基于图着色的密集D2D网络资源分配算法

蜂窝设备到设备(D2D)网络通过D2D用户与蜂窝用户的上行链路复用,可大幅提高网络的频谱效率,但当D2D用户数大于蜂窝用户数时,即在D2D密集部署场景下,传统的资源复用算法不能满足D2D用户的频谱资源需求。针对该问题,提出基于图着色理论的D2D网络干扰协调频谱资源分配算法,可实现信道资源在多个D2D用户对间的多重复用,从而提升网络负载能力,改善网络吞吐量。在此基础上,给出一种改进的资源分配算法,以提高D2D用户的公平性。仿真结果表明,该算法在降低D2D用户获取信道资源"饥饿"概率的同时,能够提升网络信道资源的空间复用率及系统吞吐量。     

车载网络无线环境感知与反向控制的设计和实现

随着智能汽车的不断发展,车辆内部网络各层单元之间的连接日益复杂,尤其在车载内部的感知层以及执行层等单元.基于总线架构的密集有线连接方式导致了布线以及功能集成难度的增加,从而限制了智能网联车的发展.研究通过将车辆内部有线连接模式改进为无线连接模式,设计了一个基于ZigBee、Wi-Fi以及蓝牙无线混合组网的环境感知和反向...     

AI使能的高能效无线通信技术

随着5G无线通信网络大规模部署的开展，网络所消耗的能量正在成倍提升。尽管传统基于站点、频带和时隙静态关断的技术能够显著地提升整个无线网络传输和运营的能效，但面对大通量、高动态的5G业务需求，缺少AI支持的静态关断已无法满足系统的能效指标。因此，从无线通信网络的业务与传输层、媒体接入层和物理层等层面，探讨AI技术引入对提升无线通信网络能效带来的积极影响。利用AI所提供的高度非线性拟合能力和泛化能力，针对无线网络业务的有效调度、传输任务的合理分配、收发机的通用架构以及基带和射频系统的联合优化等方面开展高能效的优化设计。通过搭建原型系统并分析部分案例，提出了相关建议，旨在促进5G和6G无线通信网络的能效提升。