认知蜂窝异构网络中的资源分配算法研究

发布时间：2020-05-15 14:43

【摘要】：智能终端的兴起为用户提供了种类丰富的各式应用,不仅带动了通信行业的迅速崛起,更加快了通信技术的革新步伐。人们对高速率数据服务的需求也急剧增长,随之而产生的频谱资源稀缺问题也越来越严重。认知无线电(CR)技术被认为是解决频谱资源分配失衡的最有效方法,CR技术通过频谱共享提高频谱利用率,有效解决频谱紧缺问题。另一方面,蜂窝异构网络的出现缓解了传统宏蜂窝的覆盖压力,并对宏蜂窝边缘地区进行补盲。认知无线电和蜂窝异构网络的结合,能够进一步提高频谱资源的利用率,并且认知蜂窝异构网络与其他5G中的关键技术紧密结合构成新一代移动通信网络,有望应对未来信息社会的快速变化,因此受到极大关注。但是,认知蜂窝异构网络的大规模部署仍然面临着许多技术挑战。而合理的无线资源分配及网络性能优化对网络整体性能提升有着重要作用。因此,本文以认知蜂窝异构网络为背景,从网络中的资源分配问题入手,研究的主要内容如下:1.针对认知蜂窝异构网络中的干扰抑制问题,研究如何降低对宏用户的干扰,提高系统吞吐量性能。通过全面分析干扰来源,建立不完全频谱感知下的干扰模型,结合用户拓扑信息,综合考虑总功率约束和干扰约束,以最大化下行链路吞吐量为准则构建优化问题,将优化问题分为子载波分配和功率分配两个步骤。然后基于KKT条件的分析简化优化问题,进而设计出基于不完全频谱感知的资源分配算法。仿真结果及性能分析表明,所提算法比基于完全频谱感知的资源分配算法对宏用户造成的干扰要小,并且获得更优的吞吐量性能。2.在认知蜂窝异构网络中,针对大规模部署认知家庭基站带来的能量消耗问题,研究了两层异构网络上行链路的资源分配算法。提出了一种基于双循环迭代的联合子信道和功率的资源分配算法,在实时用户服务质量(QoS)需求约束和跨层干扰约束下最大化认知系统能量效率,干扰温度的引入使问题成为混合整数非凸规划问题,通过将分数形式的能效函数等价转换为减数形式,使优化问题近似确定为凸优化形式,并通过迭代方法求解。仿真结果表明:该算法能够快速收敛到最优能效,并保证了实时用户的QoS需求,有效提高了系统能量效率。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN929.5

【参考文献】