多目标的跟踪区域列表动态优化算法

5G移动网络要适应多样化和不断增加的用户设备(User Equipment, UE),应对终端巨大的位置管理信令开销是实现这一目标的重要保障。文中提出了一种多目标算法优化跟踪区域列表(Tracking area List, TAL)的策略,目的是寻找TAL中跟踪区(Tracking Area, TA)的最优分布以及如何将TAL分配给UE,以最小化位置管理中冲突的跟踪区更新(Tracking area update, TAU)和寻呼信令开销。在本地侧利用多目标粒子群优化算法实现TAL的最优分布,网络侧根据不同UE的移动特性来分配大小合适的TAL。通过仿真验证,所提方案可以在TAU和寻呼开销之间取得妥协,并在节省总位置管理开销方面得到了大幅度改善。     

一种MTC快速上行授权接入改进算法

快速上行授权接入是大规模机器类通信的关键技术之一，而缓解上行共享信道资源紧张并针对时延和速率等服务质量(quality of services, QoS)高效地进行调度是对其进行优化的重要方向。针对这一问题，提出一种应用多臂赌博机(multi-armed bandit, MAB)学习和功率域非正交多址接入(power-domain non-orthogonal multiple access, PD-NOMA)技术的快速上行授权接入算法。所提算法通过多路MAB筛选高接入速率、低接入忍耐时延要求和低接入速率、低接入忍耐时延要求的两类设备，允许其优先被调度并复用上行资源进行接入。仿真结果表明，算法降低了系统的上行资源浪费率，在提高了接入能力的同时减少了因非正交多址接入(non-orthogonal multiple access, NOMA)造成速率损失带来的影响，并优化了系统QoS。