超密集网络
超密集网络的相关文献在2014年到2022年内共计273篇,主要集中在无线电电子学、电信技术、自动化技术、计算机技术
等领域,其中期刊论文102篇、会议论文5篇、专利文献425631篇;相关期刊63种,包括无线互联科技、科学技术与工程、电讯技术等;
相关会议4种,包括2017第十九届中国科协年会、第十七届全国信号处理学术年会、2014年全国无线电应用与管理学术会议等;超密集网络的相关文献由573位作者贡献,包括李曦、纪红、张鹤立等。
超密集网络—发文量
专利文献>
论文:425631篇
占比:99.97%
总计:425738篇
超密集网络
-研究学者
- 李曦
- 纪红
- 张鹤立
- 刘楠
- 尤肖虎
- 潘志文
- 朱晓荣
- 田心记
- 冀保峰
- 张晶
- 王珂
- 张浩天
- 王一丹
- 贾文杰
- 邢冰冰
- 宋梁
- 张高远
- 李春国
- 郑国强
- 陈苏丹
- 马华红
- 不公告发明人
- 刘宜明
- 周朋光
- 张国斌
- 李沛
- 李玉琦
- 程万里
- 赵夙
- 高宏峰
- 丁无穷
- 仵姣
- 刘婷婷
- 刘旭
- 吴红海
- 姜静
- 孙力帆
- 孙长印
- 张忠培
- 张海君
- 文红
- 景文鹏
- 朱洪波
- 李兴旺
- 杨晨阳
- 杨龙祥
- 梁彦霞
- 温向明
- 潘鹏
- 熊有志
-
-
李晓娜;
付婧雯
-
-
摘要:
针对超密集网络场景,提出一种基于能量效率优化的干扰协调方案,通过粒子群优化算法联合调整基站活跃状态概率、基站发射功率以及协作用户数量,并在确保边缘用户满意度的前提下,优化系统的能量效率。实验结果证明,提出的方案相比传统联合传输方案可获得10.30%的能量效率增益,相比非协作方案可获得18.73%的能量效率增益。
-
-
陈发堂;
杨玲;
夏苗苗
-
-
摘要:
随着计算密集型和数据密集型应用程序的激增,移动边缘计算(Mobile Edge Computing, MEC)被提出,可为无线网络边缘的用户提供强大的计算能力。然而当大量用户将计算任务卸载到边缘服务器时,反而会增加网络负载和传输时延。文中针对计算资源有限的超密集网络中的计算负载,考虑任务卸载和资源分配的联合优化问题,提出了算法以最小化超密集网络(Ultra-Dense Network, UDN)总开销。文中将该联合优化问题划分为多个子问题。首先计算最小本地开销;然后为计算最小边缘开销,将任务卸载与资源分配问题划分为信道分配子问题和功率分配与卸载决策子问题;最后引入相应的拉格朗日函数,并采用内点惩函数法和Frank-Wolfe方法递归地解决子问题。仿真结果表明,与传统的基本算法相比,文中所提算法可有效减少系统总开销,同时有效减少能源开销和传输时延。
-
-
毛晋;
熊轲;
位宁;
张煜;
张锐晨
-
-
摘要:
针对超密集网络中由于用户数量多、相互距离近,通信过程中彼此之间干扰大,导致频谱利用率不高的问题,建立了通过优化控制发射功率同时提升系统信息容量和满足服务质量的用户数量的优化问题.由于该问题非凸且功率控制为离散变量,将其建模为马尔科夫决策过程.在此基础上,提出了基于深度强化学习的功率控制算法,并设计了相应的动作空间、状态空间及奖励函数.仿真结果表明,所提算法与最大发射功率策略和随机发射功率策略相比,分别提高了至少15.9%的信息容量和至少10.7%的用户服务质量满足率.与不考虑用户服务质量满足率提升的算法相比,所提算法通过适当降低信息容量,提升了用户服务质量满足率.
-
-
魏兴民;
孟馨元;
潘鹏
-
-
摘要:
针对超密集网络的下行传输,分析研究了频谱效率和功率分配方案,并基于对性能和复杂度的综合考量,提出了密集部署接入点(Access Point,AP)基于部分用户迫零和按需进行局部协作的功率分配方法。先假设每个AP知道用户的位置信息,且仅服务其附近的用户,利用迫零准则消除所服务用户之间的干扰,即部分用户迫零。功率分配则基于信道大尺度衰落进行。但可能存在无法满足部分用户最低通信需求的情况,需针对这部分用户形成局部协作簇,并对功率分配进行重新优化。仿真结果显示,该算法在避免了功率资源全局优化带来的高计算复杂度问题的同时,也保证了系统性能。
-
-
曾蓉晖;
林兵;
王明芬;
林凯;
卢宇
-
-
摘要:
传统网络架构部署下的边缘服务器难以满足大规模用户设备的接入和通信质量要求。为增加网络容量,提高频谱利用率,通过密集化基站的部署,构建一种面向超密集边缘计算网络的任务卸载优化模型。面对信道状态的变化、移动设备的动态需求以及服务器和频谱资源的有限性对任务卸载带来的挑战,结合任务类型和服务器的计算能力,并考虑信道状态变化、移动设备的动态需求以及干扰约束对卸载策略的影响,提出一种基于自适应模拟退火遗传(AGASA)算法的任务卸载方法,在满足任务截止期限的同时,对任务卸载能耗进行优化。同时,为得到最优上传功率,采用黄金分割算法解决功率控制问题,从而降低传输能耗。实验结果表明,AGASA算法在信道状态变化时可保证通信质量和计算效率,相比混合遗传粒子群算法,能够在满足截止期约束的同时使卸载能耗降低15.56%。
-
-
刘振鹏;
郭超;
王仕磊;
陈杰;
李小菲
-
-
摘要:
超密集网络与边缘计算相结合时,高密度的基站分布可能会对同一用户重复覆盖,该用户选择不同基站进行卸载将会对系统性能产生不同影响,由此引出卸载对象选取问题。同时边缘计算可以将部分任务卸载到边缘服务器进行处理,选择合适的卸载比例能够显著降低所需的时延和能耗,由此引出卸载比例选取问题。提出一种超密集网络环境中基于博弈论和启发式算法的边缘计算卸载策略。针对卸载对象选取问题,根据边缘服务器到用户之间的距离和工作负载定义偏好度指标,各用户根据偏好度进行博弈后选择卸载对象,并对用户进行分组,将原问题分解为若干个并行的子问题。针对卸载比例选取问题,基于萤火虫群优化算法对各用户的卸载比例进行优化,得到适当的卸载比例。与全本地处理(ALP)策略、全卸载策略(AOS)和基于粒子群优化(PSO)算法的卸载策略进行对比,实验结果表明,ALP和AOS策略在总能耗和平均时延上具有一定的局限性,相比基于PSO的卸载策略,所提策略的时延降低22%,能耗降低20%,可以有效减少系统损失。
-
-
张俊杰;
仇润鹤
-
-
摘要:
针对下行的异构认知超密集异构网络(UDN)的多维资源配置问题,提出一种以毫微微小区用户最大吞吐量为目标的联合优化用户关联和资源分配的改进遗传算法。首先,在算法开始之前进行预处理,初始化用户可达基站和可用信道矩阵;其次,采用符号编码,将用户与基站以及用户与信道的匹配关系编码为一个二维的染色体;然后,将动态择优复制+轮盘赌作为选择算法,以加快种群的收敛;最后,为避免算法陷入局部最优,在变异阶段加入早熟判决的变异算子,从而在有限次迭代下求得基站、用户、信道的连接策略。实验结果表明,在基站与信道数量一定时,所提算法与三维匹配的遗传算法相比在用户总吞吐量方面提高了7.2%,在认知用户吞吐量方面提高了1.2%,且计算复杂度更低。所提算法缩小了可行解的搜索空间,能在较低复杂度下有效提高认知UDN的总吞吐量。
-
-
韩志豪;
赵东来;
王钢
-
-
摘要:
超密集网络(Ultra-Dense Network,UDN)作为5G的关键技术之一,密集分布的小基站带来了系统容量和传输速率的提升,已成为近年的研究热点.针对UDN中严重的同层与跨层干扰问题,将博弈论应用到频谱分配中,求解相关均衡得到优化的频谱分配策略.使用Matlab对基于博弈论的频谱分配策略(SAGT)、对图论着色算法(GCA)和频谱随机分配算法(RSA)的性能进行了仿真.仿真结果验证了SAGT的性能,表明SAGT可以在有限的频谱资源下能有效地提高频谱的利用率.
-
-
郑冰原;
孙彦赞;
吴雅婷;
王涛;
方勇
-
-
摘要:
小基站的密集随机部署会产生严重干扰和较高能耗问题,为降低网络干扰、保证用户网络服务质量(QoS)并提高网络能效,构建一种基于深度强化学习(DRL)的资源分配和功率控制联合优化框架.综合考虑超密集异构网络中的同层干扰和跨层干扰,提出对频谱与功率资源联合控制能效以及用户QoS的联合优化问题.针对该联合优化问题的NP-Hard特性,提出基于DRL框架的资源分配和功率控制联合优化算法,并定义联合频谱和功率分配的状态、动作以及回报函数.利用强化学习、在线学习和深度神经网络线下训练对网络资源进行控制,从而找到最佳资源和功率控制策略.仿真结果表明,与枚举算法、Q-学习算法和两阶段算法相比,该算法可在保证用户QoS的同时有效提升网络能效.
-
-
何云;
申敏;
张梦
-
-
摘要:
该文研究多载波超密集网络(UDN)上行链路能效最优功率分配方案,基于非合作博弈论提出一种抗干扰分布式功率分配方案,使每个小区独立优化能效的同时抑制邻小区干扰.由于最大传输功率和QoS约束下的能效函数具有不易解决的非凸特性,且小小区间存在严重干扰.针对以上挑战,该文在最佳响应过程中设计了一种高精度低复杂度的阶梯注水算法,基于该算法利用干扰信道增益提出了一种多用户抗干扰功率分配算法.仿真结果和数值分析表明该算法运算复杂度低,且能在保证系统频谱效率的同时大幅度提升系统能效.
-
-
Haichao WANG;
王海超;
Guoru DING;
丁国如;
Le WANG
- 《2017第十九届中国科协年会》
| 2017年
-
摘要:
通过网络设施的密集化部署,超密集网络可以有效的提高网络覆盖率和增加系统容量.与此同时,由于无人机的灵活性,无人机通信与网络逐渐引起人们的广泛关注.文章通过四个典型场景展现了无人机在超密集网络中的应用前景.紧接着,本文讨论了在无人机辅助超密集网络中的有效功率控制方式,包括集中式控制和分布式控制方法.并且通过仿真实例说明无人机的潜在优势.rn 集中式控制方法适用于网络状态信息变化较慢的场景。在此方法中,中心控制器掌握所有的信息并且依据此信息做出相应的决策。所需要的信息涉及到网络状态、频谱状态、无人机以及用户的信息。其中网络状态信息是指其他接入点形成的网络,频谱状态信息是指可以利用的频谱资源,无人机信息包括无人机的数目、速度、轨迹、能量等,而用户信息主要指的是用户的地理位置信息,用户需求等。rn 集中式控制方法比较成熟,比如凸优化、分数规划、几何规划和连续凸规划等。在某些情况下这些方法可以得到一个最优解,但是通常情况下,最优解难以获得。因此考虑到算法复杂度,可行的次优解也是可以接受的。rn 尽管集中式方法可以获得性能良好的解,但是集中式方法需要中心控制器,并且会产生大量的信息交互。相比之下,分布式方法也是一个研究方向。在分布式方法中,不存在中心控制器,所有的行为由用户或者无人机自己决定,因此用户或者无人机需要感知当前网络状态和频谱状态信息。
-
-
BAI Lu;
白璐;
LIU Ting-ting;
刘婷婷;
YANG Chen-yang;
杨晨阳
- 《第十七届全国信号处理学术年会》
| 2015年
-
摘要:
在超密集网络中,全频重用能够提升网络的平均吞吐量,但严重的小区间干扰限制了边缘用户数据率的提升.如何有效地管理超密集网络中的干扰、提升边缘用户数据率是重要的研究问题.本文研究了超密集网络中两种有代表性的干扰协调方法,随机干扰协调和基于拓扑干扰协调,分析了这两种方法的平均数据率和边缘用户数据率、以及系统参数对其性能的影响.理论分析和仿真的结果表明,采用随机干扰协调能够提升边缘用户的信干噪比,但不能提升边缘用户数据率.这使得当系统增加频率重用因子时,会牺牲平均用户数据率同时也不能提高边缘用户数据率.采用基于拓扑的干扰协调能够同时提升边缘用户的信干噪比和数据率;当频率重用因子较低时,提高重用因子可以通过以较少牺牲平均用户数据率为代价有效提高边缘用户数据率,从而实现平均数据率和边缘用户数据率的折中.
-
-
-
HUANG Li-feng;
黄李峰;
TIAN Ya-fei;
田亚飞
- 《第十七届全国信号处理学术年会》
| 2015年
-
摘要:
针对超密集网络(UDN,Ultra-Dense Networks)中的小区间干扰问题,提出一种基于上下行对偶性的分布式干扰协调方法.首先设计了新的TDD帧格式,在原有LTE标准的基础上加入了信道估计部分与上下行迭代部分;接着利用网络的对偶原理,设计了新的迭代干扰处理算法,将最大化信干噪比和最小化残留干扰相综合,实现最大全网和数据的优化目标.理论分析和仿真结果表明,基于最大信漏噪比准则选取迭代初值时,可在一次迭代后达到较好的和数据率性能;并且该方法能在较短的时间内完成干扰协调,只需要已知局部信道信息,在UDN中易于实现,性能上优于其他分布式迭代干扰处理算法.
-