基于流量预测的资源分配策略研究

在超密集网络中，针对小基站密集部署会导致干扰加剧和资源分配难度加大等问题，提出了一种基于流量预测和着色图的信道资源分配方案。首先，利用深度学习工具实现对网络中未来时隙的流量预测；其次，将不相邻的小基站分配到同一集群以缓减网络中的共道干扰；最后，结合流量预测的结果和着色图为每个小基站分配合适的子信道。通过仿真验证了所提算法的可行性和有效性。结果表明，通过机器学习能够有效预测小基站的流量波动，同时基于流量预测的信道分配方案可以有效降低系统干扰、提升频谱利用率和系统吞吐量。     

超密集网络中基于分簇的干扰管理方案

在超密集网络中,全频复用能够提升网络的吞吐量,但是导致了严重的基站间干扰。为了降低基站间干扰,首先通过干扰权重值描述小基站间的干扰程度,建立合理的干扰图;然后将分簇问题转化为Max K-Cut问题,利用改进的次优化启发式算法对小基站进行分簇;最后通过信道分配算法为每个簇中的用户分配子信道。仿真表明,本文的干扰管理方案在降低小基站间干扰的同时,能够提升系统的频谱效率和平均吞吐量。     

分层异构网络中基于负载预测分组的家庭基站频谱分配算法研究

针对分层异构网络中严重的干扰问题,提出一种基于负载预测分组的家庭基站频谱分配算法。该算法通过对各个家庭基站以及宏基站的历史负载信息优化得到对未来时段的负载预测信息。利用得到的各家庭基站的负载预测值对小区内的家庭基站进行分组,通过分组后每个小组独立地使用和分配频谱资源,从而有效的降低家庭基站之间的同层干扰。仿真数据表明由于采用了基于负载预测分组的家庭基站频谱分配算法,系统的SINR和吞吐量都有明显的提高,干扰得到了有效的抑制。     

高密集场景中家庭基站基于用户公平性的高能效资源管理分配方法

异构网络中,随着家庭基站的部署越来越密集,家庭基站之间的同层干扰和家庭基站与宏基站之间的跨层干扰严重阻碍了系统性能的进一步提升,提出一种基于用户公平性的高能效资源管理分配方法;利用半合作博弈实现家庭基站的资源分配。半合作博弈分为协作信道分配以及最优化功率分配。仿真结果表明,该优化方案不仅可以提高家庭基站及宏基站的吞吐量,还可以提高家庭用户之间的公平性。     

基于遗传退火的密集D2D网络资源分配算法

针对高密集场景下传统D2D资源分配算法接入率较低的问题,提出了基于遗传退火的密集D2D网络资源分配算法.首先根据小区内用户之间的干扰情况构建干扰图;然后根据干扰图为D2D用户构建候选信道集合;最后设计适应度函数,并通过遗传退火算法寻找适应度最高的信道分配方案,以提高系统总吞吐量和D2D接入率.仿真结果显示,提出的算法与图着色算法和随机分配算法相比,系统总吞吐量平均增幅为6.2%和21.8%,D2D用户接入率平均增幅为14.7%和44.5%,表明该算法在提高系统总容量的同时,还能有效提升D2D对的接入率.     

基于协作频谱感知和干扰约束的认知异构网络

针对异构无线网络的空闲信道检测准确率及网络吞吐量的优化问题,提出一种基于协作频谱感知和干扰约束的认知异构网络.首先,所提出的认知异构网络系统模型采用多个中心次用户(Center Secondary Users,CSU)节点协助其他节点进行频谱感知,并引入了能量检测阈值,在提高空闲信道检测准确率的同时节省检测能耗.接着,采用最大化数据速率的联合优化方程,在干扰功率的限制约束下为节点分配最佳的发射功率,降低干扰程度并优化网络吞吐量.实验仿真结果表明,相比较基于集群的协作频谱感知分配策略算法和基于QoS约束的能量感知竞争功率分配算法,该算法的网络吞吐量分别提升了3.4%和1.5%,平均频谱利用率分别提高了9.3%和7.4%.     

基于保护邻居基站主载波的载波（重）选算法

毫微基站(Femtocell)的引入,给无线网络的干扰管理带来新的挑战。在动态部署Femtocell的网络中,每个进入网络的基站选一个载波作为主载波,主载波提供小区的全局覆盖和初始化接入服务。主载波选择的好坏,直接影响小区边缘用户的通信质量。本文提出基于保护邻居基站主载波的家庭基站载波重选算法,基站借助用户测量汇报得到背景干扰信息,重选主载波;本算法着重考虑对邻居基站边缘用户影响,降低小区边缘干扰。仿真结果表明,该算法可以提高系统平均吞吐量和边缘用户的频谱效率。     

超密集组网中的自适应频谱规划算法

基于频谱重叠复用(FOM)的频谱规划算法中,簇间使用频谱重叠复用有效解决了超密集组网中频谱资源短缺的难题,但用户分布影响算法的最佳频谱复用门限值.针对该问题,提出超密集组网中的自适应频谱规划算法.以小区吞吐量最大化为目标,通过模型计算最佳频谱复用门限值,确定用户SINR的高低,据此分配用户频段资源.仿真结果表明,该算法可提高用户信干噪比和小区吞吐量,可有效解决频谱效率较低的问题,且设置参数时能节省人力成本.     

超密集异构网络中的一种混合资源分配方法

针对在宏小区覆盖范围内高密度部署小小区所带来的跨层干扰和同层干扰,研究了超密集异构蜂窝网络中的资源分配问题,采用了一种共享频谱与分离频谱共存的混合频谱分配方案。依据簇中小基站与宏基站的干扰是否超过设定的阈值,将簇进行分类并以不同的方式进行资源分配,超过阈值的簇采用分离频谱的方式分配资源,反之,可共享整段频谱。而在每个小基站簇内,在相应的约束条件下采用对偶分解法求出规划的优化目标,为每个小基站分配子信道和功率。基于联合分配方案提出算法1和算法2(次梯度算法),算法1最接近最优解决策略,而算法2可以解决高复杂度问题,具有更高的实用性。仿真结果表明,所提方案能够有效地抑制干扰、提升系统容量,同时兼顾用户间公平性。     

认知无线电网络中基于图着色的动态频谱分配

动态频谱分配是解决认知无线电网络中频谱资源利用率低下的有效手段.针对现有频谱分配中认知用户"饿死"这一难点问题,以最大化系统接入率为目标,提出一种基于图着色的动态频谱分配算法.构造了基于图着色模型的效能函数,通过动态更新可用矩阵完成有效的频谱分配.一系列仿真实验表明,所提算法获得了较高的系统接入率,兼顾了系统的吞吐量和公平性,具有比现有算法更优的性能.     

超密集网络中基于分簇的资源分配算法

针对超密集网络(ultra-dense network, UDN)中,严重的小区间干扰制约终端用户的数据速率问题,提出一种基于染色分簇的资源分配方案。该方案采用图论中的染色算法对微蜂窝接入点(femtocell access points, FAPs)进行分簇,利用簇内每个微蜂窝用户(femtocell user equipments,FUEs)的待发送数据量、排队等待时延以及受到的干扰强度来构建相应的优先级,计算每个簇的优先级,并设定高优先级的簇可优先获得信道增益良好的子信道;最后由拉格朗日乘子法求解功率分配方案,即利用KKT(Karush-Kuhn-Tucker)条件和注水算法为FUEs分配功率。仿真结果表明,该方案能够有效地减小微蜂窝接入点之间的相互干扰,极大地满足用户的服务需求,同时提升了系统吞吐量和频谱效率。并且基于最大功率和最低速率的公平性准则能够动态地调整子信道功率,进一步提升了FUEs间的公平性。     

一种基于双层干扰图着色的资源分配算法

针对长期演进(long term evolution,LTE)系统中蜂窝链路和短距离链路中的同频干扰问题,提出一种基于双层同频干扰图着色的信道资源分配算法.该算法通过引入排队理论和终端服务等级要求,分析蜂窝移动通信网和短距离通信网的双层同频干扰,构造一种异构网络的双层同频干扰图.基于系统信道资源占用情况和信道资源分配优先级的考虑,对双层同频干扰图进行着色资源分配.仿真表明,该算法提高了系统平均吞吐量和满意度.     

基于模糊聚类的D2D通信二次资源分配算法设计

针对D2D链路与蜂窝链路之间的同频干扰问题,提出了一种基于模糊聚类的二次资源分配算法.该算法采用了模糊聚类将干扰较大的D2D链路划分为一组,再用图着色进行组内一次资源分配,从而降低干扰并保证用户Qos需求和公平性.最后,采用Kuhn-munkres最优匹配算法进行二次分配来达到提高系统吞吐量的目的.通过计算机仿真可以看出,该算法既可以保证D2D用户的不同Qos需求,又提高了系统吞吐量和获得无线资源的公平性.     

OFDM系统下行链路多小区半分布式资源分配

针对LTE(long-term evolution)系统下行链路采用OFDM技术所致的小区间干扰问题, 通过对多种资源分配方法的研究与总结, 提出一种简单有效的多小区半分布式资源分配算法。该算法使用二进制功率控制策略, 利用基站间的信息交互协调小区间的资源分配, 用以改善小区间的干扰, 提升系统总容量。通过在LTE系统级仿真平台的建模及仿真, 表明新算法提高了13%的吞吐量, 由此证明该算法的优越性。     

配电自动化无线专网中基于干扰抑制的小区深度覆盖和频谱分配策略

针对配电自动化系统宏微同频组网方式下的小区深度覆盖和资源分配问题,通过联合考虑宏微基站间联合传输、宏基站动态几乎空白子帧(almost blank subframe,ABS)配置和微小区间合并,构建了一个以最大化网络加权和速率为目标的非线性优化问题,进而提出一种基于干扰抑制的小区深度覆盖和频谱分配算法.该算法根据网络当...     

分层网络频谱资源分配方案

提出一种频谱资源分配方案,以提升分层毫微微小区网络的期望吞吐量.该方案为每层下行传输分配部分共享频谱资源,在单个用户期望吞吐量满足服务质量需求时,通过动态调整共享频谱资源分配比例,能够最大化网络期望吞吐量.为进一步获得每层下行传输的期望吞吐量,基于Nakagami-m衰落信道推导了每层用户下行接收信干噪比的累积分布函数.理论分析和仿真表明,该频谱资源分配方案能够有效提升网络期望吞吐量,但服务质量需求参数的增长限制了吞吐量的提升.     

基于容量最优化的设备间通信资源分配方案

在蜂窝网络中通过复用蜂窝系统中已使用的频谱资源,来增加蜂窝系统的频谱利用率,减少基站的负载.同时,通过使用模糊C均值(FCM)算法对复用相同资源的设备间(D2D)通信用户对进行分簇,达到减小复用同频带D2D通信用户对(DU)之间干扰的目的.通过贪婪算法对每一簇DU对进行资源分配,达到减小蜂窝用户与DU之间的干扰的目的.仿真结果显示,相比于随机分簇和随机复用的资源分配方案,FCM算法与贪婪算法的资源分配方案更有效地提高了系统总容量.