面向D2D数据转发的绿色节能策略研究

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:qian_betty
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
无线移动通信网络的蓬勃式发展在不断满足移动用户日益增长的流量需求的同时也给网络频谱资源和能量消耗带来了巨大的问题。随着人类环境意识和经济意识的提高,能量的高效利用已经成为未来信息通信产业亟待解决的问题之一。与此同时,D2D( Device-to-Device)作为一种新型的终端设备间直接通信技术,是当前移动通信领域提升频谱效率、系统吞吐量和能量效率的重要实现手段。本文研究的课题即是面向D2D通信的绿色节能机制进行的。本文首先阐明了整个课题的研究背景和意义,同时对课题的主要研究内容和全文的结构安排进行了整体的论述和说明。基于对绿色节能技术在国内外产学界研究现状的调研,着重就面向D2D通信网络中数据转发的节能技术进行了较为全面的研究,在已有研究的基础上做出创新和改进,从而提出了 D2D通信场景中小区休眠方案和基于能量有效的多跳D2D数据转发方案。针对D2D通信的优势和目前小区休眠算法存在的覆盖不足和干扰控制的问题,基于成簇多播的D2D通信场景提出了一种贪婪式小区休眠的节能策略。首先,设计了可以评价整个网络能量消耗的能量效用函数。之后,为了解决休眠小区用户的通信问题,用户关联策略被首次提出,即根据地理位置信息和剩余能量信息为休眠小区的每个D2D簇在相邻小区中选择相应的簇间簇头(inter-CH,Cluster Head),休眠小区的D2D簇连接到其inter-CH构成融合簇完成数据转发。仿真结果显示,该贪婪式小区休眠机制实现了节能和QoS(Qualityof Service)之间的良好权衡,降低了网络的能量消耗和传输时延。同时,提出了一种基于能量有效的多跳D2D数据转发算法,考虑单小区下蜂窝网与D2D用户之间存在相互干扰的场景。首先,介绍了该算法所适用的系统模型,包括网络模型和候选复用信道模型。之后,构造能量效用函数,为了提高整个网络的能量效率,综合优化了多跳路由当前节点到下一跳中继节点的性能和平均跳数两方面的因素。最后,提出了 PD ( Pairing-inspired Dijkstra)多跳 D2D 数据转发算法,通过KM (Kuhn-Munkras)二分匹配算法为每一跳链路选择复用的蜂窝网信道,并且对D2D发射方到接收方的多跳路由选择和基于KM二分匹配的频谱资源复用进行多次迭代,直到前后两次所选的多跳路径相同为止。仿真结果表明,所提出的方案在提高系统能量效率、降低传输时延等方面具有较好的性能体现。
其他文献
为了应对移动数据流量爆炸式增长所带来的挑战,使网络能够高效、节能、快速地处理海量信息,近年来,5G移动通信成为学术界及工业界研究热点。异构小小区网络由于其高容量、易
广播加密是一种一点对多点的公钥加密方式,与传统的点对点加密方式相比,具有更高的通信效率和更广泛的应用。广播加密中广播者在非安全的广播信道上将加密消息(即密文)同时发
本文从海南省房地产近5至6年间的国家政策、行业政策以及相关的行业数据入手,分析海南省房地产市场整体宏观环境。再依据房地产项目开发四阶段理论及市场环境分析得出中小型
随着无线通信技术的飞快发展,物联网技术受到众多设备商和运营商的关注。机器类型通信作为物联网研究中的重要技术,其业务本身与传统的H2H通信技术存在着显著的差异。在智能
无线Mesh网络是下一代网络演化过程中不可或缺的重要技术之一,其多跳、自组织、自治愈、部署简单等特点是解决“最后一公里”瓶颈问题的有效方法。多射频多信道技术在无线Mes
为真者理论不仅是当前形而上学领域一个重要分支,同时也是分析哲学中的一个核心议题,该理论建立在“真基于实在”的直觉之上,认为一个命题之所以为真是因为某物存在,而不是相
计算机技术与通信技术的飞速发展,促使以智能手机为代表的移动设备数量迅猛增长。同时,移动设备处理能力的不断提升以及蜂窝网络带宽的不断增长,促进了移动应用程序种类和数
随着国家经济的不断发展,经济结构调整加快,居民生活水平的提高,居民生活用电比重将不断提高,居民用电影响因素也出现了新的变化。分析居民用户的差异化用电行为,研究居民用电行为特征,挖掘居民用电影响因素,进而对居民用电增长潜力进行预测,一方面,可以帮助电网企业了解用户的个性化、差异化服务需求,从而使电网企业进一步拓展服务的深度和广度,为未来的电力需求侧响应政策的制定提供数据支撑;另一方面,能够使电网企业
伴随着互联网及相关产业在全球范围内迅速发展,网络应用的业务量也越来越大。然而传统的TCP协议只能利用智能终端的一个通信接口进行单路径传输,难以满足大业务量应用高可靠
个性化推荐系统通过挖掘用户和项目的潜在关系,预测用户的偏好生成个性化推荐,已被成功应用到旅游、音乐、电影等领域。但随着云计算的发展,基于云环境的各类Web服务不断涌现