超密集部署下绿色能源感知的用户关联算法

为了降低网络能耗,实现5G绿色蜂窝网络,考虑电力能源和绿色能源同时供电的混合能源供应的超密集异构网络模型.为了更准确地模拟密集部署下基站与用户之间的信道衰落,采用5G中的双斜率路径损耗模型对大尺度信道衰落进行建模,并在此模型下提出一种改进的基于绿色能源感知的自适应用户关联算法.该算法为基站设置优先级和权重因子,用户根据基站的优先级和权重因子自适应地调整自身的关联策略,并结合资源分配完成用户关联过程.仿真结果验证了所提算法在能耗和能效方面的优越性.     

基于移动边缘计算的超密集异构网络数据存储

针对目前超密集异构网络数据存储方法存储速率过慢,导致存储量较小,难以满足人们的要求,提出了基于移动边缘计算的超密集异构网络数据存储方法。构建基于移动边缘的网络结构模式,采用网络结构层次分析法,对超密集异构网络建立相应的选择层次模型,并根据网络数据收集和处理将其分类为数据收集网络和数据处理网络,最后,利用移动边缘计算技术,将写入的网络数据下沉到网络边缘,实现超密集异构网络数据的持久存储。实验结果表明,基于移动边缘计算的超密集异构网络数据存储方法能有效提高存储速率,扩大存储量。     

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。     

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。     

超密集网络中负载均衡感知的初始关联控制算法

为了解决移动数据流量和大量移动终端的空前增长问题,超密网络部署已作为一种经济高效的解决方案来减轻小蜂窝网络的负载。不同的超密集网络的拓扑结构将导致不同的覆盖范围,每个用户设备将会有多个可接入点。针对这种情况,研究了软件定义的超密集网络下基于分布式和集中式两种方式的初始连接控制。提出了一种集中式的、稳定的、可负载平衡感知的关联控制算法来减少数据面的切换次数。这是一种统一的初始关联控制和负载均衡的管理方式。最后,评估了基于分布式接入和集中式接入的初始关联控制的依照切换次数的稳定性。结果表明,集中式接入的关联控制算法性能比分布式接入更好。     

基于随机几何理论的多层异构网络的中断概率分析

针对包括由宏基站(MBS)、微微蜂窝基站(PBS)和毫微微蜂窝基站(FBS)覆盖服务的三层异构蜂窝网络进行研究,通过仿真实验分析了影响用户通信中断概率的因素.结果表明:PBS和FBS的发射功率选取适当值时,可以有效地降低中断概率.当第一层网络的信干比(SIR)门限值在0~12 d B范围内变化,第二层网络的SIR门限值小于第三层网络时,可以有效降低中断概率,最高可以降低10%.     

基于QoS驱动的多目标优化用户动态关联研究

为实现5G通信网络自组织、自优化发展,提出一种混合控制多目标优化用户动态关联算法。在满足用户服务质量和基站成本效益的需求下,同时考虑吞吐量、能耗、基站效用等因素,基于QoS需求实现用户和基站的动态关联,从而解决因用户动态变化带来的网络拥塞、资源浪费、负载增加等问题。并引入随机梯度下降算法优化传输功率,提高网络吞吐量与基站利用率。仿真结果表明,该算法在提高网络吞吐量和基站利用率的基础上能有效缓解基站负载不均衡现象。     

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。     

基于残差密集网络的智能超表面信道估计算法

信道估计是通信系统中一项关键的技术,涉及评估信号在传输过程中经历的信道特性,以便接收端能够有效地对接收到的信号进行处理和恢复。为提高视距信道遮挡通信下的通信系统质量,使用智能超表面来辅助现有通信系统。智能超表面辅助的无线通信系统中,除了基站和用户之间的视距信道外,同时包含基站到智能超表面和智能超表面到用户之间的级联信道。当前信道估计方法基本上利用传统算法进行估计,为了解决智能超表面辅助多用户系统中复杂统计分布的级联信道估计精度低和计算复杂度高的问题,文中提出了一种基于传统算法和深度学习算法相结合的信道估计算法。利用传统算法的可解释性和深度学习算法的高性能特性,在卷积网络基础上,提出了一种基于残差密集网络（RDN）的去噪方法。首先按照系统参数模拟生成真实环境的数据集,使用传统最小二乘法（LS）进行信道粗估计,并将信道看作二维含噪图像;其次采用密集块（RDB）充分提取噪声数据局部特征,并使用多路卷积和残差网络对数据进行特征融合;最后通过已训练模型对数据进行在线估计,并得到去噪信道。文中从信道的估计精度对所提算法进行验证,在Rician信道模型上进行理论公式推导和系统仿真分析。仿真结果表明,...     

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。     

基于空天信息的异类传感器模糊航迹关联算法

针对空天高速飞行器这类目标的跟踪问题实时性和精确性要求高的特点,高速飞行器目标的航迹关联问题同样要求高实时性和精确性。使用一种将粗关联和精关联相结合的模糊关联方法,对现有的模糊关联算法进行改进,综合考虑了目标的位置信息(距离和角度量测)和属性信息(目标的身份信息等),使用多因素模糊综合决策方法进行关联,使用模糊判决规则进行相关判定,对关联成功的航迹使用简单的加权融合算法进行航迹融合。模糊推理的方法较之传统的基于统计的方法,计算简单省时,提高了系统处理的实时性，仿真结果表明有效。     

异构无线网络业务速率分配算法研究

随着网络异构化和终端智能化,如何有效利用网络资源和充分发挥终端能力,为用户提供更好的业务体验,成为研究的重点.当一种无线网络不能满足用户的业务需求时,可以考虑由多个网络协作向用户提供该业务.针对多网络协作业务提供问题,采用多目标优化的决策算法,提出一种考虑多约束的业务速率分配算法,在完成异构网络选择的同时实现了业务速率在各网络中的分配.仿真结果表明,所提算法能够有效实现特定目标下的业务速率分配.     

一种基于能量和距离的多级能量异构传感器网络路由算法

为了能有效地利用节点能量的异构性,降低网络能耗、延长网络稳定周期,提出了一种同时考虑节点剩余能量和节点至基站距离的多级能量异构无线传感器网络的分簇路由算法.在节点簇间综合考虑簇头剩余能量及其与基站的通信能耗,以选择合适的下一跳路由节点.仿真结果表明,该算法可以有效地均衡网络能量消耗,延长网络稳定周期.该路由算法在维持节点存活个数、降低网络能量消耗及增加网络数据传输吞吐量等指标方面优于几种常见传感器网络路由算法,表明在综合考虑能量和距离等因素后能够获得比单一考虑能量或者距离的算法更优的运行结果.     

一种基于关联匹配度计算的语义Web服务匹配方法

在现有的语义Web服务匹配方法基础上加入服务语义关联匹配度计算,从而提出一种改进的语义服务匹配方法。该方法通过语义关联将一对一匹配淘汰的服务进行组合来实现一对多的服务匹配,在得到的候选服务和候选服务集中进一步计算Web服务的匹配度,经过匹配度的排序,得到最佳匹配度的服务。该方法避免了仅从单一接口参数上进行语义服务匹配,能在一定程度上提高匹配的效率,实现查准率、查全率和查询效率之间的有效平衡。     

一种基于用户满意度的网络接入选择和频谱分配联合优化方法

文中对异构网络下用户接入选择和网络资源分配的联合优化问题进行研究,在传统资源分配方法的基础上,加上用户对网络的主动选择,侧重考虑用户满意度,建立接入选择和资源分配的联合优化模型.在资源分配之前,让用户根据接入每种网络的概率优先选择接入概率最大的网络,在此基础上网络再调整价格来获得最佳的网络效益.仿真结果表明,文中所提出的联合优化方法在保证了网络效益的同时,又兼顾了用户的满意度.     

属性异构信息网络的半监督协同聚类

为实现同时利用属性信息和结构信息完成更精确的协同聚类, 提出一种基于属性异构信息网络的半监督协同聚类框架（SCCAIN）. 首先, 设计一种可学习的整体关联度量, 其通过元路径和属性投影整合结构关联和属性关联; 其次, 将约束负矩阵三因式分解引入到具有约束的协同聚类节点中, 将相关性度量和协同聚类相结合, 以协同聚类结果作为共享因子, 并提出一个统一的半监督学习框架, 以联合优化协同聚类和相关性测量给定的约束; 最后, 在不同的数据集上进行仿真实验, 实验结果表明, 该方法聚类效果较好, 从而验证了属性信息和结构信息对能提升协同聚类效果.     

多小区终端直通异构网络中利用图论的资源分配方案

针对在终端直通(device-to-device,D2D)用户与蜂窝用户共存的上行多小区系统中存在严重的小区内以及小区间干扰问题,提出了一种基于干扰图和最佳二分图匹配的多小区资源分配方案,以获得网络容量提升。该方案根据上行链路的传输特性获得D2D用户与蜂窝用户之间带权值的无向干扰图,根据干扰图将互干扰较大的用户分到不同的用户簇中,不同的用户簇占用不同的子载波,并利用匈牙利算法对资源块进行分配。仿真结果表明,所提出的方案以较低复杂度接近遍历最优算法,并且与部分频率复用方案比较,所提方案的系统容量提升了19.78%。     

一种用户码率偏好敏感的网络编码视频分发算法

无线网络用户拥有差异化的网络与视频接收设备,通过单一优化用户获得的下载速率,无法最终确保用户获得良好的视频质量. 多码率视频流编码基于一种多描述编码（MDC）,在MDC视频流中,由于各层数据以数据分片的形式传输,网络编码成为一种有效的视频分片传输机制. 从网络、用户兴趣、内容属性等角度分析用户对视频流码率的偏好,提出了一种用户码率敏感的流媒体数据传输算法. 实验表明该算法在用户偏好满足与降低网络消耗率上,优于已有研究. 在用户可以获得偏好码率的同时,保证了流媒体的连续性.      

H2H与M2M共存场景下无人机辅助上行用户调度方案

针对人类用户和物联网用户共存时利用无人机作为中继节点采集物联网设备数据的场景,提出了一种基于累积分布函数的上行用户调度方案。方案在以最大化全网节点能效为优化目标的上行联合用户关联和用户资源分配问题建模过程中,考虑多用户分集以及网络负载均衡;为了求解该问题,方案利用用户吞吐量独立同分布的特点,通过松弛整数变量,结合增广拉格朗日法和标准的次梯度法,将难解的非凸问题转化为凸函数,再利用交替方向乘子法对凸问题进行分解并交替迭代优化,最终实现系统能效最大化并得到最优调度方案。仿真结果表明,该方案在全网效能和负载均衡方面优于现有方案。