超密集网络中基于集群分配的干扰管理与资源分配

针对超密集网络通信场景, 提出一种基于集群分配的干扰管理与资源分配算法, 以消除超密集网络中由于大量部署低功率基站而降低吞吐量等影响. 首先, 基于距离、 小区间干扰、 可用资源情况3个条件权衡为家庭基站分配集群; 其次, 根据分配结果将干扰关系建模为干扰加权无向图, 按适当标准对家庭基站进行分类, 针对不同类型的家庭基站采用不同着色算法; 最后, 根据整体着色结果图完成频谱资源块分配. 仿真结果表明, 该算法可以为家庭基站选择最适合的集群加入, 降低集群间干扰, 提升频谱资源利用率, 提高网络的吞吐量.     

基于流量预测的资源分配策略研究

在超密集网络中，针对小基站密集部署会导致干扰加剧和资源分配难度加大等问题，提出了一种基于流量预测和着色图的信道资源分配方案。首先，利用深度学习工具实现对网络中未来时隙的流量预测；其次，将不相邻的小基站分配到同一集群以缓减网络中的共道干扰；最后，结合流量预测的结果和着色图为每个小基站分配合适的子信道。通过仿真验证了所提算法的可行性和有效性。结果表明，通过机器学习能够有效预测小基站的流量波动，同时基于流量预测的信道分配方案可以有效降低系统干扰、提升频谱利用率和系统吞吐量。     

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。     

基于Stackelberg博弈的最优频谱分配与定价策略

针对家庭基站部署与运营,以及与宏基站共享频谱资源所面临的难题,提出了一种基于Stackelberg博弈的最优频谱分配与定价策略.通过建模基站与用户之间的博弈,分析了资源定价与用户需求的关系;通过建模宏基站与家庭基站之间的博弈,给出了多种场景下双层分级蜂窝网络的最优频谱分配与定价策略.该策略能按需地为宏基站与家庭基站分配频谱,最大化宏基站与家庭基站的频谱效益,并能有效地激励运营商与用户积极部署家庭基站,加速绿色通信网络的建设进程.     

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。     

基于频谱感知技术的家庭基站干扰避让方案

家庭基站的干扰问题逐渐成为家庭基站发展应用的瓶颈之一。分析了家庭基站的干扰环境和条件,提出了两种新型的干扰避让方案。两种方案都利用频谱感知技术作为干扰避让的核心,但由于家庭基站干扰的复杂性,在家庭基站独立工作或与宏蜂窝进行频谱资源分配信息交互的条件下,两种方案分别采用了不同的机制。仿真显示,家庭基站独立工作条件下所提方案虽然降低了部分宏蜂窝用户的服务水平,但提供了更高的家庭基站容量;而利用与宏蜂窝的信息交互可更有效地避免干扰。综合来看,所提的两种方案较功率控制具有明显的优势。     

超密集网络中基于分簇的干扰管理方案

在超密集网络中,全频复用能够提升网络的吞吐量,但是导致了严重的基站间干扰。为了降低基站间干扰,首先通过干扰权重值描述小基站间的干扰程度,建立合理的干扰图;然后将分簇问题转化为Max K-Cut问题,利用改进的次优化启发式算法对小基站进行分簇;最后通过信道分配算法为每个簇中的用户分配子信道。仿真表明,本文的干扰管理方案在降低小基站间干扰的同时,能够提升系统的频谱效率和平均吞吐量。     

基于用户需求和历史信息的动态频谱分配算法

针对认知无线电系统中动态频谱分配算法开展研究,以干扰图模型为基础,提出一种改进的基于业务需求和历史信息的动态频谱分配算法。为利于快速收敛,算法采用最大独立集为分配起点,允许将信道同时分配给多个用户,联合功率控制机制最小化认知用户间的干扰,引入信道优先级和用户优先级表征历史信息和业务需求,优先分配高质量的信道给高优先级用户集以保证公平性。最后通过仿真分析进行了算法的有效性验证。     

基于博弈论的认知无线电的频谱负载平衡

为了提高频谱资源的使用效率并在分布环境下支持QoS,提出认知无线电系统中基于博弈论的频谱负载平衡算法。通过构造支付函数,建立了负载平衡问题的非合作博弈数学模型,利用最佳响应求得纳什均衡解,根据各分配请求的QoS要求应用均衡战略来调整资源分配,以达到频谱利用最优化的目的。仿真表明:该算法可以在避免干扰的情况下有效地利用带宽资源,实现负载均衡;算法的收敛性也得到验证。     

高密集场景中家庭基站基于用户公平性的高能效资源管理分配方法

异构网络中,随着家庭基站的部署越来越密集,家庭基站之间的同层干扰和家庭基站与宏基站之间的跨层干扰严重阻碍了系统性能的进一步提升,提出一种基于用户公平性的高能效资源管理分配方法;利用半合作博弈实现家庭基站的资源分配。半合作博弈分为协作信道分配以及最优化功率分配。仿真结果表明,该优化方案不仅可以提高家庭基站及宏基站的吞吐量,还可以提高家庭用户之间的公平性。     

超密集网络中基于分簇的资源分配算法

针对超密集网络(ultra-dense network, UDN)中,严重的小区间干扰制约终端用户的数据速率问题,提出一种基于染色分簇的资源分配方案。该方案采用图论中的染色算法对微蜂窝接入点(femtocell access points, FAPs)进行分簇,利用簇内每个微蜂窝用户(femtocell user equipments,FUEs)的待发送数据量、排队等待时延以及受到的干扰强度来构建相应的优先级,计算每个簇的优先级,并设定高优先级的簇可优先获得信道增益良好的子信道;最后由拉格朗日乘子法求解功率分配方案,即利用KKT(Karush-Kuhn-Tucker)条件和注水算法为FUEs分配功率。仿真结果表明,该方案能够有效地减小微蜂窝接入点之间的相互干扰,极大地满足用户的服务需求,同时提升了系统吞吐量和频谱效率。并且基于最大功率和最低速率的公平性准则能够动态地调整子信道功率,进一步提升了FUEs间的公平性。     

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.     

基于容量最优化的设备间通信资源分配方案

在蜂窝网络中通过复用蜂窝系统中已使用的频谱资源,来增加蜂窝系统的频谱利用率,减少基站的负载.同时,通过使用模糊C均值(FCM)算法对复用相同资源的设备间(D2D)通信用户对进行分簇,达到减小复用同频带D2D通信用户对(DU)之间干扰的目的.通过贪婪算法对每一簇DU对进行资源分配,达到减小蜂窝用户与DU之间的干扰的目的.仿真结果显示,相比于随机分簇和随机复用的资源分配方案,FCM算法与贪婪算法的资源分配方案更有效地提高了系统总容量.     

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.     

认知异构网络中基于非理想频谱感知的凸优化资源分配算法

当前认知异构网络中无线频谱日益紧缺,而传统固定频谱分配模式日益成为限制无线通信性能的重要瓶颈,在非理想频谱感知情况下资源分配的问题尤为突出。为实现非理想频谱感知情况下无线资源的高效分配,提出一种基于认知异构网络的凸优化资源分配算法。该算法首先构建了基于主用户活跃度的用户到达模型,以精确描述认知网络中主用户的频谱使用状态,为认知用户分配资源提供依据;并通过认知异构网络干扰分析构建非理想频谱感知条件下的干扰容限条件,最后通过凸优化算法实现对认知网络中频谱资源的优化分配。仿真结果表明,在非理想频谱感知条件下,该算法能够有效降低系统平均时延,提升认知异构网络的传输速率和系统吞吐量。     

基于功率约束及节点频谱选择的认知协同路由

为了提升认知无线网络的数据传输效率,优化节点能量负载,提出一种协同路由算法。基于覆盖与底层技术的协作设计一种协同网络架构,该架构针对网络频带表现多样化提供了一种新的频谱选择策略,提升频谱资源效用。结合协同网络频谱选择时的干扰特性,根据频谱、干扰和功率约束关系,提出最大化链路容量的频谱及节点功率分配方法。在协同路由设计上引入了频谱效用参数,参数的度量标准涉及节点剩余能量和链路容量,以优化路由节点能量负载和传输效率为目的。仿真对比结果表明,算法有效地利用信道接入机会进行数据转发,提高了传输效率,相比基于竞争进化算法的多播路由方法,数据包传递成功率提升了1．4％,平均网络吞吐量高出8．4％,平均节点剩余能量高出3．2％,在均衡节点负载上性能良好。     

基于干扰温度模型的认知无线电动态功率分配算法

干扰温度模型是认知无线电中频谱分配的一个重要模型,但是该模型也存在着局部干扰.针对该问题,提出了一种基于MIMO-OFDM的功率门限模型,以实现非授权信号的自适应频谱成型.针对迭代过程中估计值偏离目标值时收敛较慢的情况,提出混合二分算法.仿真结果表明,该方法能够克服干扰温度模型的局部干扰问题,使用MIMO技术可进一步提高系统性能,通过动态功率分配算法可降低计算复杂性并提高频谱利用率.