基于OFDM的双层Femtocell网络中子信道、速率和功率的最优分配

Femtocell(毫微微小区)基站通过以极低的功率对室内进行"点"覆盖,降低了宏小区基站的传输功率要求和业务负荷量,使得整个系统的功率效率得以提高.研究了双层Femtocell网络中,考虑到宏小区和毫微微小区之间、不同毫微微小区之间所存在的同频干扰,在满足宏小区用户传输性能不受影响的前提下,对毫微微小区用户的子信道、速率和功率进行联合优化分配的方法,以使其加权速率和最大.针对问题的非凸性,提出了基于拉格朗日对偶方法的最优子信道、速率和功率分配算法,并从经济学的角度予以解释.最后,通过仿真验证了此算法可以有效地求解此问题,并且证明了该系统相对于宏小区和毫微微小区使用不同频率集的系统可以很大程度地提高系统性能,与此同时也提高了频谱利用率.     

电力无线专网宏微协同组网中小区协作式故障检测

为了应对电力系统的数据流量增长、提升电力用户体验,电力无线专网系统将由密集部署的宏微小区组成,而网络中的故障小区会带来覆盖盲点从而影响网络服务质量.为了解决电力无线专网宏微协同组网中基于人工的故障检测方式效率低且成本高的问题,提出了一种基于迁移隐马尔可夫模型(transfer learning based hidden...     

双层网络中一种协作博弈的动态资源分配方法

针对双层网络模型中宏小区用户层和毫微微小区用户层存在共信道信号互相干扰的问题,提出了一种协作博弈的动态资源分配(CGDRA)方法.该方法首先根据宏小区用户的路径损耗和QoS需求,对宏小区用户层的发射功率进行分配,然后以所有毫微微小区用户的数据速率之积作为效用函数,以毫微微小区用户的QoS需求为约束条件,构建了毫微微小区用户层总发射功率受限的协作博弈模型,并采用动态子载波分配算法和自适应功率分配算法得到了该博弈模型的低复杂度近似最优解,优化分配了毫微微小区用户的频谱资源和发射功率,提高了系统的传输速率.仿真结果表明:在双层网络中,CGDRA方法在系统数据速率和用户的公平性上获得了较好的折中;与最大最小公平性算法相比,系统的数据速率提高了30％;与最大速率算法相比更加公平.     

超密集组网中基于上行容量分析的增强型动态分簇算法

超密集组网(ultra-dense network,UDN)是未来5G(5th generation)网络的一个关键技术。UDN拥有更小的小区半径,是一个新型的网络架构。UDN的核心概念是在热点地区部署低功率基站。由于UDN小区密度的增加,UDN中的干扰问题比宏微异构网络中干扰问题更加严峻。分簇合作方法可以降低干扰。首先推导出系统上行容量表达式,然后提出一种新颖的动态分簇算法。在小区密集部署的网络中,此算法在系统性能和复杂度之间做出了很好的权衡,同时降低了移动台之间的干扰。仿真结果显示提出的方法与一些已提出来的分簇方法相比有很大的容量增益。     

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。     

浅谈校园移动网 RRU 共小区覆盖方 案简

本论述针对大学校园区人员活动特点和话务特点进行分析，提出了室外宏站＋室内分布系统结合覆盖方案，实现校园密集区的完美覆盖，使室外宏站满足校园区的广域、连续覆盖，使室内分布系统满足建筑物室内深度覆盖，应对大容量要求。通过RRu共小区技术实现教学区和宿舍区话务迁徙，共享基带资源，满足话务需求。     

大规模MIMO-FBMC系统下的空间消隐方法

在大规模多入多出正交频分复用技术(MIMO-FBMC)下行链路系统中,大量微小区部署在宏小区覆盖区域内,并且宏小区和微小区共享相同频谱.在宏小区引入大规模多进多出(MIMO)技术,在相对较窄的角度扩展下从宏小区可以看到同一热点内的用户几乎位于同一位置,这就引起了方向性的信道向量.利用这个信道向量的空间方向信息采用协调波束成形,获得空间消隐,即将传输能量集中在某些特定的方向上,从而给位于其他方向上的微小区创造传输数据的机会,以减少对这些微小区的干扰.此方法类似于增强型小区间干扰协调技术(e ICIC)中的几乎空白子帧(ABS)方法.仿真结果表明,该方案能有效提高大规模MIMO-FBMC系统的容量.     

异构网络中软频率复用场景下的干扰管理

将软频率复用(SFR)引入到由毫微微小区和宏小区组成的双层异构网络中,提出基于软频率复用的小区间干扰协调(ICIC)方案.先根据SFR方法对宏小区进行频率资源分配,然后使毫微微小区用户使用宏小区用户未占用的频率资源.仿真结果表明:该方案能有效地解决宏小区和毫微微小区间的同频干扰问题.     

基于交叉覆盖的高层综合方案及衍生方案研究

由于高层小区的出现,导致网络结构发生明显变化,其主要影响有两个方面：一方面小区自身深度覆盖差;另一方面对周边网络结构造成严重破坏,导致网络质量下降通过分析存在问题的成因,探讨了基于交叉覆盖的高层综合解决方案及其衍生方案,进行了实际网络验证,取得明显的效果.方案具备低成本的特点,在网络建设过程中,对于相关研究人员和移动网络运营商具有参考和借鉴意义.     

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。     

一种低复杂度的基于加权速率和最大化的多用户MIMO系统调度算法

针对多用户多输入多输出系统中,基于脏纸编码的迭代注水算法加权速率和最大化复杂度很高的问题,提出了一种基于迫零 脏纸编码的低复杂度多用户资源调度算法.该算法在发射功率限制条件下,结合功率分配和多用户调度,根据信道状态信息构造用户选择参量,依次选择用户.由于只需要有限次循环,同时根据用户摒弃准则去除了信道状态不好的用户,从而降低了复杂度.仿真结果表明, 所提出的算法与迭代注水算法相比,在相同的仿真条件下,可以获得后者90%以上的加权速率和,随着用户数的增加,加权速率和性能趋向于后者,同时复杂度由与用户数的平方成正比降到了与用户数成正比.     

基于深度学习的MIMO系统联合优化

自动编码器神经网络可将通信系统重新构建为端到端的任务,从而实现整个系统的联合优化。针对基于深度学习的2用户与4用户多输入多输出(multiple-input multiple-output,MIMO)系统联合优化问题,提出将自动编码器运用到系统中,将整个通信系统的发射端和接收端视为自动编码器的编码和译码部分,利用交叉熵损失加权和函数进行训练学习,从而获得优化的系统模型,并进一步分析得出每个用户的误比特率及所有用户的平均误比特率。实验结果表明,基于自动编码器所构建的MIMO通信系统相比于传统的通信系统具有更优的系统性能。     

地质体构造变形的“宏微对应”规律探讨

在对安徽巢湖剪切带宏观和微观变形形态进行精细分析的基础上,结合前人对断裂形态分形特征的相关研究,提出了地质体构造变形的“宏微对应”规律,认为同一个地质体构造变形系统中不同级别的构造变形之间其几何形态特征存在较好的相似性或对应性。同一个地质体变形系统中从宏观到微观有多种不同的变形形态类型,并不是所有变形形态都有宏微对应性,但具有宏微对应性的变形构造类型对整个变形系统具有特殊的重要意义。“宏微对应”规律是地质体构造变形中普遍存在的规律,可以作为宏观的大范围构造变形和局部甚至镜下的微观构造变形之间互相预测的一种理论依据,同时由于部分矿物分布与构造变形密切相关,因此这一规律在相关矿物分布的研究中也具有一定的指导意义。     

基于数据融合的高效可靠智能电网通信技术

随着智能电网的大规模部署,传感器等终端设备将会大量增加。面对随之产生的海量数据,高效可靠的通信方式成为新时代智能电网研究的热点。针对智能配电网中通信网络复杂、工作环比较混乱、通信点多的问题,本文提出了基于数据融合的新型融合组网方案。首先,采用边缘计算和有线无线相结合的新型融合组网方式,提高了组网融合的性能;然后结合了基于最佳权重分配的数据融合算法解决了数据冗余的问题,降低了能耗。最后通过理论分析和实验仿真验证了本文基于数据融合的新型融合组网方案的有效性,在性能上与传统加权算法对比更加优越。     

能量收集通信系统中基于深度Q网络的最大化保密速率功率控制策略

研究由能量收集发射节点、目的节点和窃听节点组成的能量收集通信系统中,以最大化平均保密传输速率为目标的发送功率控制问题.在环境状态信息事先未知,且系统模型中信道系数、电池电量、收集的能量连续取值的场景下,提出一种基于深度Q网络(deep Q network,DQN)的、仅依赖于当前系统状态的在线功率分配算法.将该功率分配问题建模为马尔科夫决策过程;采用神经网络近似Q值函数来解决系统状态有无限多种组合的问题,通过深度Q网络求解该决策问题,获得仅依赖于当前信道状态和电池状态的功率控制策略.仿真结果表明,相比较随机功率选择算法、贪婪算法和Q学习算法,提出的算法能获得更高的长期平均保密速率.     

基于深度强化学习的空中无人机基站资源分配与公平性研究

为了提高无人机基站(unmanned aerial vehicle base stations, UAV-BS)为地面多用户服务时的数据速率,提出一种基于决斗深度神经网络(dueling deep Q-network, Dueling-DQN)的深度强化学习(deep reinforcement learning, DRL)算法。采用决斗网络(dueling network, DN)结构以克服动态环境的部分可观测问题,联合优化了UAV-BS的位置和下行链路功率分配,在更符合实际的空地概率信道模型中检验了Dueling-DQN算法的性能。结果表明,相较于对比算法,所提出的Dueling-DQN算法可以提供更高的数据速率和服务公平性,且随着地面用户数量的增大,算法的优势更加明显。Dueling-DQN算法可有效解决复杂非凸性问题,为UAV-BS的资源分配问题提供理论参考。     

智能视觉物联网在工业自动化中的应用研究

为推进传统制造业企业转型升级,实现节约成本、扩大生产、提高竞争力,工业自动化是企业的发展趋势,通过在物联网的基础层上采用视觉传感器来实现信息的采集,采用光学字符识别技术对信息进行图像处理,再经过信息传输、智能分析,形成基于机器视觉检测技术的物联网结构,结合B/S架构与数据库技术,研究一种新的工业自动化领域应用模式iVWOT（Intelligent Visual Web of Things）,进一步融合视觉物联网技术与自动检测技术在工业自动化中的应用。     

一种优化的认知无线电网络资源协同分配算法

在目前的认知无线电研究中,多用户OFDMA系统中如何实现子载波和功率的合理分配是研究的重点之一.针对认知无线电资源分配过程中出现的多认知用户资源分配不公平的问题,研究了认知无线电网络中授权用户占用子载带时,认知用户的吞吐量受限制的问题,提出了一种基于underlay频谱共享模式下的OFDMA认知无线电网络功率与子载带协同分配优化算法.该算法利用干扰门限的设置,使用原始感知信息(RSI)和信道状态信息(CSI)进行功率与子载波分配,然后分别进行功率控制和用户选择的计算,找到最优化传输功率与每个子载带最优使用用户,在保证授权用户免受有害干扰的前提下,使授权用户存在时,也可共享频谱传输,确保了系统的稳定性,提高了网络吞吐量.理论分析与仿真结果表明,相比传统的功率与子载波联合分配算法,该算法可以提高系统的平均加权吞吐量.     

基于OFDM的认知无线网络中最小代价增量资源分配算法

认知无线电是解决频谱资源紧张,提高频谱利用率的有效方式之一。在保护授权用户不受过度干扰的前提下,为了充分利用基于OFDM的认知无线网络频谱资源,在分别考虑频谱检测可靠性和互干扰对资源分配影响的基础上,构建了一个联合功率控制和子载波分配的最优化目标。考虑算法实际可行性,提出了3个次优的基于最小资源代价增量的算法,即最小功率代价增量算法、最小干扰代价增量算法以及最小功率干扰加权和代价增量算法。数值仿真表明,相比于现有的静态等功率资源分配,所提算法的吞吐量性能均有明显提升,其中,最小功率干扰加权和代价增量算法整体性能最好。