基于微基站功率分配的异构蜂窝网络能效优化

针对异构蜂窝网络中微基站密集部署带来能耗不断攀升的问题,对二层异构蜂窝网络能量效率进行了分析,提出一种通过调整微基站发射功率来最大化网络能量效率的方法。首先,利用齐次泊松点过程对异构蜂窝网络进行建模,推导出各层基站的覆盖率;其次,根据能量效率定义,分别推导出网络总功耗和总吞吐量,并给出能量效率的闭式表达式;最后,分析了微基站发射功率对网络能量效率的影响,提出一种能够最大化能量效率的微基站功率优化算法。仿真结果表明,微基站的发射功率对异构蜂窝网络能量效率有显著影响,通过优化微基站发射功率能有效提升异构蜂窝网络能量效率。     

基于微基站发射功率的异构蜂窝网络能效优化

异构蜂窝网络（HetNet）的能量效率近年来引起了广泛的关注,然而,对于宏基站采用非泊松过程系统的能量效率的研究并不多。针对这一问题,研究了两层HetNet的能量效率,其中宏基站的部署采用β-Ginibre点过程（β-GPP）建模。首先,采用一种简单的近似方法分析了两层网络的信干比（SIR）分布;然后,推导出HetNet的覆盖概率、吞吐量和系统的能量效率;最后,提出一种有效的能量效率优化算法,寻找最优的微基站发射功率,使能量效率最大化。仿真结果表明,当β=1,宏基站的分布密度为2×10^-4 m^-2,微基站的分布密度为宏基站分布密度的2倍时,采用所提能量效率优化方案可以使系统能量效率提高约20%。实验结果验证了理论分析的准确性和提出的能效优化算法的有效性。     

异构网络下带内回程基站部署方案

针对异构密集蜂窝网络中小基站双工模式不同导致的网络干扰,设计一种带内全双工(IBFD)基站部署方案。建立IBFD基站部署的最优化模型,利用基于贪心算法的混合带内/外全双工模式选择算法近似求解该模型,并通过部署适当比例的带内回程基站以最大化系统容量。仿真结果表明,该方案能有效协调小基站对宏基站的跨层干扰与小区间干扰,提高系统频谱效率。     

基于能效的异构无线网络联合切换调度和资源分配算法

在宏蜂窝和微蜂窝并存的异构无线网络中,为了提高系统能效,提出了一种联合切换调度和资源分配(JSRA)算法。首先,利用基于微基站睡眠的集中式切换调度算法(CUSA)来确定用户的关联基站,CUSA将微基站用户全部切换到宏基站是否能减少功耗作为判断微基站睡眠的准则;然后,基站采用基于最优信道质量的子载波分配调整(BCSA)算法为用户分配子载波和传输功率,BCSA算法通过调整最大能效用户和最小能效用户之间的子载波分配,保证网络能效逼近最优解。理论分析和实验仿真表明,同单独考虑用户切换或资源分配的三种算法相比,JSRA算法复杂度偏高,但是在用户数为120时网络功耗最多降低44.4%,用户总速率只比一种对比算法略有下降,最多提升80%,网络能效最多提升200%。实验结果表明,JSRA算法能够有效提高异构无线网络的网络能效。     

基于Macro、Femto的双层网络的性能分析

主要研究在已有的宏基站网络的基础上部署"毫微微蜂窝(Femto)"基站,从而形成独特的双层网络结构下终端用户的接收信噪比(SIR)的分布。通过对宏基站、Femto基站分别进行Fluid Mod-el、空间泊松随机点过程进行建模,推导出用户的接收信噪比的分布函数。大量的蒙特卡洛仿真结果表明,所推导出的理论分析结果能十分准确地描述终端用户的接收信噪比,其理论分析方法可以方便地用于网络性能分析、设计与优化。     

基于信息能量同传的异构小蜂窝网络能效优化

研究无线信息和能量协同传输(simultaneous wireless information and power transfer,SWIPT)异构小蜂窝网络的能效优化问题。保证小蜂窝用户和宏用户通信质量、小蜂窝用户能量采集和小蜂窝基站传输功率等约束下,为实现小蜂窝系统下行能效的最大化,对小蜂窝基站发射功率和小蜂窝用户端功率分流系数进行联合优化。该问题属于非凸优化问题,通过变量替换对原问题作等价转换,然后采用基于拉格朗日乘子的次梯度算法求解。计算机仿真结果表明,该联合优化算法简单有效。     

异构网中具有服务质量约束的高能效微基站部署方法

针对异构密集网络中基站密度增大带来的网络能耗过高问题,提出一种异构网络中高能效的微基站部署方法。首先,考虑微基站候选位置可行性以减轻环境条件的影响;其次,在不同的用户分布状态下对优化目依概率进行加权,增强了对不同用户分布场景的适应性;最后,通过对微基站部署数目、位置和功率配置的联合优化来提升系统能效,并提出了一种高能效的微基站部署算法。仿真表明,与仅优化微基站数量和部署位置的方法相比,所提方法提升能效最高达26%。实验结果表明,相对于不考虑功率的部署方法,所提出的联合优化方法能够有效提升系统能效,同时验证了微基站功率对异构网络能效的影响。     

基于能效的异构蜂窝网络微基站部署研究

针对齐次泊松点过程下异构蜂窝网络的能量效率进行了研究。首先,利用齐次泊松点过程对异构蜂窝网络进行建模;然后在瑞利信道环境下给出了系统的覆盖率和可达速率的表达式,并且推导了能量效率的闭合形式的表达式;最后,通过凸优化算法对微基站密度进行优化,使网络能量效率达到最大。仿真结果表明,微基站的密度对系统能量效率有显著的影响,通过合理的设置微基站密度能有效提高系统的能量效率。     

异构网络中基于用户划分的资源分配与功率控制方案

部署异构网络是提高移动通信系统容量至关重要的举措。然而宏基站的高发射功率会使得微蜂窝边缘用户受到严重的干扰;同时,微蜂窝周围的宏蜂窝用户由于靠近微基站将同样受到其所造成的干扰,因此这些用户应该受到保护。通过研究异构网络下行传输中的资源分配与功率控制策略,提出了一种基于用户划分的资源分配与功率控制方案。首先根据用户的信干噪比对用户进行分类,同时为受干扰严重的边缘用户划分保护频带。此外,通过动态地调整每个基站在保护频带上的传输功率,在不过度牺牲系统性能情况下减轻边缘用户的干扰。仿真结果表明,与传统方案相比,该方案能够有效抑制宏蜂窝和微蜂窝边缘用户的干扰并提高整个系统的吞吐量。     

基于功率控制的大规模MIMO系统能效优化算法

能效优化是5 G通信领域的一个研究热点.首先针对单小区多用户上行大规模MIMO通信系统,在满足用户QoS需求和系统可容忍的信道有效噪声条件下,建立关于发射功率、导频序列长度、基站天线数的能效优化模型;其次,不同于传统利用迭代算法求解使系统能效最佳的基站天线数,提出了采用Lambert W函数分析得到最佳基站天线数的闭式表达式;最后根据分式规划理论,采用迭代优化算法联合优化系统导频序列长度、发射功率、基站天线数.仿真结果表明,该算法较现有算法能效提高了11.2％,说明该算法能有效提高系统性能.     

基于最佳候选的蜂窝网络低能耗基站部署算法

无线异构蜂窝网络中微基站的过度增加会导致能量效率的降低。针对基站部署中的绿色通信问题,提出了一种基于最佳候选的低能耗基站部署算法。首先,设计了最佳候选点选择策略来选择一组基站候选点集合,然后再利用贪婪算法选择可以使得网络能量效率达到最大值的微基站,该方法限制了用户分布对基站部署的影响。仿真实验结果表明,在多种负载情况下,提出方法在满足网络容量的同时不仅增加了能量效率还增加了网络总流量,中负载能量效率提高了36%。     

基于误码率与中断概率约束的femtocell网络分布式功率控制

家庭基站(femtocell)网络可有效改善无线通信业务的室内覆盖性能,提高信道容量.然而,复杂的动态通信环境导致信道的不确定性,影响用户服务质量.基于此,研究双层femtocell网络在快衰落信道环境下基于误码率约束的功率控制问题;考虑信号传输的中断概率,以及服务质量指标–误码率等方面的要求,构造在此约束下的优化问题;最大化双层femtocell网络的净收益,使得网络系统的通信性能最优;通过对概率约束进行数学处理,将其转化为确定性形式,并提出分布式鲁棒优化算法对等价的确定性优化问题进行求解,从而获得最优功率分配策略.最后,通过仿真验证了所提出算法的收敛性和有效性.     

超密集网络中基于Stackelberg博弈的非统一定价功率控制

针对超密集网小区同频部署中产生的区间干扰问题,提出基于Stackelberg博弈的非统一定价功率控制方案。首先,建立基于Stackelberg博弈的非统一定价功率控制模型,并通过该模型求解出基于价格的最优发射功率,此发射功率是关于干扰价格的函数;接着通过引入拉格朗日函数求解出相应基站的最优干扰价格,由控制器把干扰价格发送给相应的基站,并由基站调整自己的发射功率值去减弱对当前用户的干扰。仿真结果表明,与基于Stackelberg博弈的统一定价功率控制方案相比,所提方案在系统平均中断概率上平均下降了3个百分点。与基于基站权重的功率控制方案相比,在基站数量低于105时,所提方案在平均中断概率平均上上升了1.4个百分点;而当基站数超过105时,所提方案在平均中断概率上平均下降了1.6个百分点。此外,与这两个方案相比,所提方案在系统平均吞吐量上分别提升了12个百分点和10.5个百分点;在系统平均频谱效率上分别提升了9个百分点和8.5个百分点;在系统平均功率效率上分别提升了13个百分点和12个百分点。实验结果表明所提方案能够在部署更多基站情况下更好地提高蜂窝系统的性能。     

基于FQLC的异构密集蜂窝网络容量与覆盖联合优化

针对异构蜂窝网络下微蜂窝密集部署的不规则性,提出了一种基于强化学习的自优化控制系统,通过微蜂窝功率控制解决微蜂窝密集部署下的网络的容量与覆盖问题。将模糊逻辑与Q学习算法相结合,综合考虑网络的平均用户性能、边缘用户性能和网络环境相互影响来设计模糊逻辑与Q学习算法的联合瞬时回报奖惩值,进行网络容量与覆盖的联合自优化。仿真结果表明,该方法能实现密集化微蜂窝部署下的容量与覆盖自优化,有效提高系统平均用户吞吐量和边缘用户吞吐量。     

基于改进禁忌搜索的基站布局优化算法

由于室内定位场景的非视距特点,基站布局对于蜂窝网的定位精度具有重要影响,而目前基站布局仅关注容量、覆盖、信号质量,尚未考虑对室内定位精度的影响。提出了一种改进禁忌搜索的基站布局优化算法ITSA,改进了代价函数、邻域产生规则和解禁规则。对所提出的算法在相同的室内场景中仿真实验,结果说明,相比RFID读写器部署优化算法,该算法能够更好地降低定位区域的整体误差。     

超密集边缘计算网络中面向能耗优化的任务卸载方法

传统网络架构部署下的边缘服务器难以满足大规模用户设备的接入和通信质量要求。为增加网络容量,提高频谱利用率,通过密集化基站的部署,构建一种面向超密集边缘计算网络的任务卸载优化模型。面对信道状态的变化、移动设备的动态需求以及服务器和频谱资源的有限性对任务卸载带来的挑战,结合任务类型和服务器的计算能力,并考虑信道状态变化、移动设备的动态需求以及干扰约束对卸载策略的影响,提出一种基于自适应模拟退火遗传（AGASA）算法的任务卸载方法,在满足任务截止期限的同时,对任务卸载能耗进行优化。同时,为得到最优上传功率,采用黄金分割算法解决功率控制问题,从而降低传输能耗。实验结果表明,AGASA算法在信道状态变化时可保证通信质量和计算效率,相比混合遗传粒子群算法,能够在满足截止期约束的同时使卸载能耗降低15.56%。     

超密集网络中基于多基站博弈均衡的分布式无线资源管理算法

移动边缘计算和超密集网络技术在扩大移动设备计算能力和增加网络容量方面有明显的优势.然而,在两者融合的场景下,如何有效降低基站之间的同信道干扰,减少任务传输的时延和能耗是一个重要研究课题.本文设计了一个基于多基站博弈均衡的分布式无线资源管理算法.将小基站之间的无线资源管理问题转化为博弈问题,提出一种基于奖励驱动的策略选择算法.基站通过迭代不断更新其策略的选择概率,最终优化子信道分配和发射功率的调控.仿真结果表明,我们的算法在提高信道利用率和降低任务处理的时延和能耗方面具有优势.