基于干扰图的家庭基站分簇频谱分配算法

为了减小宏用户和家庭基站之间的干扰,有效分配频谱,本文提出了基于图论着色的分簇信道分配算法。该算法在保证满足宏用户信干噪比(signal-to-interference plus noise ratio,SINR)要求的前提下确定每个家庭基站可用的子信道集,再根据构造的家庭基站系统干扰图,动态地给每个用户分配所有可用的频谱资源。本文分别构建无向干扰图和有向权重干扰图,使用了一种基于簇的改进算法,在保证宏用户信干噪比的条件下,尽量提高家庭基站的吞吐量。仿真结果表明,本文算法可以降低宏用户和家庭基站的中断率,同时频谱效率得到提高。     

超密集网络以用户为中心及多维协作的用户分簇算法

为了降低超密集网络中小区间的干扰,提升频谱效率,给出一种在以用户为中心的可重叠虚拟小区场景下,基于边权重和贪婪树增长(Greedy Tree Growing Algorithm,GTGA)算法的用户分簇方案.考虑到每个用户对其他用户产生干扰的同时,又受到其他用户的干扰,权重设计采用协作传输的平衡策略.针对用户分簇,改进的K-means聚类算法通过能够拟合高斯分布的权重统计量来动态调整用户分群的大小.仿真结果表明,所提算法能有效地降低复杂度,减少干扰,提高超密集网络的频谱效率.     

微宏协同混合组网助力LTE网络

宏微协同组网,即在传统的宏蜂窝小区基础上引入低功率基站,简称微基站,补充覆盖和吸收热点地区话务,运营商利用这种宏微协同组网方式能够以更低廉成本为更多的通信用户提供高速数据业务。宏微协同组网根据通信频段的不同可分为同频组网和异频组网两种,而具体场景下的组网方式则需要根据不同运营商所拥有的频谱资源,通信网络的负荷等综合因素决定。文章将对同频和异频组网的利弊进行分析,并结合不同场景和不同组网策略下的测试数据,给出宏微协同组网时的频率使用建议。     

超密集网中一种基于人工蜂群的节能分簇算法

超密集网络中,密集部署的低功率基站将会加大系统的能耗,并且造成紧缺频谱资源的浪费.探寻干扰协调和系统节能的可行性方法在超密集网络架构下提出基站的休眠—唤醒—活跃机制,减小了休眠基站直接转为活跃状态的开启时间;另外,提出一种基于人工蜂群染色分簇算法,尽可能使用最少的颜色给拓扑图中的小区染色,并对簇内活跃基站进行优化功率分配.经仿真表明,休眠—唤醒—活跃机制能够提升系统的能源效率,染色分簇算法也可以改善用户的频谱效率和吞吐量.     

5G超密集组网网络架构及实现

超密集组网通过小基站加密部署提升空间复用的方式,成为解决未来5G网络数据流量1 000倍以及用户体验速率10～100倍提升的有效解决方案.然而,小区密集部署带来的干扰问题以及小基站较小的覆盖范围导致的高速移动用户频繁切换问题,会降低网络容量和用户体验.因此,为了同时考虑未来5G超密集组网“覆盖”和“容量”的问题,提出了以控制承载分离以及簇化集中控制为主要技术特征的5G超密集组网网络架构.除此之外,针对宏-微和微-微的超密集组网部署场景,给出了具体实现方案.更进一步地,针对5G超密集组网网络架构中可能存在的问题与挑战进行了讨论,为后续研究发展提供参考.     

OFDMA毫微微小区双层网络中基于分组的资源分配

毫微微小区(Femtocell)网络能够增强室内覆盖,提高系统容量,但是在频谱共享的正交频分多址(OFDMA)毫微微小区网络中,毫微微小区之间的同层干扰以及毫微微小区与宏小区(Macrocell)之间的跨层干扰严重限制了系统的性能。针对这两种干扰,该文提出一种基于分组的资源分配算法。该算法包括两部分:一部分是宏基站先利用改进的匈牙利算法为宏小区用户分配信道,再用注水算法分配功率,保证宏小区用户的正常传输;另一部分是在避免干扰宏小区用户的基础上,先采用模拟退火算法对毫微微小区进行分组,再进行信道和功率分配,满足毫微微小区用户的数据速率需求,最大化频谱效率。仿真结果表明,该算法有效地抑制了这两种干扰,既能保证用户的数据速率需求,又能有效提升网络频谱效率。     

室内VLC-WiFi异构网络基于动态载波分配的干扰管理策略

为了有效地管理VLC-WiFi异构网络的小区间干扰,该文设计基于用户中心接入的动态载波分配(DCAUCA)方法,该方法依据用户请求速率构建大小不同的multi-AP小区,对各multi-AP小区依据用户请求速率与网络服务速率的差值降序排列,并依次为各multi-AP小区的VLC AP分配载波.同时,提出基于VLC AP发射功率控制的小区残余干扰抑制(RISPC)策略以进一步优化干扰管理效果.仿真结果表明,DCAUCA方法相较于对比方法最高可提升52.15％的系统吞吐量与7.10％的用户满意度,RISPC策略相较于DCAUCA方法最高可提升9.66％的系统吞吐量.     

LTE室内外错频研究

在频率资源受限的前提下,为提升频率资源的利用效率,实现室分和宏站同频组网的最佳方案.本课题通过研究LTE宏站、微站干扰规避,采用室内外错频组网的方式,分别从用户感知、无线环境变化和网络间影响三个方面进行了验证,总结出了一套室内外错频组网的合理方式,为后期中国联通FDD-LTE同频网络建设的推广提供必要的支撑.     

5G超密集组网的必然性和挑战性分析

针对5G用户体验速率和海量设备连接需求,给出提升5G网络容量的三种方法。分析超密集组网在网络建设、成本、信号质量、网络容量上的优势,论证超密集组网是5G的必然选择。然后解析超密集组网遇到的干扰挑战,最后从三个维度给出应对挑战的措施:通过自组织网络最佳化覆盖与容量、利用CRE(小区覆盖扩展)和ABS(几乎空白子帧)技术协调宏微小区间干扰、利用网络多输入多输出技术协调管理小小区基站。     

一种基于阈值的无线异构网络基站分簇方法

为抑制小区间干扰,提高系统性能,研究了异构网络中的基站分簇问题,提出了一种基于阈值的协作基站分簇方法.该方法在异构组网场景下,以最大化接收端传输速率为目标,通过选择满足设定阈值的基站进行协作,考虑了用户所属基站信号强度和非所属基站的干扰情况,分析了不同分簇方法下的用户传输速率变化情况.仿真结果表明,所提算法在系统传输速率性能方面优于现有方法.     

面向负载均衡的主动切换

为了解决超密集网络中用户在移动过程中由于小区间干扰和负载不均衡导致的用户服务质量下降的问题,本文研究了一种面向负载均衡的主动切换策略,设计了一种基于双门限的移动切换策略,包含小区内的切换与小区间的切换。通过优化小区内的切换门限,可以最小化系统总资源开销。通过优化小区间的切换门限,能够保证用户实时业务需求的同时均衡网络负载。通过预测用户未来大尺度信道信息,设计主动的双门限切换策略,可以有效降低切换延迟。仿真结果表明,与现有的切换策略相比,所提算法不仅提高了资源利用率,还降低了用户掉线概率与切换次数。      

Interference management in dense inband D2D network using spectral clustering & dynamic resource allocation

Device-to-device (D2D) communication has emerged as a promising concept to improve resource utilization in fifth generation cellular networks. D2D network’s architectural capability to offload traffic from the backhaul network to direct links enables it to be used for internet of things (IoT) services. In a densely deployed setting of IoT devices, D2D network may experience critical interferences due to a limited number of spectral resources. To increase the overall signal-to-interference-plus-noise ratio (SINR) of the network while reducing the computational load on a macro base station, a novel decentralized interference management methodology is proposed for dense in-band D2D underlay LTE-A network. The proposed interference management scheme can decouple interference in a network into cross-cluster and intra-cluster interference and tackle with them separately. To mitigate the cross-cluster interference in a dense D2D network we propose dividing the densely deployed D2D user equipments (UEs) network into well-separated clusters using spectral clustering with modified kernel weights. The proposed spectral clustering scheme obtains well-separated clusters with regards to cross-cluster interference, that is, the UEs that offer maximum interference to each other are grouped into the same cluster. Thereafter, a dynamic resource allocation algorithm is proposed within each cluster to reduce the intra-cluster interference. The proposed dynamic resource allocation algorithm uses graph coloring to allocate resources in such a manner that after each spectrum allocation, a small cell base station updates the interference graph and assigns the next largest interference affected UE a spectrum resource that minimizes the overall intra-cluster interference the most. In conventional graph coloring, the adjacent UEs are allocated different spectrum resources without taking into consideration if the allocated spectrum resource might result in increased interference in the cluster. The simulation results show that the proposed clustering strategy considerably reduces the average cross-cluster interference as compared to other benchmark clustering algorithms such as K-means and KPCA. Moreover, the proposed resource allocation algorithm decreases the intra-cluster interference in the network resulting in the overall SINR maximization of the network.

     

D2D通信中一种基于FFR的动态功率控制方案

工作在underlay方式下的D2D(device-to-device)通信利用资源复用共享蜂窝网络中的资源,在提高频谱资源利用率、降低移动终端功耗的同时,会给已有蜂窝网络带来干扰。在保证D2D用户和蜂窝用户的服务质量的前提下,研究了蜂窝用户和D2D用户的功率控制和资源分配问题。首先引入部分频率复用(FFR)实现蜂窝用户和D2D用户之间的资源划分和复用;然后以系统吞吐量最大化为原则,建立优化目标。结合部分功率控制(FPC)的基本思想,进而提出了一种动态功率控制(DPC)策略。仿真结果表明,所提出的方案能够有效地提高多小区系统的性能。     

超密集网络中最大化网络吞吐量的预测资源分配

在超密集网络中,小区间干扰严重制约了小区边缘用户的性能体验以及网络吞吐量。无线大数据分析的飞速发展,使得人们有可能通过预测未来的信道状态来分配资源,在无干扰网络中可达到很大的性能增益。但是在干扰网络中如何利用预测信息,在分配资源的同时有效协调干扰还是一个尚未研究的问题。本文分析了干扰网络中预测资源分配的设计难点和存在的问题,针对该问题提出了相应的解决方法,将资源分配建模成一个凸优化问题,通过求解优化问题得到最优的资源分配方法。仿真表明,与未知预测信息的最大化网络吞吐量方法相比,所提方法能够有效提高用户的成功传输率、平均传输进度和网络的吞吐量。当用户数据需求较大时,所提方法可以提供较大的网络性能增益。      

小蜂窝网络中不活跃用户的最优能量效率资源分配方案

针对5G网络中因小区重叠覆盖区域的干扰问题,为缓解密集小蜂窝网络中移动用户的业务连续性,提高频谱资源利用率,进而最大化整个网络平均能量效率问题。该文提出一种基于不活跃用户的最优能量效率资源分配方案(EEI)。首先,该方案依据不活跃用户通知区域,建立以用户为中心的虚拟小区,小区内小蜂窝基站可协作为用户提供通信服务,提高用户通信质量,缓解小蜂窝同层干扰,减少切换信令开销。其次,基于Lyapunov优化理论,该方案将整体网络平均能量效率优化问题,转换为用户最优传输资源分配和最优功率分配两个子问题,在最大化系统平均能量效率同时保证系统队列稳定性。由于该文将原优化问题进行了松弛,所得结果是局部最优解,而不是全局最优解。仿真结果表明,该文提出的基于不活跃用户的最优能量效率资源分配算法,其系统能量效率优于对比算法而计算复杂度较高。     

Weighted Graph Based Clustering and Local Mobility Management for Dense Small Cell Network with X2 Interface

Along with the surge in mobile data, dense small cell network has become an effective method to improve system capacity and spectrum efficiency. However, because more small cells are deployed, the interference among dense small cells exacerbates. It also makes frequent handover for mobile users (UEs), which brings a great deal of signaling overhead to the core network. In order to solve the problems of interference and frequent handover, a novel clustering scheme for dense small cell network is proposed in this paper. The scheme is based on the weighted graph. First, we present a dense small cell clustering model based on X2 interface to minimize core network signaling overhead. To improve the usability of the model, we model the system as an undirected weighted graph. Then we propose the maximum benefit merging algorithm to reduce the complexity. This method enables adjacent small cells to cooperate and form virtual cellular cluster according to handover statistics information. Then we select cluster head (CH) according to certain rule in each cluster. Cluster head acts as the mobility anchor, managing the handovers between cluster members. This can reduce core network signaling overhead and the interference among small cells effectively. Compared with the 3GPP handover algorithm, the proposed clustering model in this paper can reduce the signaling overhead more than 70%. The simulation results show that the proposed clustering model can effectively cluster the dense small cell.     

混合频谱共享方式下多用户动态频谱分配算法

为解决混合overlay/underlay频谱共享方式下多用户动态频谱分配问题,构建了混合频谱共享方式下动态频谱分配模型,提出了基于Q学习的多用户动态频谱分配算法. 该算法在不对主用户产生有害干扰的前提下,以最大化次用户总吞吐量为目标,构建了与次用户相对应的虚拟次用户作为智能体. 通过与环境交互学习,进行信道和共享方式初选;频谱分配系统根据冲突情况和各智能体的学习结果调整信道分配策略直至次用户间无冲突. 仿真结果表明,该算法在无信道检测和信道先验知识的条件下,能根据前一时隙信道状态和次用户传输速率需求,实现动态信道分配和频谱共享方式确定,避免次用户间冲突,减少主次用户间冲突,有效提升次用户总吞吐量.     

基于图着色的加权优先D2D资源分配算法研究

针对蜂窝用户与D2D用户所构成的异构网络系统中同频干扰问题,提出一种基于图着色的加权优先D2D资源分配算法.该算法不仅允许多个D2D用户复用一个蜂窝用户资源,而且能够实现简单功控.首先建立异构干扰图,对系统终端用户及干扰类型进行分类异构.然后计算着色优先级,考虑各种影响因子以提升算法的实用性.最后再由分配结果进行组内功率控制,以满足绿色通信的要求.仿真表明,该算法不仅可以降低系统用户接入损失率,提高系统吞吐量,而且还减少了功率消耗.     

超密集小峰窝网中基于干扰协调的小区分簇和功率分配算法

干扰的有效管理是超密集小蜂窝网中的一个研究难点。该文提出将超密集小蜂窝网中的小区干扰协调和分簇相结合的算法,通过分配最优的功率降低干扰,最大化系统吞吐量。根据干扰的程度,将干扰强的小蜂窝划为一个簇,同一个簇内的小蜂窝共享频谱资源,协作为用户服务,簇与簇之间实现频谱复用。仿真结果表明,该算法在网络密集部署时,有效地减小干扰,提高系统吞吐量。     

基于信干噪比的D2D通信功率控制与资源分配

为了优化长期演进(LTE)系统引入设备直传(D2D)通信后带来的同频干扰、系统边缘用户性能恶化问题,提出一种基于信干噪比(SINR)的多小区D2D通信资源分配方案,通过调整信干噪比阈值将部分蜂窝用户(CU)转化为D2D用户并释放频谱资源进而获得较佳的资源分配策略,同时提出一种基于小区间D2D竞争机制的配置算法有效降低小区间干扰.仿真表明,算法能够有效提升系统容量,并提升小区边缘D2D用户公平性.