,以中断概率最小化为目标提出了一种社交网络结合贪心策略的车辆D2D通信中继选择算法。该算法首先根据物理传输距离和社交关系强度阈值对所有潜在中继节点进行预筛选过程,从而有效降低中继节点的平均探测次数;然后根据备选中继集合的大小进行选择优先权的排序,并结合贪心策略进行最优中继节点的选择。仿真结果表明,与已有中继选择算法相比,所提出的算法能够有效降低系统的中断概率,实现较好的连通性。

移动D2D网络下基于链路状态预测的资源分配算法研究

将D2D(Device-to-Device)技术和无线认知网络结合在一起,不仅能提高频频谱资源的利用率,又能发挥认知中继适应网络环境动态变化的能力,提高端对端的传输性能。在实际场景中,用户随机移动的动态网络会改变节点之间的干扰,甚至会影响通信链路的连通性和鲁棒性。因此,从认知中继对链路状态的认知出发,在随机移动的场景下,对链路状态进行预测,再根据预测结果对用户发射功率和传输频段进行调整。经验证,提出的基于链路状态预测的资源分配算法能有效保障链路稳定性,提升整个网络的整体性能。

5G网络中高性能的D2D辅助中继技术研究

边缘区域用户的服务质量和资源利用率的提升是D2D辅助中继技术的研究重点。研究提出了应用于5G网络的高性能SL-DRX方案,该方案引入PSCCH计数器和业务量阈值改进原有网络通信方案,以解决SLDRXInactivityTimer超时问题。长短周期切换结果验证,研究所提出的策略一相比较于策略二具有更好的性能,策略一因发送产生的最大能耗、最大监听成功率、最大吞吐量分别为4863unit、100%、3.62×104bps。SL-DRX方案一和SL-DRX方案二在PSCCH计数器阈值分别为1~8、1~7区间内拥有更佳的性能。研究所提出的高能效SLDRX方案对D2D中继技术进行了创新性地改进。

基于D2D通信的流量卸载技术综述

随着各类移动终端与高带宽需求业务的普及,蜂窝网流量已呈现出爆炸性增长的趋势;同时,由于网络用户分布不均匀,蜂窝网流量分布也存在不均衡的现象。基于D2D(Device-to-Device)通信的流量卸载(Traffic offloading)是解决数据流量急剧增加和不均匀分布的一种经济、有效的技术。首先,根据D2D通信在流量卸载中所承担的任务,将基于D2D通信的流量卸载技术分为以D2D通信为目标和以D2D通信为中继两类;然后,详细介绍每一类技术的研究现状并分析讨论各自的优缺点;最后,提出下一步的潜在研究方向。

基于D2D通信的流量卸载技术综述

各种移动终端和高带宽需求业务逐渐普及,蜂窝网流量开始体现出爆炸性的增长趋势;与此同时,没有均匀的网络用户分布,蜂窝网流量的分布也不均衡。以D2D通信为基础的流量卸载,作为一种经济有效的技术,可以解决急剧增加与不均匀分布的数据流量。本文根据在流量卸载中D2D通信所承担的任务,将以D2D通信为基础的流量卸载技术分为两种类型,对这两类技术进行详细分析。

2017年中国科学院深圳先进技术研究院在信息处理技术方面的一些研究进展

中国科学院深圳先进技术研究院实时监测与传输技术研究中心黄晓霞研究员及其团队主导的研究[1]在非视距的情况下基于无线信号对行为识别方面取得进展（基于无线电信号的室内无设备行为识别）。该研究提出了一种无设备移动识别的方法——利用非视距环境中的链路状态信息进行人的移动识别。