一、话音/数据混合业务无线蜂窝网络中的一种信道分配策略(论文文献综述)
史文艳[1](2021)在《D2D辅助蜂窝网络的性能分析与能量效率优化》文中进行了进一步梳理D2D(Device-to-Device)通信作为第五代移动通信网络的主要技术之一,通过允许D2D用户(D2DUsers,DUs)复用蜂窝用户(Cellular Users,CUs)的频谱资源,有效地缓解了当前频谱资源日益紧缺的问题。然而,DUs复用蜂窝频谱资源也会带来复杂的干扰问题。为了解决这一问题,本文使用随机几何建模D2D辅助蜂窝网络,对系统进行了全面的性能分析,并利用推导得出的结果对全网能量效率进行优化。此外,为了进一步提高网络能效,本文考虑了基于能量收集的D2D辅助蜂窝网络场景,并设计了合理的分布式资源分配算法。首先,本文使用随机几何模型对用户相互干扰进行建模和分析,以评估D2D辅助蜂窝网络性能。具体而言,由于CUs和DUs位置之间存在排斥性,它们的位置分别由泊松点过程(Poisson Point Process,PPP)和泊松洞过程(Poisson Hole Process,PHP)来建模。本文通过两种方法推导得出了 CUs和DUs覆盖率的近似表达式,并进行了仿真验证。因为近似方法的易推导性,本文进一步推导出了用户的遍历数据速率和网络总数据速率的近似表达式,并由此分析了网络关键参数(用户密度、功率和排斥半径大小等)对系统性能的影响。基于获得的表达式,本文对全网能量效率优化问题进行了数值仿真分析。其次,为了进一步提高D2D辅助蜂窝网络的能量效率,本文将D2D设备配备了能量收集能力。考虑到D2D设备能量受限的问题,以及因频谱资源复用带来的复杂干扰问题,本文针对D2D辅助蜂窝网络,研究了基于随机学习和斯坦伯格模型的分布式资源分配方案。该方案在保证CUs通信质量的基础上,优化了 DUs的频谱和能量收集时隙分配,提升了 D2D辅助蜂窝网络的频谱效率。基于提出的方案和场景,本文进行了仿真实验,并与其它算法进行了比较。结果表明所提出的方案靠近穷尽搜索算法的效果,算法时间复杂度大大降低。本文针对D2D辅助蜂窝网络,研究了基于PPP-PHP混合模型的性能分析框架,以及网络的能效优化问题,设计实现了相应的分布式资源分配算法。所提出的性能分析框架和算法适用于D2D辅助蜂窝网络,为网络设计者提供了参考价值。
刘瑞[2](2021)在《毫米波异构网络的用户关联和资源优化》文中认为随着智能设备和各种高级多媒体应用的迅速普及,消费者对未来蜂窝无线通信的速率、时延、可靠性等需求已大大增加。国际电信联盟无线电通信组(International Mobile Telecommunications Union-Radio Communications Sector,ITU-R)已经为第五代移动通信(The 5th Generation,5G)制定了 10 Gbit/s的峰值速率要求。为了满足这一要求,人们越来越寄希望于将毫米波频段用于5G通信系统。与目前工作在微波频段上的通信系统相比,毫米波频段可以提供广阔的频谱资源,因而可以满足未来对超高速率的需求。尽管毫米波蜂窝通信具有巨大的潜力,但它仍然面临着诸多关键技术挑战,主要包括:(1)毫米波蜂窝网络的组网难题;(2)多频段毫米波异构网络的用户关联和资源分配难题;(3)多连接毫米波网络的用户关联难题;(4)毫米波增强移动宽带(enhanced Mobile Broadband,eMBB)和超可靠低延时通信(Ultra-Reliable Low Latency Communications,URLLC)的协调共存难题;(5)毫米波移动宽带可靠低延时通信(Mobile Broadband Reliable Low Latency Communications,MBRLLC)和eMBB的协调共存难题。本论文针对上述问题进行了深入研究,旨在建立一个全面的、自上而下的毫米波通信网络的资源管理体系。首先,本文为毫米波超密集网络(Ultra-Dense Network,UDN)提出了一种新颖的基于软件定义网络(Software-Defined Network,SDN)的分层网络架构。为了降低管理复杂度和信令开销成本,该架构采取了半分布式的调度策略。基于此架构,本文提出了动态局部管理,移动性管理和用户中心式设计等三项关键技术,进一步提升毫米波UDN的性能表现。仿真结果表明,相比传统网络架构,本文所提网络架构在计算复杂度、负载均衡和能耗方面表现出了优势。其次,针对不同频段毫米波的不同传输特性,本文研究了多频段毫米波异构网络中的联合用户关联和资源分配问题。根据用户是否可以同时在多个毫米波频段上传输,考虑了两种不同的接入方案:单频段接入方案和多频段接入方案。对于单频段接入方案,首先推导出了最佳时隙分配的闭式表达式,然后提出了联合用户关联和功率分配的迭代算法。对于多频段接入方案,提出了基于马尔科夫近似框架的次优算法。分析结果表明,尽管多频段接入方案允许一个用户在多个频段上进行传输,但任意两个用户所接入的频段最多只能有一个是相同的。最后,数值结果表明,多频段接入方案的性能普遍优于单频段接入方案,尤其是在轻载情况下多频段接入方案的增益更加明显。再次,本文提出了一种基于机器学习的毫米波网络用户关联算法,该算法不需要信道状态信息(Channel Information State,CSI),同时支持用户多连接。具体来说,我们首先将毫米波用户关联问题建模为一个多标签分类问题,然后通过高效的多标签分类算法将其转化为一系列的单标签分类问题。为了进一步降低对训练样本量的要求,我们利用概率图模型来表示用户关联场景,并采用新颖的特征提取方法从地理位置信息和拓扑信息中获取合适的特征。仿真结果表明,所提出的方法只需少量的训练样本,且不需要CSI,就能获得良好的性能。接着,本文提出了一种新颖的毫米波URLLC和eMBB协调共存方案,其中URLLC用户可以复用eMBB用户的频谱资源以提高系统频谱效率。利用排队论和矩阵几何理论,本文推导出了考虑多连接和阻碍效应的毫米波URLLC传输的时延和可靠性的表达式。基于此,本文设计了资源管理算法,在保证URLLC用户时延和可靠性要求的前提下,最大化eMBB用户的吞吐量。仿真结果表明,与传统的正交式协调共存方案相比,本文所提方案能有效地提高eMBB用户的数据传输速率。最后,本文介绍了第六代移动通信(The 6th Generation,6G)中一种新的业务形式——MBRLLC,并利用毫米波通信来实现MBRLLC在速率、稳定性和时延方面的要求。本文首先提出了一种新颖的MBRLLC和eMBB的协调共存方案,该方案在同一个时间尺度上对MBRLLC和eMBB用户进行调度。接着,提出了一个资源管理问题,以在满足MBRLLC用户QoS的条件下最大化eMBB用户的吞吐量。为了求解该问题,本文将其分为两个子问题,即MBRLLC用户的关联问题和eMBB用户的关联问题。对前者,首先推导出了 MBRLLC用户的多连接策略的设计准则,并据此提出了基于匹配理论的MBRLLC用户的关联算法。对后者,利用改进的匈牙利算法求得了最优解。仿真结果表明,所提方案可以在增加满足QoS条件的MBRLLC用户数的同时提升eMBB用户的吞吐量。本论文的探索和研究成果为设计更复杂的毫米波通信系统提供了理论基础,也为未来毫米波蜂窝通信系统的实际部署和商用提供了一定的理论支撑和有效的技术方案。
韩珺婷[3](2021)在《异构无线接入环境下移动边缘计算联合资源管理技术研究》文中认为移动通信技术与无线接入业务的快速发展共同驱动着移动边缘计算技术的演进,由异构节点组成的无线通信网络可为移动终端提供泛在异构无线接入环境。由于WiFi网络被广泛部署并提供着高传输速率,使用蜂窝-WiFi网络联合管理有限的移动终端计算资源和蜂窝移动网络通信资源逐渐成为一种经济有效的方案,WiFi接入点和基站具备的计算和存储单元允许移动终端将庞杂的应用程序进行任务卸载及服务缓存,有效避免计算任务的重复卸载,缓解蜂窝网络中高负载下的计算任务卸载带来的网络拥塞问题,实现蜂窝-WiFi网络与移动终端的协作配合,降低移动终端的计算任务处理开销,满足用户对服务质量的要求,提高整体网络系统的性能效用。现有工作中针对蜂窝-WiFi网络协作式资源调度方案相关研究较为少,为此,本文重点关注面向蜂窝-WiFi异构无线网络下移动边缘计算的联合资源管理问题,主要研究内容包括:(1)提出了一种新型的WiFi网络与蜂窝网络联合计算任务卸载方案,以达到最小化移动终端计算任务处理时延和处理能耗的目的。该方案在建模中考虑了 WiFi网络终端接入优先级,并引入平衡因子来衡量计算任务处理时延和处理能耗之间的优化权重。为了有效求解计算任务卸载策略中的非凸优化问题,本文提出了一种基于线性规划与交替最优化的迭代算法。最后,仿真结果表明,本文提出的卸载方案可以有效地提高整体系统性能,与已有研究方案相比,时延与能耗的联合增益平均提高20-40%。(2)提出了一种基于蜂窝-WiFi网络协作的应用服务缓存放置策略,在保证终端任务处理时延要求的前提下,建立以最小化计算任务处理过程中终端运行耗能为目标的信道接入、计算任务卸载、服务缓存决策联合优化模型,保障用户的应用使用体验。为了解决该模型的混合整数非线性优化问题,本文提出了一种基于交替优化技术与分支定界算法的迭代算法。最后设计了相应的数值仿真验证实验,结果表明本文提出的优化方案在各种场景下都能大幅降低移动终端运行能耗,并与现有研究中的方案相比,能耗下降率高10%-26%。本文所提出的异构无线接入环境下移动边缘计算联合资源管理方案对移动终端的计算任务处理时延和运行能耗方面均有显着优化效果,研究成果可为移动边缘计算领域的相关研究提供理论参考。
董笑妍[4](2021)在《毫米波基站优化部署与回传链路设计》文中研究说明人们的沟通交流模式因移动通信而发生改变,5G的定位不仅在于它能为用户提供更好体验和更多业务,还是连接行业的网络。5G网络技术在全球应用领域范围内的拓宽,使得其在网络系统设计和优化过程中变得更为复杂,将其在网络应用中所具有的支撑能力进一步拓宽至网络可靠性、时延、用户体验速率、连接密度等多个关键性能指标(Key Performance Indicator,KPI)方面[1],人工智能(Artificial Intelligence,AI)技术也正在为5G通信系统的设计与优化,提供一种远远超越传统理念与通信性能的机会和可能性[2]。为应对未来通信接入设备和移动应用数量的井喷式增长所带来的多样化用户服务需求和网络负载压力,网络中需要引入蜂窝网异构密集化构成、基站智能化管理、同频段内频谱资源共享等技术。在现有布设的基站和有线链路基础上,考虑将毫米波通信与无线回传方案相结合,从而形成密集小蜂窝部署下的毫米波混合回传网络,可以在满足5G通信提出的性能要求的同时,降低网络部署成本和提高灵活度。同时,传统研究方法中的解决算法(例如最优化理论和博弈理论等)在动态的环境中缺乏实时甚至预测性应变的能力,已经渐渐不适用于更加复杂的异构蜂窝网环境中。本文将在最优化方法建模的基础上,利用智能化算法的高效数据处理能力和强大决策能力解决毫米波异构蜂窝网中的基站部署和回传链路设计等问题。主要研究内容概括如下:首先,在基于混合回传的毫米波异构蜂窝网的架构下,采用成本效率(Cost Efficiency)这一性能指标作为毫米波回传接入网部署的依据,并以最大化成本效率为目标建立了网络内小基站部署框架的理论模型。在该模型中,考虑了小基站按簇分布的特性,应用随机几何的理论工具分别推导出部署成本和网络容量数学表达式。对于这一复杂的非线性优化问题,采用改进的模拟退火智能算法(Simulated Annealing,SA)验证模型的正确性和提出的基站部署框架的有效性,为毫米波移动网络规划中的最优基站部署方式提供有用的指导。此外,在毫米波回传接入一体化网络(mmWave Integrated Backhaul and Access Network,mmWave IBAN)中,回传和接入层面的资源需求和性能具有互耦合特性,同时用户的移动性和服务质量(Quality of Service,QoS)需求变化也会带来网络业务负载状态的不断变化,使得毫米波无线回传链路设计变得更加复杂难控。因此我们根据用户行为的分析预测动态地改变回传和接入链路间的资源分配,以此进行无线回传链路的设计是十分必要的。根据区域内各基站与关联用户传输的用户设备的位置更新和数据传输速率需求等数据进行建模。针对这类具有很强时序性的数据,采用基于改进的长短期记忆(Long Short-Term Memory,LSTM)的机器算法进行分析预测。通过仿真实验验证,本文提出的算法相较于传统LSTM算法可以获得更准确的预测效果,更有效地反映该区域对网络资源的需求,使得在网络总资源不变的情况下,保证服务质量。用户的网络需求和移动性不仅影响接入网的资源分配,也间接影响着回传网络,甚至整个网络系统的性能,利用用户行为的准确预测结果进行无线网络的资源预分配,可以从整体上优化网络资源配置,对mmWave IBAN性能有更好的提升效果。最后,我们在mmWave IBAN中,在用户行为预测的基础上对多用户多基站频谱资源分配策略进行了研究。在考虑网络中用户移动路径和网络服务的需求后,利用预测结果动态地改变回传和接入链路间的资源分配,可以更好地满足用户在网络上的动态流量的即时需求。本文在保证满足用户服务质量QoS和网络吞吐量需求的情况下,通过频谱资源分配实现系统能量效率最大化。本文利用机器学习思路将mmWave IBAN的频谱资源分配问题建模为一个Model-free的马尔可夫决策过程,并采用结合LSTM循环神经网络的深度强化学习算法DRQN得到一个动态灵活且能和环境实时交互的动态资源分配方案,来解决在毫米波接入和回传网络中的频谱资源调度问题。
卓干兵[5](2020)在《蜂窝网络中D2D通信无线资源分配算法研究》文中提出随着近几年万物互联业务的高速发展,数据流量的指数式增长,导致无线频谱资源紧缺的现象日益严重,因此,学者们提出在5G通信中引入设备到设备直通(Device-to-Device,D2D)通信技术来缓解这种现象。在传统蜂窝网络中引入D2D通信技术不仅能够提高频谱利用效率和系统容量,还能降低信息传输时延以及小区基站负载压力,但是,利用该方案实现D2D通信用户与蜂窝用户的频谱资源共享的同时,通信用户彼此之间还引入了同频干扰,干扰严重时将会影响两者通信质量甚至不能通信。为了有效降低D2D通信技术在系统中引入的同频干扰,提升蜂窝网络的系统性能,需要对系统进行合理且有效的通信资源分配,对此,本课题将针对通信网络中蜂窝用户的上行链路频谱资源分配、D2D用户发送功率控制以及D2D用户模式选择方案展开研究,探求合理高效的资源分配算法,从而在降低蜂窝网络中同频干扰的同时,提高系统频谱利用率。本文主要研究单小区混合蜂窝网络中用户通信资源分配问题,主要研究内容分为以下三部分:(1)第三章蜂窝网络中D2D通信的模式选择和信道分配算法。该算法通过获取蜂窝网络中的用户地理位置信息实现干扰最小的信道分配,再借助贪心算法进行模式选择,达到最小化复用模式下用户之间的同频干扰。仿真结果表明,本章提出的模式选择和信道分配方案能够在最大化蜂窝网络系统吞吐量的同时,最小化同频干扰。(2)第四章蜂窝网络中基于和声搜索的D2D通信功率控制算法。在第三章的基础上,再引入全局自适应和声搜索算法,新算法动态的调整复用模式下D2D发送端的发送功率,减少同频干扰,缓解小区基站负载压力。仿真结果表明,本章提出的联合模式选择、信道分配和功率控制算法在保证系统通信用户的通信质量的同时还有效的提高了系统的总吞吐量。(3)第五章蜂窝网络中基于改进正比例公平的D2D通信资源调度算法。本章中系统通信用户按正比例公平原则进行调度优先级划分,优先级从高到低依次调度,保证信道状态较差的D2D通信用户优先获得被调度的机会,从而实现在最大化系统总吞吐量的同时保证系统通信用户的调度公平性。仿真结果表明,本章提出的改进正比例公平D2D通信资源调度算法能够实现在最大化系统吞吐量和用户调度公平性之间的折中。
王颖[6](2020)在《基于随机几何理论的异构蜂窝网络建模与性能分析研究》文中研究表明随着通信数据业务需求的迅猛增长,移动蜂窝网络由传统的单层宏蜂窝网络向多层异构化发展,宏基站的业务也被逐渐卸载到周围的小基站上。蜂窝网络的异构化造成的干扰更复杂,传统的网格模型并不能胜任对异构蜂窝网络的干扰建模分析,如何对异构蜂窝网络进行更准确的建模对于异构网络的设计与部署非常重要。随机几何作为一个强大的数学工具可用于对异构蜂窝网络的建模分析,通过将网络节点建模为特定的点过程,利用点过程的特性与概率论的相关知识,求解得到网络的平均性能。泊松点过程(Poisson Point Process,PPP)由于其简易性而成为最常使用的点过程,但在实际场景中,小基站会倾向于成簇分布在热点区域内,因此假设基站为完全均匀地分布并不准确。同时,单纯基于随机几何进行建模一般会忽略讨论数据包的到达过程,不能刻画网络中实际业务的动态变化。本文针对异构蜂窝网络场景,基于泊松簇过程(Poisson Cluster Process,PCP)中Matern簇过程(Matern Cluster Process,MCP)对异构网络进行建模分析,以符合小基站成簇分布的实际特性,对网络的平均覆盖率和空间频谱效率性能进行分析求解。另外考虑业务动态变化的情况,将随机几何与排队论相结合,对网络的平均包吞吐量、平均时延及其分布的性能进行分析求解。本文的主要研究内容与创新点如下:(1)针对由宏基站和小基站组成的两层异构蜂窝网络场景,基于MCP过程对异构网络进行建模分析。将宏基站分布建模为PPP过程,小基站分布建模为MCP过程,以描绘小基站在热点区域成簇分布的实际场景,用户位置建模为独立的PPP过程,同时考虑到小基站更加倾向于远离宏基站分布,引入宏基站排斥区域的概念,小基站不允许分布在此区域内。对无宏基站排斥区域(即层间独立分布)和有宏基站排斥区域(即层间非独立分布)两种场景的网络性能进行分析,分别推导了典型用户位于不同位置处,服务距离的分布函数,基于PPP及MCP的概率生成函数,求得干扰的拉普拉斯变换变化,最终,基于全概率公式,得到两种场景下网络的平均覆盖率和空间频谱效率。仿真结果表明,相比于层间独立的两层异构网络,层间非独立的两层异构网络能更好地均衡平均覆盖率和空间频谱效率的性能。(2)基于MCP过程对D2D网络进行建模与性能分析。采用MCP过程对成簇的D2D网络进行建模,D2D接收端(D2D Receiver,DR)基于均匀(从相同的簇中均匀地选择)和最近(簇中距离典型用户最近的)两种选择策略选择其服务D2D发射端(D2D Transmitter,DT),分别求得两种选择策略下,服务距离和干扰距离的分布函数,以及簇内干扰和簇间干扰的拉普拉斯变化,并最终推导得到网络的平均覆盖率和空间频谱效率。仿真结果表明,对于均匀选择策略,存在一个最优的平均簇内活跃DT数,使得网络的空间频谱效率最大,而对于最近选择策略,空间频谱效率将随着平均簇内活跃DT数的增加而线性增加。对两种选择策略而言,都存在一个最优的信干比门限使得网络的空间频谱效率最大。(3)针对业务动态变化场景,基于时空网络模型对异构网络包吞吐量进行分析,将随机几何与排队论相结合,构建了一种K层异构蜂窝网络的时空模型。每层异构网络基站的分布被建模为相互独立的PPP过程,用户的分布也服从独立PPP过程,每层有各自的偏置接入系数,用户与能提供最大平均偏置接收功率的基站相连。考虑正交频率复用(即各层使用相互正交的频谱资源)和全频率复用(即各层共用所有频谱资源)两种复用模式,用户的业务到达服从相互独立的伯努利过程,且不同用户的业务到达率不同,分别采用随机调度(Random Scheduling,RS)和轮询调度(Round Robin,RR)策略对业务进行管理,对成功传输概率和基站活跃概率两个参数进行解耦合,推导了两种频率复用情况下的网络平均包吞吐量。仿真结果显示,存在最优的偏置系数使得网络的平均包吞吐量最优。(4)基于时空网络模型对小基站网络中多种调度策略的时延性能进行分析。将随机几何与排队论相结合,分别对采用RS、RR和FIFO(First Input First Output)三种调度策略的小基站网络时延性能进行分析。将小基站建模为PPP过程,假设每个小区内有多个用户,基站在每个时隙采用某种调度策略选择其服务的用户,用户的业务包到达服从独立的伯努利过程,考虑失败重传机制。基于马尔科夫链,分别推导得到三种调度策略下网络的平均时延及基站活跃度的准确表达式,并最终求解得到各个平均时延的累积分布函数。仿真结果表明,当业务负载较轻时,采用FIFO策略可得到最小的平均时延,而对于业务负载较重场景,采用RR的时延性能最佳,该分析结果可以在不同业务负载情况下,为网络选择合适的调度策略提供参考与指导。
王鑫[7](2020)在《面向蜂窝网络的D2D通信资源分配算法研究》文中研究表明随着社会经济与通信技术的不断发展,通过无线网络随时随地获取数据和数字化服务已成为人们依赖的生活方式。应用需求和技术发展如同作用力与反作用力,使得无线通信网络不得不与爆炸式的数据流量、海量节点的接入和不断涌现的新业务比肩竞速,高速率、低时延、大连接的多样性需求与频谱资源稀缺之间的矛盾日益凸显。Device-to-Device(D2D)通信技术允许网络中的近邻设备不经过基站直接建立通信,可借助短距离、低功率的优势复用珍贵的频谱资源,有效降低核心网络的数据压力,为网络设备的接入和传输开辟了新途径,成为了第五代移动通信网络(The 5th Generation Mobile Communication Network,5G)的关键技术之一。面向蜂窝网络的D2D通信可以在基站的辅助下建立灵活的接入和复用模式,利用紧缺的频谱资源为网络带来可观的收益。然而,D2D通信也给蜂窝网络带来了多维度的竞争关系和复杂的干扰环境,如何设计合理的资源分配方案有效协调干扰,是D2D通信研究的重点,仍然面临许多尚未攻克的难题。面向蜂窝的D2D通信从一对一复用模式向一对多复用模式,单播向多播的拓展演进中,多层次干扰链路的出现、差异化的用户速率需求、社交特性与物理特性融合等问题使得D2D资源分配的优化模型更加复杂化,但却是提升系统性能的关键所在。因此,针对以上问题本文进行了深入的研究,提出了若干创新性方法,具体贡献如下:(1)在D2D用户与蜂窝用户一对多复用模式下,整体优化的资源算法往往使得非均匀分布场景中蜂窝资源向少数有信道优势的D2D用户集中,通过配额限制又与用户差异化服务需求相悖。针对这一矛盾,本文研究了D2D用户的资源复用问题,提出基于用户速率需求的D2D资源分配算法,通过干扰限制区域、链路稳定性共享阈值完成基于用户速率需求的分段式资源分配。仿真结果表明,所提算法以较小的蜂窝用户速率减少量换取了较高的系统吞吐量增益,同时保证了资源分配的公平性,与对比算法In GRA相比,吞吐量提升了21.6%。(2)针对蜂窝网络中单播D2D通信的冗余传输问题,本文提出基于社交关系的D2D多播通信资源分配算法,利用社交关系形成D2D多播簇并以复用蜂窝用户资源的方式从簇头用户获取数据,避免了数据的冗余传输。算法允许多个D2D多播簇复用同一资源,通过双边交换匹配排除阻塞对,解决了同层干扰引起的同伴效应问题。仿真结果表明,所提算法具有较低的复杂度和较好的收敛性。与对比算法MWBM相比,系统吞吐量提高了15.2%。(3)针对D2D用户与蜂窝用户多对一复用模式所带来的多层干扰抑制难题,提出了基于价格的Stackelberg博弈D2D资源分配算法和基于累积代价的Stackelberg博弈D2D资源分配算法。引入层内和层间干扰价格解耦Stackelberg功率博弈的Qo S约束,利用梯度下降法和Amijo Rule搜索法更新拉格朗日乘子逼近功率最优解;设计了累积代价效用函数,使追随者博弈快速趋于最优解,进一步提高系统的收敛性。仿真结果表明,所提算法大大提高了D2D用户带来的速率增益。与同样针对多对一复用模式的CCPA算法相比,本章所提RASG-price和RASG-cumulative算法的D2D用户和速率分别提高了25.9%和20.4%,为资源分配提供了收敛速度快且易于扩展的分布式解决方案。
吴欢[8](2020)在《基于吸引子的异构接入网络选择策略研究》文中认为随着无线通信网络技术的高速发展,用户数据流量、业务量及终端数量的激增,使得下一代无线通信网络的发展趋于多网络异构、共存的局面。因此,如何优化现有异构的网络资源、动态地选择合理的接入网策略,同时,在保障用户业务需求的基础上,减少传输时延、提升系统整体性能及服务质量已成为异构无线网络中亟待解决的问题。本文针对上述问题,提出一种新型异构无线网络(P-HN)架构包含WiFi网络、蜂窝网络以及电力线载波通信(PLC)网络。在该网络架构的基础上,围绕如何解决异构网络中多接入网络选择问题展开。首先,利用吸引子网络选择策略,以提高网络吞吐量、保障网络负载合理分布为目的,提出基于吸引子算法的流量卸载策略;其次,以减少网络的传输时延、保障异构网络的可靠性及鲁棒性为目的,提出基于排队时延的吸引子网络选择策略;最后,以保障业务优先级需求、增强网络的可靠性及鲁棒性为目的,提出基于优先级的吸引子网络选择策略。本文的主要创新点和贡献可以归纳为以下几个方面:1、P-HN网络架构的设计针对异构无线网络中多种接入技术并存引起的网络融合成度不高、传输时延大等问题,提出了包含多种接入网络的P-HN网络架构。首先,研究并分析了现有异构无线网络架构及其接入管理模式,在P-HN基础上提出在数据传输的标准体系里添加能够进行统一传输数据的有效虚拟层(EVL)。EVL实现了不同接入技术的用户在P-HN中无缝地数据传输。接着,针对P-HN的动态网络架构引起的多接入网络选择问题,提出了一种基于生物学的吸引子网络选择策略。该算法考虑到P-HN中接入技术多样异构的特性,充分研究生物学吸引子选择算法的工作原理,将生物学算法中的吸引子参数对应于P-HN的剩余带宽,得到基于剩余带宽的吸引子网络选择策略(RASS)。该策略可以根据外部环境的变化,自适应地选择最优网络进行数据传输。最后通过实验仿真表明,基于RASS的P-HN能够合理的分配网络资源,相较于单一传输网络能够减少系统的传输时延,而多种的接入方式保障了 P-HN的鲁棒性。2、P-HN中的流量卸载策略针对流量卸载网络中卸载流量分布不合理、系统吞吐量不高和网络资源利用不充分的问题,本文提出一种基于吸引子的流量卸载策略(OASS)。首先,以蜂窝网络与PLC网络为研究场景,以合理协调小区内流量分布、提高系统吞吐量为目标,设计出基于P-HN的流量卸载模型。其次,综合考虑了蜂窝网络吞吐量和PLC网络吞吐量,并寻找平衡两个网络吞吐量的最优卸载率。仿真结果表明,以卸载率为参数的OASS,可以自适应地选择最优卸载率,协调蜂窝网络与PLC网络的流量分布,解决了流量分布不合理带来的系统吞吐量不高、资源利用不充分的问题,从而达到充分利用网络资源、提高系统吞吐量的目的。3、基于排队时延的吸引子网络选择策略针对动态P-HN网络环境中,已有网络接入选择算法灵活性差、计算复杂等问题,提出一种基于排队时延的吸引子网络选择策略(DASS)。首先,以大量数据到达的P-HN为研究场景,以选择最短排队时延网络为目标,设计异构无线网络中双网络排队模型。其次,通过二阶马尔可夫状态转移方程,得到两种网络的排队时延,并根据实际情况将双网络排队模型扩展到多网络排队模型,通过多阶马尔可夫状态转移方程得到多网络排队时延集。仿真结果表明,通过使用DASS,系统能够自适应地根据外部环境选择传输网络,尤其是当系统内节点增多或发生故障时,仍然保持较高的传输率,进而保障网络的可靠性与鲁棒性。同时,由于节点可以选择时延最小的网络进行数据传输,从而减少了传输时延,缓解网络拥塞。4、基于优先级的吸引子网络选择策略针对实时动态的异构网络中多种用户业务的优先级需求不同,已有接入网选择策略无法动态地保障其需求的基础上,提出基于用户优先级的吸引子网络选择策略(PASS)。首先,以动态P-HN为研究场景,在终端用户对不同业务服务质量(QoS)需求不同的基础上,将数据进行优先级分类,建立优先级调度模型,以保障系统中不同用户业务的优先级需求。其次,建立双网络双优先级系统排队模型,并采用3D马尔可夫状态转移方程描述该排队模型的数学特性。最后,将不同优先级用户在不同网络的时延与吸引子路径选择算法相结合得到PASS。仿真表明,PASS在移动场景下和固定场景中均具有极高的正确性,不但保障了不同用户业务的优先级需求还在网络环境发生变化时令系统具有较高的可靠性与鲁棒性。
钏建斌[9](2021)在《面向无线分布式缓存的内容部署及资源管理研究》文中进行了进一步梳理无线缓存技术通过在网络边缘缓存数据,能够实现高效的流量卸载,是解决当前5G(The Fifth Generation)网络普及下网络数据迅猛增长问题的关键技术之一。在网络边缘合理的部署缓存节点对热点内容进行缓存,不仅能够减轻网络负担,减少系统能耗,还能降低内容传输时延,提升用户体验。然而,受到边缘缓存节点在缓存-计算-通信能力上的制约,内容缓存的效益将会被严重影响,同时由于边缘缓存节点间海量数据交互将会消耗大量频谱,不仅会使得无线资源更加紧缺,还会带来巨大的额外能耗。因此,从用户需求出发,考虑内容分布特征、用户社交关系、缓存节点能力、物理信道状况等多域资源,设计并实现高能效、高谱效和低时延的无线缓存系统,对为用户提供高质量的内容共享服务具有重要意义。本研究从理论和实际出发对无线分布式缓存系统的关键技术及实现进行了深入探讨。首先以最大化内容分发成功概率为目标,研究物理-社交跨域缓存下的内容流行度预测方案;接着以最小化能耗为目标,研究内容缓存与分发联合优化方案;然后考虑缓存节点之间的信道状况,以最大化系统速率为目标,对无线资源进行优化;最后综合上述各项研究,对无线分布式缓存系统进行了架构设计和实现。本文的主要工作及研究成果如下:1.面向物理-社交跨域缓存环境下的内容流行度预测方案为了提升内容缓存效益,需要预先对内容流行度进行预测。本研究首先考虑用户之间的社交关系,基于狄利克雷分布提出了一种共同兴趣模型来预测内容流行度,进而考虑物理通信链路质量和内容在节点中的缓存策略,推导出了基于该模型的内容分发成功概率,并基于内容分发成功概率,将目标问题建模成了一个关于内容流行度和缓存策略的后验概率最大化问题。为了解决目标函数复杂的计算任务,本文提出了一种基于吉布斯采样的机器学习算法来对模型进行参数估计,从而将复杂的计算任务转化成简单的统计计算问题,极大的降低了计算复杂度。仿真可得,相比较传统的Zipf拟合方法和概率统计方法,本研究提出的方法可以在保证QoS的前提下将内容分发的平均成功概率提升7.6%。2.面向能耗最小化的内容缓存与分发联合优化方案高效的内容缓存与分发策略是无线分布式缓存系统向用户提供高质量内容服务的保障。本研究提出了一个吸收设备直连通信(Device to Device Communication,D2D)用户作为无线分布式缓存系统缓存节点的方案,该方案以最小化内容共享平均能耗为目标,综合考虑了缓存节点选取问题,内容缓存问题和内容分发问题。首先通过综合考虑D2D用户之间的社交关系和物理通信链路质量,提出了一种基于PageRank架构的分布式算法来解决缓存节点选取问题;接着通过综合考虑用户的缓存空间,物理通信链路状态和内容流行度情况,提出了一种基于置信度传播框架的分布式算法来解决内容缓存策略优化问题;然后结合内容缓存状态,充分考虑用户之间的物理通信链路和内容请求情况,提出了一种基于置信度传播架构的分布式算法来解决内容分发策略优化问题;最后提出了一种基于启发式算法的综合优化方案来提升整个系统的性能。相比较传统的匹配方案,本研究提出的综合优化方案通过牺牲极少量性能将计算速度提升了 25%。3.面向统计CSI的功率控制与链路调度联合优化方案资源优化能够显着的提升无线分布式缓存系统性能,降低系统花费的同时提高服务质量。本研究考虑在一个支持正交频分复用接入(Orthogonal Frequency Division Multiple Access,OFDMA)的蜂窝网络中D2D用户复用蜂窝用户的上行带宽资源的场景,在通信信道统计可知情形下,以最大化系统传输速率为目标,综合考虑能耗优化与链路调度问题,将目标建模成一个混合整数非线性规划问题。在目标函数优化过程中本文首先利用拉格朗日对偶方法将原问题转化成了一个分式规划问题,之后利用凸优化工具将分式规划问题转化成一个二次型求解。基于上述转化,本文提出了一个基于干扰消除的功率控制与链路调度方案来实现系统传输速率的最大化,并提出了三种求解方式,即连续优化方式,离散分段逼近方式和传统的离散匹配方式。仿真结果表明,相比于连续优化方式,本研究提出的离散分段逼近方式以12.1%的系统平均总速率损失将计算速度提升了 41.2%,与传统的离散匹配方式相比则以6.3%的计算速度损失将系统平均总速率提升了9.5 倍。4.无线分布式缓存系统架构设计与实现本文基于D2D技术,网络切片技术,网络功能虚拟化技术(Network Functions Virtualization,NFV),MEC技术,SDN技术提出了一个无线分布式缓存系统架构方案,并对系统进行了实现。本文的系统方案是一个两层的服务型系统方案,在上层利用SDN控制器可以实现对网络的综合优化和管理,在下层利用SDN代理能够基于本地需求实现对本地网络的精准优化与管理,此外通过增加分布式计算架构,SDN代理之间还可以自发或者在SDN控制器的协助下完成协作任务。为了进一步提高系统内容服务效用,通过在系统中增加额外的设备管理和路由管理模块,将网络一切节点视为网络设备,成功实现了对传统网络中网际协议(Internet Protocol,IP)寻址方式的屏蔽,从而构建一个以内容服务为中心的服务型网络。在系统实现过程中本文主要基于嵌入式技术以及应用程序接口技术进行开发,针对不同的网络服务提供标准的管理接口和数据接口,从而使系统具有了良好的兼容性和开放性,同时实现可嵌入,可扩展,可编程等需求。测试结果表明,与现有系统相比,本系统在节点接入时间、传输速率、时延、抖动、吞吐量和平均响应时间性能上表现出色,也验证了本研究提出的内容流行度预测方案,内容缓存和分发联合优化方案以及功率控制和链路调度联合优化方案的有效性,在无线分布式缓存系统中具有良好的应用前景。
李小帅[10](2020)在《V2X通信无线资源管理关键技术研究》文中研究说明车联网通信(Vehicle-to-Everything,V2X)对提升道路安全,降低环境污染,提高交通效率,实现交通智能化管理和自动驾驶等都有着非常重要的意义。它是利用新一代先进的无线通信技术,传感器技术和计算机智能技术,建立起车辆与任何可能影响车辆的实体之间的信息交互,从而实现车辆与万物的互联。面向道路安全的V2X通信在交通运输中发挥着非常重要的作用。及时、快捷、可靠的道路安全性相关的车载信息的传输能够有效减少道路交通事故的发生,保护人类生命和财产的安全。因此,V2X通信对于信息传输的低时延和高可靠性有着非常严格的要求。终端直通(Device-to-Device,D2D)作为一种近距离通信技术能够实现终端之间的直接通信而不需要经过基站转发,具有高传输速率,低时延,低功耗的特性,为车联网V2X通信提供了一种有效的解决途径。D2D-based V2X通信能够通过复用蜂窝用户频谱资源为网络带来高的复用增益,有助于提高频谱利用率和车联网通信性能,但是同时也给网络带来了复杂的共信道干扰问题。合理的资源管理方法能够有效地发挥D2D-based V2X通信的优势,抑制网络中的干扰。然而,车辆高速移动引起的多普勒效应以及不同的车联网服务需求,使得D2D-based V2X通信网络的资源管理问题变得更加复杂和难以处理。因此,本文从实际的车联网通信场景和服务需求出发,研究了非完美信道状态信息下(Channel State Information,CSI),如何通过合理的资源管理与优化算法抑制D2D-based V2X通信网络中的干扰,并分别提升其在道路安全性,系统容量和用户公平性三方面性能的问题。具体研究内容如下:针对非完美CSI下面向道路安全的V2X通信的模式选择问题,提出了一种新颖的联合优化模式选择和资源分配算法。本文首先分析了安全性V2X通信的数据传输需求,然后利用安全性效用函数用来综合衡量V2X信息的邻近服务数据包的优先级和其相应传输链路的通信质量。在保障蜂窝用户(Cellular User Equipments,CUEs)通信链路最小信干噪比(Signal-to-Interference-plus-Noise Ratio,SINR)需求和车联网用户(Vehicular User Equipments,VUEs)最大中断概率的前提下,以最大化所有VUEs安全性效用函数之和为目标,并根据不同的网络负载情况分别提出了针对轻负载网络和针对重负载网络的联合优化模式选择和资源分配算法。通过两个算法的共同作用,实现了对网络中所有空闲/非空闲、授权/非授权频谱资源的全局优化管理,提升了安全性V2X通信网络性能。针对非完美CSI下车联网用户遍历容量之和最大化的问题,提出了一种低复杂度的联合优化功率控制和资源分配算法。不同于先前工作集中在完美CSI条件下V2X通信的研究,考虑到车辆高速移动性带来的多普勒效应,本文将所研究资源管理问题建立在非完美信道状态信息上来追踪信道的时变特性。在保障蜂窝用户和车联网用户通信服务质量(Quality of Service,Qo S)需求的前提下,通过联合优化功率控制和资源分配算法最大化所有车联网用户的遍历容量之和。本文首先推导出单个车联网用户遍历容量的闭合表达式。针对该闭合表达式提出一个低复杂度的基于下界的功率控制算法并获得了最优功率分配结果。基于此,提出了一个适用于复用蜂窝用户个数受限于车联网用户自身最大发射功率的一对多匹配算法,对频谱资源分配问题进行求解。最后,仿真结果验证了所提出算法能够显着提升车联网用户的遍历容量之和。针对非完美CSI下V2X通信网络中用户传输数据流量公平性的问题,提出了一种针对多个连续时隙的联合优化功率控制和比例公平调度算法。该算法既考虑了用户间公平性的提升,也考虑了系统整体容量的优化。不同于现有工作,本文综合考虑用户的Qo S需求、公平性需求以及共信道干扰等因素,以最大化网络中所有用户比例公平函数之和为目标,通过对多个连续时隙的联合优化功率控制和比例公平调度,实现对网络中共信道干扰的抑制,并同时提升系统容量和公平性的目的。针对第一时隙的系统初始化,提出了一种以最大化系统和容量为目标的联合优化功率控制和资源分配算法;基于第一时隙的资源分配结果,从第二个时隙开始到当前时隙,以系统内所有车联网用户和蜂窝用户比例公平函数之和最大为目标,提出了针对多个连续时隙的联合优化功率控制和比例公平调度算法。最后,仿真结果验证了所提出算法能够有效提升V2X通信网络的系统容量和用户公平性。
二、话音/数据混合业务无线蜂窝网络中的一种信道分配策略(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、话音/数据混合业务无线蜂窝网络中的一种信道分配策略(论文提纲范文)
(1)D2D辅助蜂窝网络的性能分析与能量效率优化(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景以及研究意义 |
1.2 国内外研究现状 |
1.2.1 基于随机几何的蜂窝网络性能分析 |
1.2.2 D2D辅助蜂窝网络中的资源分配算法 |
1.3 主要研究内容和成果 |
1.4 论文结构 |
1.5 本章小结 |
第二章 关键技术概述 |
2.1 D2D通信网络 |
2.1.1 D2D通信种类 |
2.1.2 D2D通信应用场景 |
2.2 随机几何 |
2.2.1 泊松点过程 |
2.2.2 泊松洞过程 |
2.3 随机博弈中的分布式学习 |
2.3.1 随机博弈 |
2.3.2 分布式学习 |
2.4 本章小结 |
第三章 基于泊松洞过程的D2D辅助蜂窝网络的性能分析 |
3.1 系统模型 |
3.1.1 网络架构 |
3.1.2 SINR分析 |
3.2 用户覆盖率分析与能量效率优化 |
3.2.1 方法一: 洞溶解 |
3.2.2 方法二: 通过稀释的PPP近似PHP |
3.2.3 总数据速率分析与能量效率优化 |
3.3 仿真分析 |
3.4 本章小结 |
第四章 基于能量收集的D2D辅助蜂窝网络的资源分配方案 |
4.1 系统模型 |
4.1.1 网络架构 |
4.1.2 SINR分析 |
4.2 分布式资源分配算法框架 |
4.2.1 追随者层:基于随机学习的D2D网络层 |
4.2.2 领导者层:基站的价格更新 |
4.3 仿真分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 本文总结 |
5.2 未来研究工作展望 |
参考文献 |
附录 英文缩略词对照表 |
致谢 |
攻读学位期间取得的研究成果及参加的项目 |
(2)毫米波异构网络的用户关联和资源优化(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩写、符号清单、术语表 |
1 绪论 |
1.1 毫米波蜂窝通信技术 |
1.2 毫米波蜂窝通信的挑战 |
1.3 毫米波通信现有研究综述 |
1.4 本文的主要创新点和内容安排 |
2 超密集毫米波蜂窝网络的分层SDN架构 |
2.1 毫米波超密集网络 |
2.2 系统架构及功能介绍 |
2.3 仿真结果 |
2.4 本章小结 |
3 多频段毫米波异构网络的联合用户关联和资源分配 |
3.1 系统模型 |
3.2 单频段场景的解决方案 |
3.3 多频段场景的解决方案 |
3.4 仿真结果 |
3.5 本章小结 |
4 基于距离信息的毫米波用户关联 |
4.1 系统模型 |
4.2 基于机器学习的算法 |
4.3 仿真结果 |
4.4 本章小结 |
5 毫米波URLLC与eMBB的协调共存 |
5.1 系统模型 |
5.2 资源管理算法 |
5.3 仿真结果 |
5.4 本章小结 |
6 毫米波MBRLLC和eMBB的协调共存 |
6.1 系统模型 |
6.2 问题建模 |
6.3 共存算法 |
6.4 仿真结果 |
6.5 本章小结 |
7 总结与展望 |
7.1 研究总结 |
7.2 未来研究方向 |
参考文献 |
附录A 定理3.1的证明 |
附录B 定理3.2的证明 |
附录C 定理3.3的证明 |
附录D 定理5.2的证明 |
附录E 定理5.4的证明 |
发表文章目录 |
(3)异构无线接入环境下移动边缘计算联合资源管理技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及其意义 |
1.2 国内外研究现状 |
1.2.1 多小蜂窝网络异构接入技术 |
1.2.2 蜂窝-D2D异构接入技术 |
1.2.3 蜂窝-WiFi异构接入技术 |
1.3 主要研究内容 |
1.4 本文主要结构 |
第二章 基于WiFi协同蜂窝网络的计算任务卸载策略研究 |
2.1 研究背景 |
2.2 系统模型 |
2.2.1 网络架构 |
2.2.2 主要定义及标识说明 |
2.2.3 无线通信模型 |
2.2.4 任务卸载策略中的时延和能耗模型 |
2.2.5 增益模型 |
2.2.6 优化问题建立 |
2.3 基于交替优化和单纯形法的优化迭代算法设计 |
2.3.1 优化问题分析 |
2.3.2 蜂窝卸载策略优化 |
2.3.3 WiFi卸载策略优化 |
2.3.4 基于AO技术的迭代优化算法设计 |
2.4 仿真实验与结果分析 |
第三章 基于WiFi协同蜂窝网络的服务缓存策略研究 |
3.1 研究背景 |
3.2 系统模型 |
3.2.1 网络架构 |
3.2.2 主要定义及标识说明 |
3.2.3 无线通信和信道分配模型 |
3.2.4 计算任务卸载过程中的时延和能耗模型 |
3.2.5 应用服务缓存放置策略模型 |
3.2.6 优化问题建立 |
3.3 优化算法设计 |
3.3.1 信道分配算法 |
3.3.2 计算任务卸载算法 |
3.3.3 应用服务缓存算法 |
3.3.4 基于AO算法的迭代优化算法设计 |
3.4 仿真实验与结果分析 |
3.4.1 计算任务卸载的性能分析 |
3.4.2 应用服务缓存部署的性能分析 |
第四章 总结与展望 |
4.1 论文研究工作总结 |
4.2 未来研究工作展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(4)毫米波基站优化部署与回传链路设计(论文提纲范文)
摘要 |
abstract |
缩略词表 |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 基站部署 |
1.2.2 用户行为预测 |
1.2.3 毫米波网络资源分配 |
1.3 研究动机和意义 |
1.4 主要研究工作及创新点 |
1.4.1 主要研究内容 |
1.4.2 创新点 |
1.5 本文结构及章节安排 |
第二章 毫米波异构蜂窝网关键技术概述 |
2.1 引言 |
2.2 毫米波通信模型 |
2.2.1 毫米波定向波束模型 |
2.2.2 毫米波传输信道模型 |
2.3 毫米波回传网络 |
2.3.1 毫米波异构蜂窝网的部署场景 |
2.3.2 包含毫米波小基站的密集部署网络架构 |
2.3.3 无线回传方案 |
2.3.4 毫米波回传接入一体化网络mmWae IBAN |
2.4 本章小结 |
第三章 成本效率优化的毫米波基站部署方案 |
3.1 引言 |
3.2 研究场景及模型 |
3.2.1 系统模型 |
3.2.2 部署成本模型 |
3.2.3 网络容量模型 |
3.3 问题描述 |
3.4 问题求解 |
3.4.1 结合蚁群算法的模拟退火智能算法 |
3.4.2 基于改进模拟退火算法的基站优化部署策略 |
3.5 数值结果与讨论 |
3.5.1 模型及仿真参数设置 |
3.5.2 数值及实验结果分析 |
3.6 本章小结 |
第四章 面向回传链路设计的用户行为分析预测 |
4.1 引言 |
4.2 研究场景及模型 |
4.2.1 场景描述 |
4.2.2 网络系统模型 |
4.2.3 用户行为数据模型 |
4.3 问题描述 |
4.4 问题求解 |
4.4.1 传统循环神经网络RNN |
4.4.2 长短期记忆网络LSTM |
4.4.3 门控循环单元GRU |
4.4.4 基于改进LSTM的用户行为分析预测 |
4.5 仿真结果及分析 |
4.5.1 仿真平台及参数设置 |
4.5.2 仿真实验结果 |
4.6 本章小结 |
第五章 毫米波回传接入一体化频谱优化分配 |
5.1 引言 |
5.2 研究场景及模型 |
5.2.1 系统模型 |
5.2.2 毫米波天线模型 |
5.2.3 SINR计算模型 |
5.2.4 功耗计算模型 |
5.2.5 服务质量(QoS)模型 |
5.3 问题描述 |
5.4 问题求解 |
5.4.1 马尔可夫决策过程(MDP) |
5.4.2 基于强化学习的理论模型 |
5.4.3 基于DRQN算法的资源分配问题求解 |
5.5 仿真分析 |
5.5.1 仿真场景 |
5.5.2 模型参数设置 |
5.5.3 仿真实验结果 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 未来展望 |
致谢 |
参考文献 |
个人简历 |
攻硕期间取得的成果 |
(5)蜂窝网络中D2D通信无线资源分配算法研究(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文主要工作和创新点 |
1.4 论文结构安排 |
第二章 D2D通信关键技术 |
2.1 D2D通信技术 |
2.1.1 D2D通信技术优势 |
2.1.2 D2D通信技术应用场景 |
2.1.3 D2D通信系统架构 |
2.1.4 D2D通信中存在的挑战 |
2.2 D2D通信系统的无线资源管理 |
2.2.1 模式选择 |
2.2.2 资源分配 |
2.2.3 功率控制 |
2.3 本章小结 |
第三章 D2D通信模式选择和信道分配方案 |
3.1 场景描述 |
3.2 基于贪心策略的D2D通信模式选择和信道分配算法 |
3.2.1 问题描述及建模 |
3.2.2 模型求解及算法设计 |
3.3 实验仿真与分析 |
3.3.1 仿真参数设计 |
3.3.2 仿真结果分析 |
3.4 本章小结 |
第四章 基于和声搜索的D2D通信功率控制方案 |
4.1 系统模型 |
4.1.1 场景描述 |
4.1.2 模型建立 |
4.2 基于和声搜索的D2D通信的功率控制算法 |
4.2.1 问题描述 |
4.2.2 经典和声搜索算法 |
4.2.3 自适应全局和声搜索算法 |
4.3 实验仿真与分析 |
4.3.1 仿真参数设计 |
4.3.2 仿真结果分析 |
4.4 本章小结 |
第五章 基于改进正比例公平的D2D通信资源分配方案 |
5.1 系统模型 |
5.2 基于正比例公平D2D通信资源分配方案 |
5.2.1 正比例公平准则 |
5.2.2 改进的正比例公平准则 |
5.2.3 模型设计及算法设计 |
5.3 实验仿真与结果分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 未来工作展望 |
参考文献 |
附录1 实验仿真部分程序 |
附录2 攻读硕士学位期间参加的科研项目 |
附录3 攻读硕士学位期间撰写的论文 |
附录4 攻读硕士学位期间申请的专利 |
致谢 |
(6)基于随机几何理论的异构蜂窝网络建模与性能分析研究(论文提纲范文)
摘要 |
Abstract |
专用术语注释表 |
第一章 绪论 |
1.1 引言 |
1.2 异构蜂窝网络基本概念 |
1.3 蜂窝网络性能分析模型概述 |
1.4 研究现状 |
1.4.1 泊松点过程研究现状 |
1.4.2 泊松簇过程研究现状 |
1.4.3 业务时空模型研究现状 |
1.5 本文主要研究内容 |
1.6 本文结构安排 |
第二章 相关理论基础概述 |
2.1 引言 |
2.2 随机几何基础知识 |
2.2.1 随机点过程 |
2.2.2 泊松点过程基本概念 |
2.2.3 泊松点过程基本特性 |
2.2.4 泊松簇过程基本概念 |
2.2.5 泊松簇过程基本特性 |
2.3 排队论基础知识 |
2.4 常用概率分布与函数 |
2.4.1 泊松分布 |
2.4.2 指数分布 |
2.4.3 伽马函数 |
2.4.4 拉普拉斯变换 |
2.4.5 累积分布函数 |
2.4.6 概率密度函数 |
2.4.7 概率质量函数 |
2.5 本文相关假设 |
2.6 本章小结 |
第三章 基于MCP过程的异构蜂窝网络建模与性能分析 |
3.1 引言 |
3.2 层间独立的两层异构网络 |
3.2.1 系统模型 |
3.2.2 数学基础 |
3.2.3 覆盖率和ASE |
3.3 层间非独立的两层异构网络 |
3.3.1 系统模型 |
3.3.2 覆盖率和ASE |
3.4 仿真与分析 |
3.5 本章小结 |
第四章 基于MCP过程的D2D网络建模与性能分析 |
4.1 引言 |
4.2 系统模型 |
4.3 覆盖率和ASE |
4.3.1 簇外干扰的拉普拉斯变换 |
4.3.2 簇内干扰的拉普拉斯变换 |
4.4 仿真与分析 |
4.5 本章小结 |
第五章 基于时空模型的异构蜂窝网络包吞吐量分析 |
5.1 引言 |
5.2 系统模型 |
5.3 平均包吞吐量 |
5.3.1 数学基础 |
5.3.2 用户数据包到达率不同场景 |
5.3.3 用户数据包到达率相同场景 |
5.4 仿真与分析 |
5.5 本章小结 |
第六章 小基站网络调度策略的时延分析 |
6.1 引言 |
6.2 系统模型 |
6.3 时延性能分析 |
6.4 仿真与分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 本文内容总结 |
7.2 未来展望 |
参考文献 |
附录1 攻读博士学位期间撰写的论文 |
附录2 攻读博士学位期间参加的科研项目 |
致谢 |
(7)面向蜂窝网络的D2D通信资源分配算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 D2D通信资源分配技术国内外研究现状 |
1.2.1 D2D通信的模式选择 |
1.2.2 D2D通信的链路资源分配 |
1.2.3 D2D通信的功率控制 |
1.3 论文主要内容及组织结构 |
1.3.1 论文主要研究内容 |
1.3.2 论文的组织结构 |
第2章 D2D通信技术及相关理论 |
2.1 D2D通信技术概述 |
2.1.1 D2D通信的分类 |
2.1.2 D2D通信的设备发现与会话建立 |
2.1.3 D2D通信应用场景 |
2.2 博弈论相关理论 |
2.2.1 博弈论的模型和分类 |
2.2.2 非合作博弈基础 |
2.2.3 Stackelberg博弈 |
2.3 凸优化相关理论 |
2.3.1 凸集与凸函数 |
2.3.2 凸优化基本概念 |
2.3.3 拉格朗日对偶与KKT条件 |
2.4 本章小结 |
第3章 基于用户速率需求的D2D资源分配算法 |
3.1 引言 |
3.2 系统模型 |
3.3 D2D用户速率需求及资源分配问题描述 |
3.3.1 D2D用户速率需求 |
3.3.2 资源分配问题描述 |
3.4 基于用户速率需求的资源分配算法 |
3.4.1 保障速率需求的资源分配 |
3.4.2 剩余资源的再分配 |
3.5 仿真实验及性能分析 |
3.6 本章小结 |
第4章 基于社交关系的D2D多播资源分配算法 |
4.1 引言 |
4.2 基于社交关系的D2D多播模型建立 |
4.2.1 系统模型 |
4.2.2 社交关系建模 |
4.2.3 D2D社交多播簇的形成 |
4.3 资源分配问题描述 |
4.4 D2D社交多播簇与资源块的匹配 |
4.4.1 一对多匹配模型的建立 |
4.4.2 基于社交关系强度的偏好列表构建 |
4.4.3 同伴效应 |
4.4.4 基于匹配的资源分配算法 |
4.4.5 算法稳定性和复杂度 |
4.5 仿真实验及性能分析 |
4.6 本章小结 |
第5章 基于Stackelberg博弈的D2D资源分配算法 |
5.1 引言 |
5.2 系统模型及问题描述 |
5.2.1 系统模型 |
5.2.2 问题描述 |
5.3 基于价格的Stackelberg博弈D2D资源分配 |
5.3.1 潜在速率增益的启发式信道选择 |
5.3.2 基于价格的Stackelberg博弈D2D功率控制 |
5.4 基于累积代价的Stackelberg博弈D2D资源分配 |
5.5 仿真实验及性能分析 |
5.6 本章小结 |
第6章 结论与展望 |
6.1 主要研究工作总结 |
6.2 未来工作展望 |
参考文献 |
作者简介及其在学期间所取得的科研成果 |
致谢 |
(8)基于吸引子的异构接入网络选择策略研究(论文提纲范文)
摘要 |
Abstract |
符号对照表 |
第一章 绪论 |
1.1 课题研究背景 |
1.1.1 异构网络的提出 |
1.1.2 现有异构网络的架构 |
1.2 课题研究现状 |
1.2.1 异构无线网络融合方式 |
1.2.2 异构无线网络的资源管理 |
1.2.3 异构无线网络的接入选择策略 |
1.2.4 保障QoS的接入选择策略 |
1.3 异构无线网络的挑战 |
1.4 论文的主要内容 |
1.5 论文的创新点与组织结构 |
1.5.1 论文创新点 |
1.5.2 论文组织结构 |
1.6 参考文献 |
第二章 异构自适应接入网模型的构建 |
2.1 无线网络融合架构 |
2.1.1 相关研究 |
2.1.2 融合架构模式 |
2.1.3 融合接入网管理模式 |
2.2 异构网络(P-HN)模型 |
2.2.1 数据包格式转化模块 |
2.2.2 控制模块 |
2.3 吸引子选择算法 |
2.3.1 算法的生物学原理 |
2.3.2 吸引子选择算法的数学模型 |
2.3.3 吸引子选择模型中的活性因子 |
2.4 基于吸引子算法的网络选择策略 |
2.4.1 系统模型 |
2.4.2 P-HN网络中的吸引子算法模型 |
2.4.3 P-HN中吸引子选择过程 |
2.4.4 活性因子表达式 |
2.5 仿真结果与分析 |
2.5.1 P-HN融合仿真 |
2.5.2 吸引子选择策略仿真 |
2.6 本章小结 |
2.7 参考文献 |
第三章 异构网络中基于吸引子的流量卸载策略 |
3.1 问题的提出 |
3.2 P-HN的流量卸载模型 |
3.3 P-HN中的吞吐量 |
3.3.1 PLC网络的吞吐量 |
3.3.2 蜂窝网络的吞吐量 |
3.4 基于吸引子的流量卸载策略 |
3.4.1 流量卸载的数学表达 |
3.4.2 算法实现 |
3.5 仿真结果与分析 |
3.5.1 参数设置 |
3.5.2 仿真结果 |
3.6 本章小结 |
3.7 参考文献 |
第四章 异构网络中基于用户排队时延的网络选择策略 |
4.1 问题的提出 |
4.2 网络模型及问题推导 |
4.2.1 网络模型 |
4.2.2 问题的推导 |
4.3 基于排队时延的吸引子网络选择策略 |
4.3.1 选择策略的数学表达 |
4.3.2 活性因子的映射 |
4.3.3 网络选择策略实现过程 |
4.4 仿真与分析 |
4.4.1 双网络选择模型仿真与分析 |
4.4.2 多网络选择模型仿真与分析 |
4.4.3 接入网络策略的仿真与分析 |
4.5 本章小结 |
4.6 参考文献 |
第五章 异构网络中基于业务优先级的网络选择策略 |
5.1 优先级网络选择模型及推导 |
5.1.1 异构网络优先级队列管理模型 |
5.1.2 异构网络中双优先级队列模型 |
5.1.3 双优先级队列模型的推导 |
5.2 基于优先级的网络选择策略 |
5.2.1 网络选择模型的数学表达 |
5.2.2 活性因子的映射 |
5.2.3 网络选择策略实现过程 |
5.3 仿真与分析 |
5.3.1 仿真场景 |
5.3.2 性能分析 |
5.4 本章小结 |
5.5 参考文献 |
第六章 总结与展望 |
6.1 全文主要工作总结 |
6.2 未来工作展望 |
致谢 |
附录 缩略语表 |
攻读学位期间取得的研究成果 |
(9)面向无线分布式缓存的内容部署及资源管理研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.2 无线分布式缓存系统的研究现状 |
1.2.1 内容流行度研究现状 |
1.2.2 内容缓存与分发策略研究现状 |
1.2.3 频谱资源管理研究现状 |
1.2.4 系统架构设计与实现现状 |
1.3 本文研究的内容与创新点 |
1.4 本文的组织结构 |
第二章 面向物理-社交跨域缓存环境下的内容流行度预测方案 |
2.1 引言 |
2.2 基于用户共同兴趣的内容流行度预测建模 |
2.2.1 共同兴趣模型及内容流行度 |
2.2.2 成功传输概率 |
2.2.3 内容流行度预测模型 |
2.3 基于狄利克雷的内容流行度预测方案 |
2.3.1 基于机器学习的共同兴趣模型及内容流行度预测算法 |
2.3.2 问题转换及求解 |
2.4 仿真及结果分析 |
2.4.1 仿真参数及数据集 |
2.4.2 仿真结果分析 |
2.5 本章小结 |
第三章 面向能耗最小化的内容缓存与分发联合优化方案 |
3.1 引言 |
3.2 内容缓存与分发问题建模 |
3.2.1 场景描述 |
3.2.2 内容分发平均能耗最小化模型 |
3.2.3 模型分析及问题优化方案 |
3.3 无线分布式缓存系统中缓存节点选取策略优化方案 |
3.3.1 问题转换 |
3.3.2 基于PageRank算法的分布式缓存节点选取策略优化 |
3.4 无线分布式缓存系统中内容缓存策略优化方案 |
3.4.1 问题转换 |
3.4.2 基于置信度传播的分布式内容缓存策略优化 |
3.5 无线分布式缓存系统中内容分发策略优化 |
3.5.1 问题转换 |
3.5.2 基于置信度传播的分布式内容分发策略优化 |
3.6 无线分布式缓存系统中内容缓存与分发联合优化 |
3.6.1 基于启发式算法的内容共享联合策略优化方案 |
3.6.2 复杂度分析 |
3.7 仿真结果及分析 |
3.8 本章小结 |
3.9 附录Ⅰ: 最大积置信度传播算法 |
3.10 附录Ⅱ: 等式(3-44)的证明 |
3.11 附录Ⅲ: 等式(3-49)的证明 |
第四章 面向统计CSI的功率控制与链路调度联合优化方案 |
4.1 引言 |
4.2 基于最大化系统传输速率方案建模 |
4.2.1 场景描述 |
4.2.2 最大化系统传输速率模型 |
4.3 基于分式规划的干扰消除综合优化方案 |
4.3.1 基于拉格朗日方程的问题转换方案 |
4.3.2 基于分式规划的问题转换方案 |
4.3.3 基于干扰消除的功率控制与链路调度联合优化方案 |
4.4 仿真结果及分析 |
4.5 本章小结 |
第五章 无线分布式缓存系统架构设计与实现方案 |
5.1 引言 |
5.2 无线分布式缓存系统架构设计 |
5.2.1 系统应用场景及整体需求 |
5.2.2 系统设计思路 |
5.2.3 系统逻辑架构 |
5.2.4 基于SDN的系统功能模块设计 |
5.2.5 系统主要业务逻辑 |
5.3 无线分布式缓存系统实现方案 |
5.3.1 基于SDN的信息收集与决策子系统 |
5.3.2 设备管理子系统 |
5.3.3 内容管理以及服务子系统 |
5.3.4 网络路由管理子系统 |
5.3.5 系统部署方案 |
5.4 系统测试实验 |
5.4.1 测试一: MEC到用户的传输性能测试 |
5.4.2 测试二: 用户到用户传输性能测试 |
5.4.3 测试三: 单AP内容请求模式下网络性能测试 |
5.4.4 测试四: 同一缓存方案多AP内容请求模式下网络性能测试 |
5.4.5 测试五: 不同缓存方案多AP内容请求模式下网络性能测试 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作级展望 |
参考文献 |
附录A 缩略语表 |
致谢 |
攻读学位期间发表的学术论文目录 |
(10)V2X通信无线资源管理关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及目的意义 |
1.2 V2X通信发展现状分析 |
1.2.1 V2X通信标准化进展 |
1.2.2 V2X通信应用场景和服务需求 |
1.2.3 V2X通信网络架构 |
1.2.4 V2X通信资源分配机制 |
1.3 V2X通信无线资源管理方法研究现状分析 |
1.3.1 V2X通信干扰抑制关键技术 |
1.3.2 面向道路安全的V2X通信资源管理 |
1.3.3 基于系统容量的V2X通信资源管理 |
1.3.4 基于公平性的V2X通信资源管理 |
1.4 主要研究内容及贡献 |
1.4.1 主要研究内容 |
1.4.2 主要贡献及章节安排 |
第2章 V2X通信理论研究 |
2.1 V2X通信系统模型 |
2.1.1 网络模型 |
2.1.2 信道模型 |
2.1.3 信号传输模型 |
2.2 典型的资源管理算法分析 |
2.2.1 典型资源管理问题的数学建模 |
2.2.2 分支定界算法分析 |
2.3 典型的功率控制算法分析 |
2.3.1 完美CSI下的功率控制算法 |
2.3.2 非完美CSI下的功率控制算法 |
2.4 典型的频谱资源分配算法分析 |
2.4.1 匈牙利算法 |
2.4.2 一对多匹配算法 |
2.5 本章小结 |
第3章 面向道路安全的V2X通信资源管理算法研究 |
3.1 引言 |
3.2 面向道路安全的V2X通信系统模型 |
3.2.1 面向道路安全的V2X通信网络模型 |
3.2.2 V2X通信信道模型 |
3.2.3 面向道路安全的V2X通信数据传输需求 |
3.3 面向道路安全的V2X通信资源管理问题的数学建模 |
3.4 联合优化模式选择和资源分配算法 |
3.4.1 接入控制分析 |
3.4.2 不同网络负载下的联合优化模式选择和资源分配算法 |
3.4.3 针对轻负载网络的联合优化模式选择和资源分配算法 |
3.4.4 针对重负载网络的联合优化模式选择和资源分配算法 |
3.5 仿真验证与性能分析 |
3.5.1 仿真场景与参数设置 |
3.5.2 仿真结果与性能分析 |
3.6 本章小结 |
第4章 面向系统容量的V2X通信资源管理算法研究 |
4.1 引言 |
4.2 面向系统容量的V2X通信系统模型 |
4.3 面向系统容量的V2X通信资源管理问题的数学建模 |
4.4 功率控制算法 |
4.4.1 不同场景下的V2X通信功率控制算法 |
4.4.2 可行域分析 |
4.4.3 基于启发式退火算法的功率控制算法 |
4.4.4 基于下界的功率控制算法 |
4.5 一对多匹配资源分配算法 |
4.5.1 一对多匹配算法设计 |
4.5.2 联合优化功率控制和资源分配算法 |
4.6 仿真验证与性能分析 |
4.6.1 仿真场景与参数设置 |
4.6.2 仿真结果与性能分析 |
4.7 本章小结 |
第5章 面向公平性的V2X通信资源管理算法研究 |
5.1 引言 |
5.2 面向用户公平性的V2X通信系统模型 |
5.2.1 面向用户公平性的的V2X通信网络模型 |
5.2.2 比例公平效用函数定义 |
5.2.3 用户比例公平函数数学模型 |
5.3 面向用户公平性的V2X通信资源管理问题的的数学建模 |
5.4 联合优化功率控制和比例公平调度算法 |
5.4.1 功率控制算法 |
5.4.2 比例公平调度算法 |
5.5 针对第一时隙的联合优化功率控制和资源分配算法 |
5.6 面向用户公平性的资源管理优化算法 |
5.7 仿真验证与性能分析 |
5.7.1 仿真场景与参数设置 |
5.7.2 不同仿真参数对用户QoS满意度的影响 |
5.7.3 不同仿真参数对用户公平性的影响 |
5.7.4 不同仿真参数对系统容量的影响 |
5.8 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
四、话音/数据混合业务无线蜂窝网络中的一种信道分配策略(论文参考文献)
- [1]D2D辅助蜂窝网络的性能分析与能量效率优化[D]. 史文艳. 北京邮电大学, 2021(01)
- [2]毫米波异构网络的用户关联和资源优化[D]. 刘瑞. 浙江大学, 2021(01)
- [3]异构无线接入环境下移动边缘计算联合资源管理技术研究[D]. 韩珺婷. 北京邮电大学, 2021(01)
- [4]毫米波基站优化部署与回传链路设计[D]. 董笑妍. 电子科技大学, 2021(01)
- [5]蜂窝网络中D2D通信无线资源分配算法研究[D]. 卓干兵. 南京邮电大学, 2020(02)
- [6]基于随机几何理论的异构蜂窝网络建模与性能分析研究[D]. 王颖. 南京邮电大学, 2020(03)
- [7]面向蜂窝网络的D2D通信资源分配算法研究[D]. 王鑫. 吉林大学, 2020(03)
- [8]基于吸引子的异构接入网络选择策略研究[D]. 吴欢. 北京邮电大学, 2020(02)
- [9]面向无线分布式缓存的内容部署及资源管理研究[D]. 钏建斌. 北京邮电大学, 2021(01)
- [10]V2X通信无线资源管理关键技术研究[D]. 李小帅. 哈尔滨工业大学, 2020(02)