基于能效的异构网络休眠算法研究

基站休眠技术被认为是提高无线异构网络能效的最有效方法之一.通过对休眠算法进行分析发现,集中式算法的性能往往比分布式算法更好.但是,随着网络规模的增大其计算复杂度将会异常巨大.由此,本文提出了一种基于分簇的混合式休眠算法.该算法在保持所有宏基站开启的情况下,首先在时间上对基站的休眠分簇时间进行划分,随后将所有微基站以其能效为标准进行合理的自适应分簇,尽量关闭簇内能效较小的家庭式基站,最后通过PSO算法进行休眠组合的确定.仿真结果表明,该算法的计算复杂度要远低于其他集中式算法,能耗性能与集中式算法相同,高于其他分布式算法,整体性能更强,在保证网络通信服务质量的基础上,极大地提高了网络能效.     

混合业务下基于能效准则的基站开/关选择策略

为提升无线系统的能效,针对用户随时间的潮汐变化特点,文中提出了一种通过基站开关切换提升系统能效的方法——基于能效准则的基站开/关选择策略,将用户业务分为恒定比特率业务和可变比特率业务,在满足恒定比特率业务的约束下最大化能源效率.文中采用改进的自适应遗传算法来求解此约束优化问题,即基站开关状态用二进制编码,通过设计的选择、交叉、变异实现迭代寻优.仿真结果表明:文中提出的改进遗传算法收敛速度快,能有效对抗染色体群体的早熟问题;在满足恒定比特率用户需求的前提下,文中策略可有效地提升无线系统的能效,其性能接近穷举算法.     

基于异构蜂窝业务量预测的基站休眠策略

为了提高第5代(the fifth generation,5G)移动通信中异构蜂窝网络基站的频谱效率,提升用户的服务质量.提出了一种基于小波神经网络的基站休眠策略(neural network based stations sleep strategy in macro-femto heterogene-ous networks,NNSS),在神经网络预测模型中,把隐含层的传递函数用小波函数替换,并采用梯度下降算法,建立一个小波神经网络的预测模型.预测出家庭基站在一个周期内的业务量,根据预测值制定合理的基站休眠策略;同时考虑用户与基站间的中断概率,设计用户重关联算法,实现家庭基站对用户服务质量的优化.实验结果表明,基于小波神经网络的基站休眠策略在提高系统频谱效率的同时,降低了用户的中断概率.     

超密集异构网中基于配对理论的用户关联算法

超密集异构网络作为提升网络数据流量和用户速率的有效手段,成为5G关键技术中的一员。但超密集部署的小小区基站势必会导致系统总能耗的增加,以及用户接入公平性等问题。解决给定目标速率条件下基于能效优化的用户关联(也称为用户接入)问题。改进了原有的功耗优化模型,使之更准确地反映基站的实际发射功率和总功耗。在此基础上,利用拉格朗日对偶和二分法对关联过程中用户分配到的资源比例和基站为每个关联用户提供的发射功率进行优化和调节;同时结合配对理论,提出一种综合考虑能效和接入公平度的用户关联算法。性能仿真和对比结果表明,算法在保持良好的用户接入公平性的基础上有效提升了系统能效。     

异构网络中基于非合作博弈的功率控制算法

针对异构蜂窝网络中系统能耗较高的问题,提出一种能效优先的基于非合作博弈的功率控制算法。该算法将宏基站间的功率控制过程描述为博弈模型,并在效用函数中引入了基于干扰因素的自适应代价函数,得到各基站的最佳响应策略,之后经过多步迭代调节发射功率,使系统收敛至能效最优的纳什均衡状态。仿真结果表明,所提算法与固定代价函数的功率控制优化算法相比具有较好的收敛性,系统能效有明显的提升,更适用于密集网络。     

基于Dinkelbach算法的优化混合网络用户关联策略研究

在5G网络中,使用混合网络,引入一些低功率节点,提出基于TDMA系统的联合优化用户关联和功率控制的能效优化方案,通过优化用户关联和功率控制来提高网络能效。以系统能效最大化为目标,限制基站最大关联用户数,设计出用户关联算法。利用Dinkelbach算法优化功率控制,获得系统最大能效,并对提出的交替优化算法进行仿真验证。     

基于能量消耗和负载均衡的异构网络基站开闭策略研究

提出新的节能机制是异构网络的一个重大挑战.针对可开闭异构网络,提出了基于纳什均衡的离散粒子群算法(NP-DPSO算法),旨在通过本算法综合考虑系统能量消耗与负载,达到均衡状态尽可能节省系统能量.基站仅需根据自身的能量消耗和负载来决定自身的开闭状态,而勿需根据全局信息,以用户和基站为博弈参与方建立博弈模型,博弈方均以自身利益最大化为目标执行自己的策略,并在每个参与者都认为已经做出了最优策略的情况下达到非合作博弈的均衡点(纳什均衡点),再利用离散粒子群算法对其求解.通过将NP-DPSO算法与基站全部激活状态(BSAA状态)、休眠激活机制的概率唤醒算法(APO算法)和基于基站休眠的负载合并动态功率控制算法(LDPC算法)进行了对比分析,验证本文提出的NP-DPSO算法的先进性与可行性.     

车载自组网V2I通信中可休眠轮询接入控制策略性能分析

在车载自组网通信协议IEEE 802.11p的基础上,提出一种车辆与路侧单元间通信的门限服务可休眠接入控制策略(GPC-S).首先,结合休眠机制,采用概率母函数和嵌入马尔可夫链的分析方法建立数学分析模型,推导了系统服务性能特性量平均查询周期、排队队长的精确解析;进而推导了站点休眠时间与特性量及网络服务参数之间定量关系的闭式表达式;最后,通过仿真实验对所提出的接入控制策略进行性能和能效测试.测试结果表明:性能特性量的理论计算精度最高可提升9%以上;相较无休眠的IEEE 802.11p,在低负载时,GPC-S能效提升97%以上.在对轮询系统进行建模时结合系统的空闲状态及由此触发的休眠,可提高理论解析精度,为系统的性能及能效评估提供一种有效的分析方法.     

基于覆盖效率的蜂窝网络协作节能优化算法

为了提高无线蜂窝网络的覆盖效率,根据未来蜂窝系统多用户、多业务、多载波、多协议的动态特性,研究基站覆盖效率和能量效率的性能特性,分析覆盖冗余度、业务强度在时间域和空间域上的动态分布,建议一种基于覆盖效率的蜂窝网络协作节能优化算法.该算法根据获得的信息使基站按照特定概率在休眠和激活模式之间动态切换,通过邻基站间的协作对基站激活概率进行优化.仿真表明,该算法能够以较低的复杂度获得显著的性能提升.     

硬核点过程随机蜂窝网络能量效率优化研究

基于控制/用户平面分离的异构网络架构是5G中的一种重要组网方式.微基站的密集部署引发了巨大的能量消耗问题从而无法保障用户的高质量服务(quality of service,QoS).针对此问题,基于具有最小距离约束特性的硬核点过程(hard-core point process,HCPP),研究了控制/用户平面分离网络架构中能量效率的优化方法.通过联合优化网络频谱分配比、基站的密度和基站配备的天线数量,设计了最小化基站平均能耗的优化问题.由于问题是非凸的,进一步为能量效率优化问题提出了低复杂度的迭代算法,当算法迭代直至收敛可得到天线数和网络频谱分配比的最优解,最终实现基站能耗的最小化.仿真结果表明,该算法在控制/用户平面分离网络架构下有效地降低了基站的平均功耗并提升了系统能效.     

基于最大比传输预编码天线分组技术的大规模多入多出系统能效研究

大规模多输入多输出(MIMO)系统中,大型天线阵列之间的强天线相关性会导致系统性能降低.针对下行链路场景,提出基于最大比传输预编码的联合天线分组和天线选择算法,把大规模天线阵列划分为若干组,在每组中基于信道矩阵最大列范数选择天线,构造所选天线与接收天线间的信道矩阵,并计算对应的预编码矩阵.建立能效模型,分析联合天线分组和天线选择算法对系统能效的影响.仿真结果表明,在基站天线数为200、发射功率为10 dB、天线相关因子为0.8的假设下,当分组数为24时,与最大范数天线选择算法相比,该算法使系统能效提高了约24.4%.     

基于干扰效率的星地认知网络功率分配算法

针对Underlay模式基于能量效率的功率控制算法未能准确反映次用户与主用户之间干扰性能导致系统容量下降的问题,综合考虑次用户能量有限及卫星链路和地面链路的差异性,定义干扰效率为认知卫星用户总的传输速率与地面基站接收到的干扰的比值,建立了基于干扰效率的星地认知网络上行链路功率分配模型,在此基础上提出一种基于干扰效率的功率分配算法.通过引入干扰门限约束及信干噪比约束条件,利用非线性分式规划理论和拉格朗日对偶法求解出最优功率.仿真结果表明:该算法能在较好满足次用户通信质量的前提下,有效减少对主用户的干扰,提升系统的干扰效率.     

一种改进的FDD大规模MIMO CSI反馈方法

大规模MIMO技术因具有高数据率、频带利用率和能量效率等优点被认为是第5代移动通信系统的核心技术之一.在频分双工(FDD)模式下,由于上、下行信道不具有互易性,因此大规模MIMO系统基站如何获得准确的下行信道信息是一个具有挑战性的问题.本文对这一问题进行了研究,提出一种利用信道稀疏性和线性滤波的有效方法.仿真结果表明,与传统方法相比,本文所提方法可以极大提高系统性能.     

异构边缘网络中基于服务器休眠的协同计算策略

在异构边缘网络中,基站和边缘服务器的密集部署使系统功耗激增,为移动运营商带来了高额成本.同时,由于异构系统中任务的多样性和复杂性,高效的资源分配和任务迁移构成了严峻的挑战.针对上述问题,建立了服务器间的任务迁移和服务器睡眠模型,提出了一种面向异构边缘网络中服务器多睡眠模式的任务迁移算法.该算法先将问题按时隙划分为多个子问题并分别建模为混合整数非线性规划问题,再使用序列二次规划算法对每个子问题进行迁移决策求解,最后通过睡眠决策算法确定服务器的睡眠模式.仿真结果表示,所提算法不仅可以均衡边缘网络中非均匀分布的任务量,提高服务器资源的利用率,而且可以通过服务器多休眠状态显著降低系统能耗,提高系统性能.     

基于容量最优化的D2D资源分配方法的研究

D2D(Device-to-Device)通信是一种在基站的控制下,允许终端之间通过复用小区资源直接通信的新型技术.它能够增加蜂窝通信系统频谱效率,降低终端发射功率,在一定程度上解决了无线通信系统频谱资源匮乏的问题.由于在未来的移动网络中有越来越多的异构设备,一个高效的资源分配方案必须最大限度地提高系统的吞吐量,并实现更高的频谱效率.资源分配方案是在保证小区用户吞吐量的前提下,使D2D用户获得最大的吞吐量,并在文献[7]的基础上给出了一个算法来解决这个问题.通过仿真表明,算法具有较低的时间复杂度,能够有效地提高系统的吞吐量.     

多用户全双工无线携能系统中的波束赋形研究

针对多用户全双工蜂窝通信系统,提出了一种基于功耗最小及能量收获最大双目标准则的联合优化方案。该方案采用迫零消除上行链路中多用户干扰,在下行链路,为了实现信息和能量的有效传递,全双工基站分别采用信息波束赋形及能量波束赋形为用户提供通信服务,在保证用户的服务质量及功率约束的同时,实现了功率效率和频谱效率的同步改善。由于功率问题为非凸问题,通过半定松弛将其转化为凸优化问题。仿真结果表明,所提方案相比传统方案能够节约大量的功率,此外全双工基站通过能量波束赋形向下行用户传递能量,有效提高了系统的功率效率。     

欠驱动机器人强化学习算法仿真及结果分析

针对纯被动机器人对环境变化敏感,抗干扰能力差等问题,提出了一种基于Sarsa(λ)强化学习的底层PD控制器参数优化算法.在MatODE环境下建立双足有膝关节机器人模型并进行控制器设计.通过与传统控制器仿真结果的对比分析,得出该算法可使模型获得更加稳定的行走步态,同时提高了系统抵抗斜坡扰动的能力,增强机器人的行走鲁棒性.     

基于发送切换邀请的越区切换准周期触发机制

为了克服基于接收信号强度的越区切换触发机制的局限,依据移动终端较规则的移动线路及其邻近基站部署的位置信息,构建协作小区簇,提出一种基于发送切换邀请的准周期触发机制.该机制在移动线路相对固定、移动速度较高的无线通信环境中能使越区切换的触发更及时、准确和可靠,也能使整个越区切换的实现过程得到简化,缩短整个切换的执行时间,提高越区切换的速度和效率,同时还能防止"乒乓切换"现象的发生.在城市BRT、高速公路和高速铁路中具有广泛的应用前景.