基于用户体验的异构网络接入选择算法研究

随着网络异构化,随时随地为用户提供最好的连接是未来无线网络获得成功的关键.为了最大化用户的体验质量,文中提出了一种基于网络状态和用户偏好的接入选择算法.该算法由用户确定需要考虑的决策因素,在满足动态适用性的基础上,设计了统一的多属性归一化计算方法,并采用层次分析法确定接入判决因素的主观权重.仿真结果表明,文中所提算法能够有效提高用户满意度,降低业务阻塞率并均衡网络间负载.     

认知无线电系统基于信道选择的动态接入方法研究

针对认知无线电系统各信道的增益和可用时长的不同,研究认知无线电用户接入网络时的信道选择机制.首先设计两种信道选择机制,分别选择信道增益最大的和空闲时间最长的信道进行接入,然后综合考虑信道增益和空闲时长两种因素,通过控制认知用户在各信道的接入概率达到系统容量的最优化,最后在最优化算法的基础上设计相关的比较参数进行信道的选择,从而得到次优化选择结果.仿真表明,次优化算法与最优化算法性能接近,具有较好的系统容量特性和较低的中断概率.     

基于用户QoE的室内可见光通信系统接入策略

在可见光通信网络室内场景中,针对用户难以选择合适的发光二极管进行接入从而实现高质量流量服务的问题,以用户为中心,引入系统性能指标:用户体验质量(QoE).以QoE概率覆盖模型为基础,提出基于用户QoE优化的贪婪接入算法.通过MATLAB进行仿真,将贪婪接入算法与就近接入方法在用户数量、覆盖概率、接入阈值、接收视角等方面...     

不确定环境下多宿移动容迟网络资源分配模型

为解决容迟网络(DTN)覆盖层资源分配效率受接入带宽概率不确定性影响的问题,将路由资源分配和不确定规划模型相结合,提出针对路径可预测移动环境下的新模型,该环境由物流物联网抽象而来.模型加入不确定理论判定条件,以大于给定值的概率保证资源分配的施行;并使用中断和时延效用函数作为模型的最优化尺度,以遗传算法结合神经网络调整参数得到最佳值,从而提高用户的综合满意度.NS2仿真结果验证其在接入带宽概率不确定环境下效率更高;吞吐率相较于未采用不确定规划的情形可提高8.30%～15.4%,业务量较大的时候传输整体性能更为突出.在搭配有效的路径预测算法后,该模型可以扩展到一般环境.     

认知无线电中感知信道的优化选择方法

在认知无线电中,频谱感知是实现频谱动态接入的重要前提和核心环节,文中在多用户多信道环境下基于能量检测提出了一种感知信道优化选择的方法。该方法从最大化一个次用户感知一个主用户信道能获得的归一化吞吐量出发,在目标检测概率限制下,提出了基于改进的匈牙利算法进行感知信道选择的最优方法。仿真结果表明,与感知信道随机选择方法相比较,文中提出的方法可以大大提高整个次用户网络的归一化吞吐量。     

OFDMA中继网络中联合队列和信道信息的资源分配策略

针对基于正交频分多址接入(OFDMA)的多中继、多用户的中继网络,研究了联合队列和信道信息的资源分配问题,目标是最大化下行系统吞吐量,同时保证用户队列的稳定.首先将子载波配对、载波对分配和功率分配问题建模为一个联合优化问题,之后通过对变量进行连续性放松,采用拉格朗日对偶方法进行求解,并利用Karush-Kuhn-Tucker(KKT)条件及匈牙利方法获得优化问题的近似最优解.性能分析与仿真结果表明,与仅利用信道信息的算法相比,所提的联合队列和信道信息的资源分配算法能够有效地提高系统吞吐量并降低用户数据包平均等待时延.     

云接入网络中基于能效的资源分配算法设计

为了提升云接入网络中用户端能量效率,采用前程容量约束,提出了一种联合资源分配算法.在正交频分多址接入的基础上,单用户上行传输场景中采用分数规划转化非凸问题,并引入拉格朗日对偶方法设计迭代算法;多用户上行传输场景中采用改进粒子群算法解决更复杂的非凸问题,避免单用户方案直接沿用带来的低效.通过有效的算法设计,在用户发射功率与前程容量约束下,使用户上行传输功率与射频拉远端头前程容量得到联合优化,用户端能量效率实现最大化.实验结果表明,所提算法可以有效提升云接入网络中用户端能量效率,进而降低系统功耗,符合未来绿色通信的要求.     

基于改进樽海鞘群算法的认知异构蜂窝网络资源分配

针对认知异构蜂窝网络的上行资源分配问题，提出了基于带宽和功率约束的资源分配算法，并使用改进的群智能算法求解.根据认知无线电技术特性推导出认知家庭用户的带宽和功率分配取值范围，在满足用户服务质量（Quality of Services，QoS）的前提下将更多的资源分配给其他用户，以提升网络中用户的传输需求和缓解网络上行接入负载的压力.针对樽海鞘群算法存在收敛精度低、收敛慢等缺陷，将疯狂算子和动态精英学习因子分别引入领导者和跟随者中，以提升算法寻优效率和寻优精度.将改进的樽海鞘群算法求解基于带宽和功率约束的资源分配算法.仿真实验表明，引入带宽和功率约束的资源分配算法能有效提升网络性能，且在保证用户QoS条件下，能有效提升系统效益和用户接入公平性.     

基于用户个性化需求的网络接入选择算法

在异构无线网络中,针对用户个性化需求满足不够的问题,提出了一种优化用户个性化需求的网络接入选择算法.通过获取的历史接入数据和当前候选网络数据,按照个性化需求,把参数分类为成本、系统性能和稳定性3大类属性,采用模糊层次分析法计算用户对3大类属性的期望收益和当前收益,基于用户的上述收益,引入心理曲线函数,构建用户满意度模型...     

无人机位置、缓存与用户接入联合优化方法

无人机作为空中基站,不仅可为地面用户提供移动通信服务,还可预先存储热点内容,有效提升了边缘通信能力。对无人机位置部署、无人机缓存配置与用户接入进行联合优化可大幅提升网络性能,然而传统优化方法计算量庞大且收敛速度慢。为解决上述问题,将该联合优化问题分解成无人机编队部署子问题和缓存接入子问题,设计了一种集中式和分布式相结合的快速资源分配优化方法。针对部署子问题,分阶段进行集中式一致博弈建模和分布式势能博弈建模,提出了一种基于较优响应的分阶段部署算法;针对缓存接入子问题,构建“用户-内容”虚拟体,将缓存与接入的联合问题建模为虚拟体与无人机缓存空间的匹配问题,提出了一种基于匹配的虚拟体接入算法。仿真结果表明,所提方法和传统分布式较优响应方法相比,具有更快的收敛速度和更高的全局性能。     

基于虚拟现实技术的安全智能无线网络资源动态分配方法研究

不同时刻使用无线网络的用户数量不同,安全智能无线网络资源分配处于动态变化中。当前资源分配方法无法适应动态变化环境,导致整个无线网络吞吐量高、资源利用率低下、整体效用差。为此,提出一种新的基于虚拟现实技术的安全智能无线网络资源动态分配方法,给出选择的虚拟现实架构,对虚拟现实架构进行分析。在对安全智能无线网络资源进行动态分配时,将增强网络吞吐量,减少延迟,保证系统稳定和用户的服务质量看作分配原则;将整体效用最大化作为目标函数,实现资源分配。通过粒子群算法对目标函数进行求解。实验结果表明,采用所提方法对安全智能无线网络资源进行动态分配,不仅能够保证网络吞吐量,而且资源利用率高,整体效用强。     

低轨道卫星功率带宽资源联合分配方法

由于低轨道卫星星上功率和带宽资源有限,设计有效的资源分配方法具有重要的意义.基于此提出了一种低轨道星间功率带宽资源联合分配方法,提高了星间资源分配的公平性和网络业务承载能力.该方法应用地面站数目和星地链路存在时间刻画星间链路容量的比例,将星间资源分配问题归纳为非线性混合整数规划问题.通过引入动态可行域,定义二元变量更新操作来改进燕子群算法,用于优化模型求解.仿真得出卫星瞬时吞吐容量和瞬时网络容量变化具有周期性,并伴有随机波动,所提方法牺牲了网络容量,获取了星间资源分配的公平性.     

认知网中多时隙联合频谱感知和功率分配

为了降低认知无线网中认知用户对主用户的干扰,并为了最大化系统的认知吞吐量,提出了一种多时隙频谱感知和功率分配的联合优化方案。该方案将系统的每个帧分为若干个时隙,每个时隙分别进行频谱感知,通过合并每个时隙的感知结果,有效的提高了系统的检测精度,降低了系统的干扰概率。同时理论分析了感知时间与传输功率分配方案,发现两者都存在最优分配解,在约束认知用户检测概率与传输功率的基础上,将吞吐量描述为关于感知时间与功率的多约束优化问题,通过设计联合迭代算法对认知吞吐量进行了联合优化并获得了最优感知时间与最优传输功率分配。仿真结果表明,所提联合优化方案吞吐量性能最接近理论最优方案,并可通过牺牲部分吞吐量性能降低系统干扰概率,且复杂度较低。     

按需调度线性最优化网格资源分派算法

提出了一种基于经济的网格资源分派算法,并提出调度中各经济因素的线性最优化的思想,用户可以按自己所需动态地设置各经济因素的影响因子的值,算法根据用户需求得出相应的最优资源分派策略.给出了算法的数学模型和描述,在网格调度模拟工具GridSim中对算法进行了模拟试验和分析、评价,并与GridSim中自带的算法进行了对比.     

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.     

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。     

An autonomic joint radio resource management algorithm in end-to-end reconfigurable system

This paper presents the multi-step Q-learning （MQL） algorithm as an autonomic approach to the joint radio resource management （JRRM） among heterogeneous radio access technologies （RATs） in the B3G environment. Through the ＂trial-and-error＂ on-line learning process, the JRRM controller can converge to the optimized admission control policy. The JRRM controller learns to give the best allocation for each session in terms of both the access RAT and the service bandwidth. Simulation results show that the proposed algorithm realizes the autonomy of JRRM and achieves well trade-off between the spectrum utility and the blocking probability comparing to the load-balancing algorithm and the utility-maximizing algorithm. Besides, the proposed algorithm has better online performances and convergence speed than the one-step Q-learning （QL） algorithm. Therefore, the user statisfaction degree could be improved also.     

超密集异构网络下的系统建模和时域干扰协调分析

采用基于随机理论的空间泊松点过程建立超密集异构网络的系统分析模型.在此模型下,通过分析异构网络中使用小区范围扩展技术和增强型小区间干扰协调技术引起的小区扩展区域和非扩展区域干扰类型不同的情况,分别推论出不同区域的中断概率和频谱效率等性能指标的表达式.针对异构蜂窝网络中存在几乎空白子帧(ABS)时,用户接入选择和资源分配方法过于复杂的情况,提出了一种动态分配几乎空白子帧算法.仿真结果表明:相较于固定几乎空白子帧算法,所提算法在兼顾各区域用户公平性的同时,可以使系统平均遍历容量提升10%~25%,同时也改善了扩展区域内的用户干扰问题.     

基于福利经济学的网络资源分配模型

采用福利经济学的分析方法,提出网络资源分配的生产-消费模型,通过引入效用可能性边界和社会福利函数,得到资源分配问题的优化目标,指出当社会福利函数取得最大值时,网络系统性能取得效率和公平意义上的最优.通过对资源集和资源约束、用户集和服务需求进行数学抽象,将资源分配的概念模型转化为一个多约束优化模型NRAP.相对于Kelly无差别速率分配模型,本模型可以较完整地刻画网络传输服务的生产和消费特性,且能够反映用户在服务质量上的不同要求.分析说明了NRAP资源分配模型在实际网络中的应用及算法的实现机制.