共查询到10条相似文献,搜索用时 15 毫秒
1.
提出了一种宏用户与家庭小区联合资源分配算法,该算法基于启发式动态分簇算法对宏用户和家庭基站进行联合信道分配,在对家庭基站进行分簇的同时有效降低了家庭基站系统与宏蜂窝系统之间的跨层干扰. 在保证宏用户和家庭用户QoS 的约束条件下,构建了以最小化家庭基站发射功率为目标的最优化问题,并推导了优化的家庭基站发射功率的闭合式,最后用次梯度法解优化问题. 仿真结果表明,该算法降低了家庭基站系统干扰,减小了家庭用户中断概率,并提高了家庭基站能量效率. 相似文献
2.
针对LTE蜂窝网络中移动终端的精确定位问题,提出一种融合二次插值和到达时间(TOA)观测的定位方法 .首先,基站将具有时间差的样本信号发送到移动终端,通过测量获得信号的TOA.然后,计算信号样本之间的互相关性,找出最大值及其相邻的两个值.接着,利用二次插值法,基于这3个点拟合出一个抛物线函数,并以函数最大值所对应的时间差作为最终估计的时间差值.最后,根据时间差值计算出与基站的距离,进而实现终端定位.仿真结果表明,该方法具有较高的定位精度. 相似文献
3.
针对具有自组织特性的家庭基站(home eNodeB, HeNB) 网络,提出了一种分布式资源分配算法. 该方法首先使HeNB 根据网络状况选择分量载波,而当接收到邻小区的重选请求时,可以重新选择备用载波列表中的载波,释放当前使用的载波给邻居使用,从而提高HeNB 获得可行载波的可能性. 使HeNB 根据优化目标函数自主地进行功率优化,以减少小区间干扰并提高系统容量. 通过蒙特卡罗方法分析该算法的性能,仿真结果表明:该资源分配算法能够提高用户的平均吞吐量并降低中断概率. 相似文献
4.
5.
6.
7.
8.
9.
认知无线电技术能够大幅度提升频谱利用率,具有十分广阔的前景. 有效的波束形成算法能够在避免对主用户造成干扰的同时,保障认知用户的通信质量. 通常的认知波束形成算法均针对静止目标,而无线认知网络节点随时可能处于移动状态. 为此,研究了认知网络中机动目标的波束形成问题. 针对最大化信噪比、最小化主用户干扰和均衡认知用户信噪比3个不同的优化目标,分别提出了相应的波束形成解决方法. 利用粒子滤波对运动目标的DOA进行跟踪估计,并根据得到的DOA估计值来建模基站与认知用户之间的信道. 对于最大化信噪比的优化问题,将其转化为瑞利熵形式,得出问题的闭式解;对于最小化主用户干扰和均衡认知用户信噪比的优化问题,均采用凸优化方法将两个问题转化为二阶锥规划形式,通过内点法求解. 仿真实验结果证明了动态波束形成方法的有效性. 相似文献