一种人与人和机器到机器共存下能效最大化的上行用户分配算法

针对5G超密集异构蜂窝网络中人与人(H2H)和机器到机器(M2M)共存场景下有服务质量(QoS)保障和负载均衡的上行用户分配问题,该文提出一种基于匹配理论的用户分配算法。该算法在用户分配过程中同时考虑不同类型节点的接入控制策略,在最大化网络能效的同时,实现节点QoS保障。仿真结果表明,与其他算法相比,该算法不仅能够在能效、负载均衡以及QoS保障方面获得更好的性能,并且能获得与穷举法相近的性能。此外,所提算法的收敛速度很快且不受节点和基站数目变化的影响,适合解决H2H和M2M共存场景中的用户分配问题。     

一种人与人和物到物业务共存下的异构蜂窝网络柔性接入策略

针对人与人(H2H)和物到物(M2M)业务共存的异构无线网络,该文设计了一种根据业务特性的代理节点的网络选择策略,用博弈论对以保障两类业务服务质量(QoS)需求和网络负载均衡为目标的代理节点网络选择问题进行建模,并分析了该博弈模型纳什均衡(NE)的存在性和可行性;同时,提出了基于学习自动机的分布式网络-信道选择算法(DNCSALA),求得该博弈的纳什均衡。仿真结果表明,所提算法能够获得与穷举搜索算法相近的性能,可满足共存场景中不同类型业务的QoS需求并提高网络资源利用率。

     

超密集组网下一种基于干扰增量降低的分簇算法

超密集网络(UDNs)拉近了终端与节点间的距离,使得网络频谱效率大幅度提高,扩展了系统容量,但是小区边缘用户的性能严重下降。合理规划的虚拟小区(VC)只能降低中等规模UDNs的干扰,而重叠基站下的用户的干扰需要协作用户簇的方法来解决。该文提出了一种干扰增量降低(IIR)的用户分簇算法,通过在簇间不断交换带来最大干扰的用户,最小化簇内的干扰和,最终最大化系统和速率。该算法在不提高K均值算法的复杂度的同时,不需要指定簇首,避免陷入局部最优。仿真结果表明,网络密集部署时,有效提高系统和速率,尤其是边缘用户的吞吐量。

     

一种基于接入与回传一体化小基站的用户满意度最大化算法

针对接入与回传一体化小基站场景下用户个性化视频流业务需求问题,该文提出一种基于接入与回传一体化小基站的用户满意度最大化算法。该算法首先根据系统实际可达速率和用户满意度需求速率间的不匹配程度,动态调整下一周期队列传输所需频谱资源,并建立用户质量满意度最大化模型,其次运用Lyapunov优化方法把初始问题转化为Lyapunov偏移加罚项的优化,将溢出概率约束转化为关于自变量的不等式,最后基于拉格朗日对偶分解的用户接入带宽分配算法和基于内点法的回传和接入带宽分配算法进行求解。仿真结果表明,该算法提高了系统用户质量满意度,同时保证了系统稳定性。     

A Novel Blind Detection Algorithm Based on Spectrum Sharing and Coexistence for Machine-to-Machine Communication

This paper proposes a new scheme that allows decentralized machine-to-machine(M2M) communication to share spectrum with conventional user communication in an orthogonal frequency division multiplexing system. This scheme can effectively separate and recover mixed signals at the receiving end. It mainly uses the signal space cancellation-complex system Hopfield neural network(SSC-CSHNN) blind detection algorithm to reconstruct the complementary projection operator and the blind detection performa...     

基于非正交多址接入的网络切片联合用户关联和功率分配算法

为了满足网络切片多样化需求,实现无线虚拟资源的动态分配,该文提出在C-RAN架构中基于非正交多址接入的联合用户关联和功率资源分配算法。首先,该算法考虑在不完美信道条件下,以切片和用户最小速率需求及时延QoS要求、系统中断概率、前传容量为约束,建立在C-RAN场景中最大化长时平均网络切片总吞吐量的联合用户关联和功率分配模型。其次,将概率混合优化问题转换为非概率优化问题,并利用Lyapunov优化理论设计一种基于当前时隙的联合用户调度和功率分配的算法。最后采用贪婪算法求得用户关联问题次优解;基于用户关联的策略,将功率分配的问题利用连续凸逼近方法将其转换为凸优化问题并采用拉格朗日对偶分解方法获得功率分配策略。仿真结果表明,该算法能满足各网络切片和用户需求的同时有效提升系统时间平均切片总吞吐量。     

干扰对齐通信网络和新接入用户的共存性研究

由于频谱资源的短缺,未来的无线通信网络需要同时与其他无线通信网络共同使用相同频谱.近年来出现的干扰对齐技术有效地解决了同一个干扰网络中不同用户的共存性问题.在已经实施干扰对齐的多天线干扰网络中,为了使新的干扰网络既使用相同的频谱资源又不能影响其他原已对齐的干扰网络,该文提出一种不同网络之间干扰对齐的迭代算法.该算法以消除新网络中的干扰为目标进行优化,使所有用户都能同时进行无干扰的通信.仿真结果表明,当新网络中的发射节点和接收节点都配置充足的天线时,新网络中的用户就可以达到干扰对齐,从而不仅可以进行无干扰的通信,也不会影响旧网络中的用户.无论是新网络中的发射节点的天线不足还是接收节点的天线不足,都会对新网络中的不同用户的无干扰通信产生影响,并且发射节点天线不足带来的影响更大.     

一种基于能效与频效的路由优化算法

网络能效和网络频效作为当前的热点研究问题,对网络性能有重要影响.然而针对移动Ad Hoc网络中的能效和频效问题,还缺乏深入研究,而且大多数研究仅仅局限于单目标的网络能耗或网络能效,联合考虑网络能效和网络频效的研究还不多.本文分析移动Ad Hoc网络中的网络能效和网络频效问题,讨论二者间的权衡关系,利用多目标优化理论,构建联合网络能效和网络频效的多目标优化模型,并利用加权和方法将多目标优化转化成单目标优化,提出资源效率的概念,最后提出针对移动Ad Hoc网络资源效率优化的路由策略.仿真结果表明,所提出的算法具有较好的性能.     

MME频谱感知算法能量效率优化分析

绿色通信是未来无线通信发展的必然趋势,为了提高认知无线网络频谱感知算法的能量效率以及算法稳定性,实现低功耗绿色通信,该文在噪声不确定的实际环境下分析了基于特征值的最大最小特征值（MME, Maximum-Minimum Eigenvalue）频谱感知算法的能量效率,并利用黄金分割优化算法获得了使能量效率最大化的最优感知时间。理论分析和仿真结果表明,在噪声不确定的情况下,基于特征值的MME感知算法的能量效率要明显优于传统的能量检测算法,且MME感知算法不受噪声不确定性的影响,在低信噪比下具有更稳定的感知性能。      

Maximizing Cooperative Diversity Energy Gain for Wireless Networks

We are concerned with optimally grouping active mobile users in a two-user-based cooperative diversity system to maximize the cooperative diversity energy gain in a radio cell. The optimization problem is formulated as a non-bipartite weighted-matching problem in a static network setting. The weighted-matching problem can be solved using maximum weighted (MW) matching algorithm in polynomial time O(n³). To reduce the implementation and computational complexity, we develop a Worst-Link-First (WLF) matching algorithm, which gives the user with the worse channel condition and the higher energy consumption rate a higher priority to choose its partner. The computational complexity of the proposed WLF algorithm is O(n) while the achieved average energy gain is only slightly lower than that of the optimal maximum weighted- matching algorithm and similar to that of the 1/2-approximation Greedy matching algorithm (with computational complexity of O(n² log n)) for a static-user network. We further investigate the optimal matching problem in mobile networks. By intelligently applying user mobility information in the matching algorithm, high cooperative diversity energy gain with moderate overhead is possible. In mobile networks, the proposed WLF matching algorithm, being less complex than the MW and the Greedy matching algorithms, yields performance characteristics close to those of the MW matching algorithm and better than the Greedy matching algorithm.