超密集组网下基于链路效率的多连接小区选择算法

在5G超密集网络场景下,通过用户双/多连接技术可提高用户吞吐量,降低频繁切换带来的链路失效率。但是,随着链接数的增加,链路管理和资源分配带来的控制信令开销将增加,多链路带来的边际效益递减。为此,提出了多连接链路效率的概念,据此设计了基于链路效率的小区选择算法。该算法基于最大化用户和平均链路速率问题,在基站端及用户端采用变量松弛和拉格朗日对偶分解法来求解。仿真结果表明,多连接的小区选择问题能提高系统吞吐量,在获得更大的用户和速率的同时,也带来链路使用效率的提升。     

基于二分图的自适应推荐算法

本文提出了一种基于赋权二分图的网络结构推荐算法,将归一化后的用户对物品的评分赋值给用户-物品的连边,构建一个用户-物品赋权二分图。提出了一个物品的度调整因子,减少度大的流行物品对其他物品的分类影响。同时,考虑到要减少大量使用流行物品的用户的推荐权重,提高使用非流行物品的用户的推荐权重,提出了用户度调整因子,提高大度用户的推荐能力,因为他们较多选择了非流行物品。测试表明,通过引入用户和物品的自适应度调整因子,提高了推荐算法的精确性。     

机器学习在5G超密集网络切换中的应用

超密集网络（Ultra-dense Network,UDN）作为5G网络架构的关键技术,其切换时延及无效切换等已成为网络发展的巨大挑战。提出了一种基于集成策略的机器学习算法,并结合用户的移动性数据,进行较高精确度的切换预测,减少切换时延及非必要切换等目标。仿真结果表明,采用结合改进机器学习算法的切换策略,不必要切换率降低了40.2%,平均时延降低了28.6%。     

一种超密集网络基站分簇管理算法

为了降低超密集网络中基站管理算法的计算复杂度并提升基站的能源使用效率,根据用户密度、网络负载量等信息,提出了一种基于分簇的动态管理基站算法。该算法首先根据用户测量报告计算出理论最小需求基站数,然后对基站进行合理的网络分簇,最终通过粒子群优化算法确定基站休眠组合。仿真结果表明,与未进行分簇的基站管理算法相比,该算法可以降低约60〖WT《Times New Roman》〗%〖WTBZ〗的计算复杂度,并能有效降低基站能源消耗。     

多小区OFDMA系统基于改进PSA的资源分配算法

针对载波、功率资源分配问题,考虑本小区对其它小区的干扰情况,提出了一种应用于多 小区正交频分多址复用（OFDMA）系统中的改进罚函数模拟退火(PSA)算法。该问题模型是在 传输速率和性能 一定的条件下,最小化传输功率。该算法是一种随机寻优算法,是一种能将局部搜索扩展为 全局搜索的启发式算法。仿真结果表明,改进算法简化了问题模型,可以在不影响系统性能 的情况下减少运算时间。基于模拟退火算法的离散功率的取值具有随机性,但是整体规律性 仍很明显,且能够获得较高的单位功率吞吐量。     

多小区OFDMA系统基于罚函数-SA的资源分配算法

在多小区OFDMA系统中,基于集中式资源管理,考虑本小区对其它小区的干扰情况, 对各个小区的子载波和功率分配进行调整,从而达到最小化总功率的目的。基于离散功率取 值,提出了一个资源分配组合优化问题模型。为了进一步降低模型复杂度,采用罚函数的方 法简化问题模型,用改进的模拟退火算法进行求解。理论分析和仿真结果表明,与A. Abrar do 提出的多分配算法相比,所提出的算法能够有效降低算法复杂度,且能够获得更好的 吞吐量。     

基于先进小区干扰协调技术的异构网络联合资源分配

高发射功率的宏基站与低发射功率的小基站之间的资源分配策略直接影响着异构蜂窝网络的性能。这是一个联合资源优化问题,即用户的基站接入选择、宏基站预留给小基站的资源数量和基站的调度策略。针对这一问题,利用块并列下降方法,提出了一组新颖的资源优化算法。所提出的解决方案能分布式实现,并兼容先进长期演进技术（LTE-A）协议中的先进小区间干扰协调技术（eICIC）。大量的动态系统级仿真结果表明系统性能和用户间公平性都得到了显著提升。     

毫微微小区中一种基于分组的资源分配方法

为有效解决毫微微小区间（Femtocell）干扰,采用分布式方式对毫微微小区进行资源管理。首先,对毫微微接入点（FAPs）进行分组。基于Lingo数学建模的思想,提出了一种解决分组优化问题的算法。该算法在使用分支定界算法寻找最优解的同时,通过建立单纯形表剪去偏离最优解方向的分支;其次,每组选择一个簇头为本组内FAPs分配资源,为此,提出了新的子信道分配方法,该方法根据干扰指示矩阵修正子信道分配的情况。仿真结果表明：和其他算法相比,提出的算法不仅能找到分组优化问题的最优解,并且效率更高;另外,提出的资源分配算法不仅减小了用户间干扰,而且提高了户间速率公平。     

上行SCMA系统的动态子图检测算法

面对未来网络需求量的爆炸性增长,稀疏码多址接入（Sparse Code Multiple Access,SCMA）作为一种基于码本的非正交多址技术,在用户连接数、频谱效率和低时延都有很大的提升。由于码字的稀疏性,SCMA采用消息传递算法（Message Passing Algorithm,MPA）实现多用户检测,但是复杂度还是相对较高,以至于很难应用于实际系统。为了解决上述问题,提出了一种动态子图消息传递算法（Dynamic Sub-graph Message Passing Algorithm,DS-MPA）进行信号检测。DS-MPA利用剩余值来确定下一次迭代的子图,减少了资源节点的更新用户数量,达到了降低复杂度的目的。仿真结果显示算法性能几乎无损并且降低了1/3左右的复杂度。     

一种适用于超密集网络下行链路的干扰抑制方案

在超密集网络（UDN）下行链路场景中,为了有效克服因节点间距减小、邻近节点传输损耗相差不大而产生多个强度相近的干扰源对用户性能的影响,提出了一种基于优先级以用户为中心的小区间干扰抑制方案。为了便于量化基站协作取得的带宽性能增益,采用了一种计算带宽盈亏率的定量分析指标。通过该指标,易于确定在特定UDN场景下干扰协调方案是否处于盈利状态,进而通过系统能够接受的最大损耗比优化参数配置。仿真结果表明,该干扰抑制方案能显著提升用户的信号干扰噪声比（SINR）性能,且能更好地保障用户公平性,有效地克服了用户SINR性能在基站数较多时受天线数限制的缺陷,为提升UDN网络用户性能和系统性能提供了一种解决方案。     

采用混合图的双向异质频谱拍卖算法

为了解决频谱稀缺的问题,提高频谱利用率,采用频谱拍卖方法激励主用户（卖家）出售空闲的频谱,次用户（买家）通过在拍卖中获胜得以接入其急需的频谱,提出了一种采用混合图的双向异质频谱拍卖算法(Double Auction based on Mixed Graph for heterogeneous spectrums,MGDA)。该算法使用混合图能够更准确地量化买家之间对于频谱的干扰情况,使频谱交易数量最大化,显著提高了频谱利用率。MGDA还考虑了频谱的异质性,允许买家表达对不同频率频谱的偏好,为不同的频谱建立不同的频谱干扰图。仿真结果表明,MGDA在空间利用率、买家满意度和拍卖收益等方面具有良好的性能,空间利用率比采用无向图的拍卖算法提高5.8%~13.6%。     

Scalability and robustness of a network resource allocation system using market-based agents

In this paper, we consider issues associated with scalability and robustness in designing a market-based multi-agent system that allocates bandwidth in a communications network. Specifically, an empirical evaluation is carried out to assess the system performance under a variety of design configurations in order to provide an insight into network deployment issues. This extends our previous work in which we developed an application that makes use of market-based software agents that compete in decentralised marketplaces to buy and sell bandwidth resources in a network that is partitioned into regions, each with a separate market server. We investigate the average call success rate and average message load per market server, as the number of markets are scaled up in a fixed size network. The same investigations are performed in the presence of single market failures. Finally, for both the failure and non-failure cases, a trade-off is found between their average call success rates and message load per server in order to find an optimum number of regions to deploy in the network.     

协作多组多播认知无线网络的资源优化配置

考虑到无线电频谱资源日益紧缺,提出了一种基于组间组内协作传输的多播组新机制,涉及多个多播组并使用同一频谱资源以协作方式传输信息。基于认知无线网络中该机制,研究了系统的资源优化配置,理论分析得出了功率分配方案,进而讨论了系统加权总传输速率的优化,同时考虑了主用户和认知用户之间信号干扰及功率限制对传输速率的影响,最优化用户性能。仿真结果表明,优化方案下多播组传输速率随用户人数的增加而上升,达到最优化用户服务质量;当功率限制时,通过设置加权因子,能够保证主用户拥有良好的通信性能。     

认知型飞蜂窝网络中的子信道分配与功率控制

为了解决宏蜂窝与飞蜂窝构成的两层异构网络上行干扰与资源分配问题,提出了一种在认知型飞蜂窝的双层异构网中结合子信道分配和功率控制进行资源分配的框架。通过对异构网中跨层干扰问题进行分析与建模,将求解最优子信道分配矩阵和用户发射功率矩阵作为干扰管理问题的解决方法。模型中认知型飞蜂窝网络子信道和飞蜂窝网络用户构成非合作博弈,双方利用效用函数最优值进行匹配,构成初始信道分配矩阵;再由接入控制器根据接入条件从初始信道分配矩阵中筛选用户,并优化接入用户的发射功率矩阵,得到最优子信道分配矩阵和功率矩阵。仿真结果表明,优化框架提高了双层异构网络中飞蜂窝网络用户的吞吐量和接入率,降低了异构网中跨层干扰。     

OFDM双向多跳网络的新型比特和功率分配算法

结合新型双向多跳网络协议和正交频分复用技术,研究旨在保证通信质量情况下的自 适应比特和功率分配算法,其目的是以较小发送功率和较高频谱效率完成通信。通过凸优化 理论推导出最优功率分配算法,并提出一种基于贪婪原则的自适应比特分配算法,能够以较 低的复杂度在实际工程中完成部署。仿真分析表明,提出的双向多跳算法是传统多跳协议频 谱效率的2倍,所需发送功率是平均资源分配算法的1/3。     

自相似业务流下的星上交换全局优化缓冲分配算法

针对空间信息网络星上交换节点缓冲资源有限,提出一种适用于星上交换的缓冲优化分配算法。采用了Crossbar交换模型,在此基础上建立了虚通道自相似排队模型,通过计算每个虚通道缓冲溢出概率并采用遗传算法来实现缓冲资源全局优化分配。仿真结果表明,与均匀分配算法和贪婪分配算法相比,新算法具有更好的延时性能,在同等分组平均时延、业务流自相似程度为0.6和0.8的情况下,新算法比均匀分配算法可分别节省24.5%和26.4%的缓冲资源,并且分配效率比贪婪分配算法提高约21.9%。