异构网络环境下无线资源管理关键技术研究

发布时间：2020-03-24 20:06

【摘要】：无线通信技术的迅猛发展,构成了多无线接入的异构网络环境,未来无线通信系统的重要发展趋势将是异构、融合与协同,它将集成和管理多种异构无线接入网络,为多模终端提供泛在的异构无线接入环境,充分满足用户在不同应用场景下日益增长的业务需求。无线网络资源管理技术是提升系统性能、保证用户服务质量(Quality of Service,QoS)、提升用户体验质量(Quality of Experience,QoE)的关键技术。本文紧紧围绕异构无线网络环境下无线资源管理主题开展工作,侧重研究了在异构融合网络中用户的接入选择、功率分配以及多业务类型的联合资源优化算法,并对异构网络系统的能效进行了分析和建模,以期达到提升无线异构融合系统的通信性能,充分利用系统资源的目的。针对无线异构融合环境下的用户接入选择问题,首先从衡量网络性能的客观属性出发,提出了基于属性正交化的接入选择算法。算法根据无线网络剩余带宽、阻塞率、接入信号强度、逗留时间等属性构建判决矩阵,通过规范化和正交化的处理方式得到对网络实际性能衡量的属性测度矩阵。再构建合理的属性权重优化函数,并采用混沌萤火虫算法对属性权重优化函数进行求解得到合理的权重值分配方案,最终为用户选择最佳网络进行接入。仿真结果证明了接入算法能够有效的提升网络负载均衡程度,降低用户丢包率。对于异构网络中用户体验和绿色节能的问题。首先从异构融合网络联合接入选择和功率分配机制入手,研究一种基于多目标优化的联合接入选择和功率分配算法,算法以系统能耗最低和用户平均体验质量最大化构建多目标优化模型,通过差分进化算法得到联合分配模型的最优解集,并结合TOPSIS的方法从最优解集中得到折中的联合分配方案。其次,考虑用户承载业务的差异性,研究基于业务差异性的联合资源分配优化算法,该算法从用户承载业务的差异性入手,研究建立基于承载业务特性的用户体验质量模型,并结合系统能效,提出用户维度下用户体验感知能效最大化的优化模型,并通过混沌遗传算法实现对优化模型的求解,从而实现无线用户有效的接入和异构网络的功率分配。仿真结果表明,该类算法能够有效的降低系统能耗,提升系统能效,并能够有效提升用户的服务体验。针对异构无线网络用户服务的公平性问题,首先结合用户能效和用户体验质量构建单位能耗下用户体验模型(QEE),并结合所提模型的特性,研究用户在传输过程中理论上QEE的最大值。通过优化用户实际传输过程中的QEE与理想QEE的贴近度总和最大化,从而实现在保证用户服务公平下的异构网络的功率分配。其次,考虑用户所承载业务的重要度,提出区分业务重要度的比例公平优化算法,该算法从业务对网络运行的影响程度入手,利用运筹学理论计算各个业务的重要度,并结合比例公平模型,提出区分重要度的比例公平模型,进而通过对模型的优化实现用户的最优接入和最优功率分配方案。该类算法通过公平性指标、后10%用户的服务体验以及劣质体验用户体验质量比重等方面对用户的公平性进行了分析,仿真结果表明,该类算法能够有效的提升用户的公平性。此外,还能有效区分承载不同重要等级业务用户的服务体验。研究分布式架构的异构网络环境下的功率分配问题,提出了基于博弈理论的功率分配算法。首先分析在宏微蜂窝频率复用的条件下,宏微蜂窝之间的干扰特性和用户服务需求。并保证宏蜂窝用户服务质量需求的前提下,将微蜂窝用户传输功率分配过程建立为微蜂窝用户非合作博弈的过程,从而通过迭代的方式得到最优的功率分配方案。其次,结合混合供能技术,从可靠性、经济性和环保性的角度建立用户效用模型,并结合主从博弈理论,提出基于主从博弈的功率分配算法。算法将宏蜂窝用户和微蜂窝用户分别建立为领导者和跟随者,通过分布式迭代算法达到主从博弈的均衡点,从而实现在混合供能异构网络框架下用户功率的分配。仿真结果表明算法能够达到博弈的均衡,提升各个博弈参与者的效用。此外还能有效的提升系统性能。
【图文】：

模型图,异构,无线网络,模型

图２－１异构无线网络模型逡逑Ｆｉｇ．２－１邋Ｓｙｓｔｅｍ邋ｍｏｄｅｌ邋ｏｆ邋ｈｅｔｅｒｏｇｅｎｅｏｕｓ邋ｎｅｔｗｏｒｋｓ逡逑

萤火虫,算法收敛性,算法,测试函数

第２章异构融合网络中接入选择算法逡逑２．４仿真结果分析逡逑本章仿真环境采用图２－１所示的仿真场景。假设用户随机分布在重叠覆盖小区逡逑中并且其在小区内的移动速度也是从０到１２０ｋｍ／ｈ随机的分布，所采用的参数如文逡逑献［６９］所示。萤火虫个数设为１００只，最大吸引度为１．０，相关参数如表２－１所示。逡逑表２－１仿真参数逡逑Ｔａｂｌｅ邋２－１邋Ｓｉｍｕｌａｔｉｏｎ邋ｐａｒａｍｅｔｅｒｓ逡逑ＬＴＥ逦ＷｉＭＡＸ逡逑覆盖半径（ｍ）逦２００逦１０００逡逑有效带宽（ＭＨｚ）逦５．５逦２逡逑实时业务带宽需求（ＫＨｚ）逦１２．２逦１２．２逡逑非实时业务带宽需求（ＫＨｚ）逦６４逦６４逡逑到达率逦１逦１逡逑平均服务时间逦１00逦１００逡逑２．邋４．邋１收敛性分析逡逑［逦｜逦混沌蛮算法逡逑］逦一？一混沌遗传算法逡逑２０邋Ｉ逦萤火虫算法逡逑ｌ１５ｉ逦－逡逑逡逑Ａ；＼逦逡逑５＾逦＇逦＾邋ｖＶ邋ＪＶ逦＾邋＊邋ｉＶ邋ｃ，邋＊邋＊邋ｓＶ邋Ｗ逦＾逦＊逡逑＼逦＾９￣ｅ－ｅ－ｅ邋ｏ邋ｏｅ邋ｏ邋ｏ邋0ｅ－00邋0邋0邋0逡逑ｏ逦、邋一－邋—邋．一邋＊逦４邋，邋，邋，邋，逡逑０逦５０逦１００逦１５０逦２００逦２５０逦３００逡逑迭代次数逡逑图２－２算法收敛性逡逑Ｆｉｇ．２－２邋Ａｌｇｏｒｉｔｈｍ邋ｃｏｎｖｅｒｇｅｎｃｅ逡逑本章参考文献［７０］，采用测试函数对混沌萤火虫算法、萤火虫算法和混沌遗传逡逑算法的性能进行对比分析。其对比结果如图２－２所示，可以看出在迭代次数相同的逡逑情况下
【学位授予单位】：华北电力大学(北京)
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TN92

【相似文献】