异构网络中的无线资源管理研究

来源 :北京邮电大学 | 被引量 : 2次 | 上传用户:uuupppppp
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着5G在国际上的深入研究,用户对移动业务的要求也越来越高,除了速率这一项基本要求,用户更多的关注系统的时延和稳定。异构网络的出现为这些要求提供了一种可行的解决方案。异构网络就是在现有的蜂窝网络中插入一些低功率节点,极大地减小了用户与基站之间的距离,从而对系统的性能有了提升。然而在异构网络中引入低功率节点的同时,也对系统带来了一些新的技术挑战。首先,基站数目多,用户与基站之间的信道状态信息就多,这样在控制上的复杂度就会非常高,网络管理优化变得更加困难;其次,引入的低功率节点会大幅度提高整个系统的能量消耗,特别是在系统负载较低时会造成能量的浪费。因此,必须在异构网络中使用新的管理方式,从而降低新引入的低功率节点带来的不良影响。在此背景下,本文首先对异构网络的特点进行了详细的分析,在此基础之上探讨其中的资源管理的问题。之后从基站睡眠策略的角度出发,首先分析了密集部署小小区网络的能量效率与低功率节点密度之间的关系,然后提出一种可以满足用户服务质量要求并且可以降低系统能耗的算法。从运算复杂度、系统性能等多个角度考虑,以先降复杂度,再逐步排查的思路着手,找出这部分可以被调至睡眠模式的基站,从而降低整个系统的能量消耗,实现性能、能耗和复杂度的良好折中。仿真证明,本文的理论分析与仿真结果相一致,所提出的两阶段式策略可以有效地应对异构网络中的资源管理问题,同时运算复杂度低,有效降低系统的能耗。本文的主要创新和贡献如下:1)分析异构网络的特点。本文利用随机几何的数学工具对异构网络中的低功率节点和用户进行建模,并根据异构网络的特点提出一种简单易行的用户接入控制方案,充分利用异构网络的特点。同时还给出了当前比较贴近实际的基站能耗模型。2)分析密集部署的小小区网络中的能量效率问题。本文首先结合随机几何工具推导出用户的平均可达速率,之后结合低功率节点的能耗模型,从系统能量效率的角度出发推导出系统能量效率与活动基站密度的关系式,根据此关系式可以从理论上得到使得系统能量效率最优化的活动低功率节点密度。3)提出异构网络中的低复杂度的两阶段基站睡眠策略。针对异构网络中资源管理问题的复杂性,本文提出一种可行的无线资源虚拟化及分配方式,可以根据用户的需求分配资源以保证用户的服务质量(Quality ofService,QoS)。之后提出低复杂度的两阶段的基站睡眠策略,可以找出一部分基站将其调至睡眠模式以降低系统的能量消耗。4)提出用遗传算法作为对比方案的方式。因为穷搜算法复杂度太高,无法在有限时间内找出最优解,本文使用遗传算法得到一个次优解,在遗传算法中结合异构网络的特点建立解决方案的模型以及进化方式,设计适合本文场景的选择方案,并且比较本文所提算法与遗传算法的结果。
其他文献
学位
新型多天线技术是第四、五代无线通讯的重要技术之一。对于用户设备,目前这种技术主要是围绕MIMO (Multiple-Input Multiple-Output)天线的方法展开。然而单独的MIMO系统无法
近年来,智能家居开始逐渐与移动互联网、云服务、大数据等新兴产业相关联,智能家居与物联网行业开始迎来全新的飞速发展与普及阶段。智能家居虽已开始融入人们的生活,但大量
三维不动产场景注记配置配置问题(3D Real Estate Scene Annotation Labeling Problem,3DRESALP)是三维不动产场景(3D Real Estate Scene,3DRES)语义信息表达的重要组成部分
非线性科学中的分形理论在20世纪受到越来越多人们的重视,随着计算机技术的发展,计算机模拟与分形构造已经显示其重要意义,分形图形不仅为人们提供了艺术的灵感,同时被用来模
动态多目标优化问题在现实中普遍存在,研究求解此类问题的优化算法,对推动该领域的发展有重要研究与现实意义。目前,虽然粒子群优化算法因其在优化实际问题时的精度高、收敛
支持向量机在解决非线性、小样本等问题中具有较好的推广性,近年来成为人们研究的热点。学习算法是支持向量机理论的重要组成部分,高效快速的学习算法对支持向量机研究与应用
现实生活中存在大量的多目标优化问题,且目标数超过3的称为高维多目标优化问题,小于3的且大于1的称为低维多目标优化问题。相较于低维多目标优化问题,高维多目标优化问题在寻
随着用户视频、音频、文件流类型的信息越来越多,引发了数据内容的急剧膨胀,互联网应用的主体也从文字信息向多媒体音视频内容发展。当前互联网有大量的冗余传输,浪费了传输
科技成果转化是在大众创业、万众创新的浪潮中,再一次被推到风口浪尖的热词。企业是科技成果转化的主体,以企业切入探讨科技成果转化是非常有必要的。本文借助超效率DEA模型,