密集部署Small Cell网络中的干扰协调技术研究

来源 :北京邮电大学 | 被引量 : 1次 | 上传用户:myloft2w
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
随着移动互联网的快速发展,人们对高速数据业务的需求日益增长。在传统的异构网络中将更多的小型化基站(Small Cell)部署于宏基站(Macro Cell)的覆盖范围之下构成密集部署Small Cell网络,可以提高网络频谱利用率,从而有效地应对数据流量飞速增长的需求。由于Small Cell部署的密集性和随机性,Macro Cell与Small Cell之间的跨层干扰及Small Cell之间的同层干扰严重,已经成为制约网络性能和用户体验的关键因素,因此密集部署Small Cell网络中的干扰协调技术已经成为学术界和产业界的一个研究热点。本文主要针对密集部署Small Cell网络中Small Cell用户受到的同层干扰和跨层干扰进行了较为深入的研究,具体研究内容及成果如下:为了降低密集部署Small Cell网络中小区范围扩展(Cell Range Expansion,CRE)用户受到的同层干扰和跨层干扰,本文提出了 一种基于信道分配的干扰协调方法。首先通过图着色理论将相互之间干扰较大的Small Cell分到不同的分簇中,然后对不同分簇及Macro Cell中的用户分别进行有序的信道分配。不同分簇中的Small Cell通过降低功率可以减轻CRE用户受到的同层干扰。同时,Macro Cell通过功率控制减轻CRE用户受到的跨层干扰。仿真结果表明提出的方案在保证系统吞吐量的前提下,可以有效地降低CRE用户受到的同层干扰及跨层干扰,并大幅度的提升CRE用户的吞吐量。在密集部署Small Cell网络中,Small Cell之间的同层干扰尤其严重并且网络能效较低,针对这一问题,本文进一步考虑控制与数据分离的场景,提出了一种基于功率控制的同层干扰协调方法。首先结合Small Cell之间的干扰程度和负载水平将密集部署的Small Cell分为两簇。然后提出一种基于博弈论的Small Cell功率控制效用函数,在保证网络能效的同时减轻Small Cell用户受到的严重的同层干扰,并采用差分进化算法对效用函数进行求解,得到Small Cell的最佳发射功率。仿真表明提出的方案可以有效地节省密集部署Small Cell网络的能源消耗并大幅提升网络能效。
其他文献
随着计算机技术不断进步,互联网也进入了高速发展的时期,对人们生活工作的各个方面都产生了深刻的影响。然而目前互联网的体系架构难以满足人们日益增长的网络服务质量的要求
当今,随着人们对社会安全的重视程度越来越高,监控视频呈现爆炸性增长,如何传输和存储海量的监控视频成为急需解决的问题。本文首先介绍了现有的感兴趣区域编码技术以及监控
随着城市现代化进程的不断加速,城市人口不断增加,人们在生活中经常会遇到早晚高峰时期堵车、打车难等问题。随着GPS、Wi-Fi、RFID以及Bluetooth等无线智能设备的普及,移动轨
随着时代不断发展,网络媒体技术和网络通讯技术得到了迅速的发展,人们已不满足于语音以及图像业务的需求,有声音有图像,更加生动有趣的视频业务收到了大家广泛的喜爱。大家的
随着物联网的快速发展和产业的升级,边缘设备联网规模越来越大,但传统的集中式的物联网架构已经无法适应物联网技术的发展,面临着诸多问题,其中数据处理的实时性和数据交互的安全性最为突出。目前,针对物联网的实时性和安全性,还未真正地提出完美的解决方案,然而,边缘计算模型和区块链技术的出现,为上述问题的解决提供了可能。本文以边缘计算模型为核心,结合区块链技术的安全特性,设计一个新的物联网网关系统,以解决物联
卫星和地面移动通信系统中都需要对终端的运动速度进行估计,需要根据移动台速度来自适应调整发送模式和接收机参数等影响系统性能的指标。移动台测速的主要方式就是通过估计
三维多入多出(3D multiple input multiple output,3D MIMO)技术是当前研究的三热点,3D波束赋形是3D MIMO的关键技术。打破了天线发射波束只能在水平维度进行调整的限制,增加
作为未来无线通信关键技术之一,中继协作技术被广泛用于提升网络容量,但是相应的能耗问题也日益突出。如何提高中继协作网络的能量效率成为行业研究热点。网络编码技术通过数
现在互联网的主要功能已从传递端到端的消息转变为分发大规模的内容,如何高效节约地完成面向汽车用户的互联网内容分发是学术界和产业界一直共同关注的热点,也是本文的研究重
人脸识别一直是机器学习领域的热门问题,针对不同场景和不同目标,人们提出了各种解决算法。随着压缩感知理论的发展和成熟,其在人脸识别领域的一项应用就是稀疏表示识别算法,