超密集网络高能效资源管理算法研究

发布时间：2021-01-15 20:58

　　随着移动互联技术的高速发展,互联网创新和移动应用生态演进,大量新兴移动业务不断涌现,智能移动终端的数量和种类不断增加,网络速率要求不断提高。与此同时,信息通信技术（Information and Communication Technology,ICT）产业的能耗和相关污染问题正成为社会经济关注的焦点。作为下一代蜂窝移动通信网络关键技术之一,超密集网络（Ultra-Dense Networks,UDNs）希望通过在宏基站覆盖下引入大量小覆盖、低能耗的接入节点缩短用户与其关联接入节点的距离,在提高网络容量的同时降低系统总体能耗。然而,大量小覆盖、低能耗接入节点的密集部署使网络拓扑结构变得更加复杂,网络中的干扰问题变得严重,给无线网络的资源管理和性能优化带来严峻挑战。本论文研究面向高能效的超密集网络资源管理技术,主要研究内容和贡献包括以下四个方面:第一,针对最大化系统能效的超密集网络下行链路功率资源分配问题,基于超密集网络架构特征建立了最优化模型,从优化性能、复杂度与坏境适应性的角度,分别提出了集中式、分布式和鲁棒分布式三种功率资源分配算法。为克服原问题的非凸性,论文基于分数规划理论将原问... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：123 页

【学位级别】：博士

【部分图文】：

所提以最优化为目标的集中式算法、文献[35]所提系统吞吐量最大化算法、文献[36]

图2-1 所提以最优化为目标的集中式算法、文献[35]所提系统吞吐量最大化算法、文献[36]所提系统能耗最小化算法收敛结果对比图2-2 所提集中式算法（表 2-1）、基于 ADMM 的分布式算法（表 2-2）、鲁棒分布式算法（表2-3）、文献[42]中算法收敛结果对比

越大的信息交互失败概率导致更多的无效迭代，这使得鲁棒分布式算法累积收敛迭代次数越多。图2-3 在不同停止条件下三种算法的收敛速度根据 2.4.2 节的分析，本章所提分布式算法具有在超密集网络场景中单次迭代运算复杂度低，同时在具体实现时可以通过N 个本地节点并行运算两方面的优点，算法运算时间效率非常高。表 2-5 统计了不同停止条件 下算法运行时间开销。我们在仿真中利用 MATLAB 并行运算工具箱，通过初始化了多个进程，分别实现表2-2中步骤2和表2-3中步骤2的并行运算。仿真在硬件配置为i7-6500 CPU，16GB RAM，Win10 操作系统进行。通过表 2-5 可以看到，虽然基于 ADMM 的分布式算法需要更多的迭代步骤


本文编号：2979502