热点部署场景下多天线蜂窝网络统计性能研究

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:wdc145
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
在移动互联网飞速发展的驱动下,移动终端上网、机器连接等产生的移动数据业务量快速增长,多样化的移动通信场景不断涌现。为应对数据的快速增长以及对多样化业务场景的支持,第五代(The Fifth-Generation,5G)无线通信系统相关研究工作已经全面展开,IMT-2020针对5G也提出系统容量超千倍增长的技术目标。多天线密集网络是5G提升系统容量的关键技术之一。其中,热点部署是多天线密集网络的典型部署场景之一,其基本思想是在人流密集区域集中部署大量微站。相比于传统蜂窝网络,热点部署场景下的密集网络面临更多的挑战:首先,热点区域的基站呈现簇状分布,使得网络拓扑结构发生变化。此外,基站的高密度部署使得网络干扰分布更加复杂。因此,建立贴合实际的基站部署模型,分析热点部署场景下密集网络性能与系统参数之间的关系,并结合网络干扰分布特点研究有效的干扰消除策略来提升网络性能具有重要意义。本文围绕热点部署场景下多天线密集网络展开了相关研究。结合随机几何理论推导了网络性能指标的表达式,并分析网络成簇特性对系统性能的影响。在此基础上,结合网络干扰的成簇特性,进一步研究了基于簇内多点协作的干扰协调策略并对用户速率性能进行了分析与优化,旨在为5G密集网络部署与优化工作提供参考。首先,针对热点部署场景下的单层多天线小基站网络,本文采用高斯泊松点过程建模小基站的分布,利用随机几何工具推导了系统区域频谱效率的一般性表达式和逼近表达式,并分析了区域频谱效率与网络部署参数的关系,得出如下结论:区域频谱效率随着成簇概率的增大而增大,随着成簇半径的增大而减小,在基站端配置多根天线可以显著提升区域频谱效率。当基站端配置固定数目的天线时,基站端存在最优的调度用户数使得系统区域频谱效率达到最大。理论分析和仿真结果显示,相比于均匀部署,热点部署场景下网络干扰分布呈现成簇特性,且由于簇内基站间距离较近,严重的簇内干扰是阻碍热点部署场景下系统性能提升的主要因素。在多天线密集网络中,多点协作是对抗小小区间干扰的有效手段。考虑到簇内干扰是热点部署场景下限制系统性能的主要因素,可以通过在单个簇内形成较小规模的协作集群来消除簇内干扰,一方面可以有效提升系统性能,同时也可以避免整个网络的信令交互带来的巨大开销,实现复杂度较低。结合簇内干扰消除策略,本文进一步对热点部署场景下的用户速率性能进行分析与优化。首先推导了用户平均可达速率一般性表达式,并分析其与基站端用以消除簇内干扰自由度数目的关系。根据表达式,本文从理论上证明了基站端用以消除干扰的最优自由度的存在,该最优解可以通过一维数据搜索的方式快速得到。理论分析和仿真结果显示,在成簇半径较小的情况下,即簇内干扰较大时,利用尽可能多的自由度来消除簇内干扰可以有效提升用户速率性能。然而,随着成簇半径的增大,利用较多自由度来消除簇内干扰带来的性能增益逐渐降低。这说明,当基站端配置固定数目的天线时,利用空域自由度在干扰抑制和传输有用信号之间存在折中关系。通过设置最优自由度,可以实现发送有用信号与干扰抑制间的最佳折中,从而使得用户速率达到最大。
其他文献
目的:本研究通过分析长链非编码RNA Linc01021和微小RNA miR-576/miR425在大肠癌与癌旁正常粘膜组织中的表达差异及它们之间的相关性,研究了Linc01021和miR-576/miR-425表达
目的研究以PLGA-PDPA纳米粒作为光热转化材料,利用剪切波弹性成像监控肝组织的光热消融治疗,以探索新的肝脏光热消融治疗实时监控方法。方法利用双乳化法制作PLGA微球,在碱性
断奶仔猪腹泻(Post-weaning diarrhoea,PWD)是影响仔猪生产效益的主要因素,蛋白质是仔猪生长的必需营养物质,可通过结肠发酵、过敏反应等引发仔猪腹泻。而结肠作为吸收水分的
目的:越来越多的证据支持长链非编码RNA ZFAS1(LncRNA ZFAS1)可作为蛋白调节剂介导多种癌症的发生发展,然而其在结直肠癌中的生物学功能与分子调控机制尚不完全清楚,因此,挖
目的:探究金雀异黄素(genistein,GEN)对脂多糖(lipopolysaccharides,LPS)活化的巨噬细胞凋亡的影响及是否与调节TIPE2/Akt通路有关。方法:1.将1 000 ng·mL-1LPS作用于RAW264.7细
随着数据信息化的日益发展,人工地从数据中筛选出需求的信息已经变得十分困难,为此研究者以统计学思想为基础提出了机器学习方法,而其中分类、聚类和回归分析等知识发现方法更是获得了较为广泛的应用。但原始数据中可能存在的冗余及偏差信息会导致知识发现算法难以获得预期的结果,因此预先对数据进行必要的处理在机器学习领域的研究中同样十分重要。以属性选择算法为代表的数据预处理技术被提出用来从从原始数据中提取出更加重要
背景和目的药物的靶向治疗是近些年来研究的热点,索拉菲尼作为一种口服多重激酶抑制药,具有抑制肿瘤细胞增殖和血管形成的双重作用,作为治疗肝癌和转移性肾细胞癌的一线药物,
随着人类基因组计划测序工作完成,蛋白质的相关研究已成为当今生命科学的主要研究内容之一。配体结合蛋白在诸多生物过程中发挥关键作用。蛋白质-配体结合残基的识别对于理解蛋白质功能有重要意义。由于传统测定方法的技术细节复杂且成本高昂,处理海量的蛋白质需要计算方法的参与。已知的计算方法均基于传统机器学习,可被粗略地分为基于序列的方法和基于三维结构的方法,两者的根本区别在于是否使用三维结构,前者已在一系列结合
机器学习试图使用图结构化数据作为特征信息进行预测或发现新的模式,其研究重点主要集中在嵌入图中的离散节点进入具有某些所需几何特性的连续空间。尽管图表示学习潜力巨大,但将图嵌入到低维空间并不是一项简单的任务。本文的工作重点是赋予神经网络表示适当的几何结构,以捕获图数据的基本属性,特别是层次结构和聚集行为。而复杂网络中的异质和高聚集拓扑特性却令人惊讶的反映在双曲负曲率空间的基本属性中。因此,本文的目的是
植物的生活与微生物息息相关并且能和多种微生物建立共生关系。这些共生微生物能够影响宿主植物的生长、代谢、抗胁迫等能力,因此这些共生微生物菌剂在可持续农业发展上显示