超密集蜂窝网络智能覆盖增强技术研究
发布时间：2021-08-06 17:50
随着移动互联网的飞速发展,移动通信业务已经主要转向室内,传统的“重室外,轻室内”的观念已经不适合未来的发展。当前,有70%以上的流量和数据业务是在室内场景中发生的,虽然运营商经过前期大规模的4G网络建设,能够基本满足覆盖,但高层建筑的弱覆盖问题严重,而在5G时代,采用的频段更高,穿透性更弱,因此室内覆盖问题将成为更大挑战。超密集网络能有效解决5G时代室内弱覆盖的问题。在各种室内场景如交通枢纽、宅小区、商场、办公楼等部署超密集网络（Ultra Dense Network,UDN）,将极大缓解区域网络的流量压力并同时解决室内弱覆盖问题。然而UDN在提升网络性能的同时也带来了新的挑战,而传输站点的分布密集,使得一些传统无线通信网络中的常见问题在UDN中显得更为突出。如何解决这些问题将成为制约UDN性能提升的关键因素。同频干扰是UDN网络覆盖必须克服的问题。在UDN中,由于站点的覆盖范围小,用户与微基站（Small Base Station,SBS）间的间距极近,使得每个用户附近会存在多个SBS。此外,UDN网络小区位置的随机部署加之小区形状的不规则,都使得UDN中的同频干扰十分严重。由于基站...
【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】：67 页
【学位级别】：硕士
【部分图文】：
房间结构图
电子科技大学硕士学位论文28高位置。由图可以看出，算法在迭代5000次左右收敛。而在收敛之后，由于环境的动态性，使得算法的回报函数仍存在抖动现象。图3-9回报函数图3-10用户平均吞吐量累积分布函数图3-10中展示了用户平均吞吐量的概率分布函数。从图中可以看出，A3C算法曲线在其他两种方案的左侧，表明其在吞吐量的性能上要优于其他算法，这是因为A3C算法能够适应传输环境的变化，在信道状态频繁变化的情况下产生更高的收益。而图中SFR算法采用发射功率门限的方式减轻了边缘用户的干扰，因而能够一定程度上提升用户的吞吐量。图3-11展示了用户平均SINR的概率分布函数。由图可知，A3C算法的曲线在其他方案的左侧，表明其能在SINR上优于其他两种算法，这是由于通过提前判断用户的信道变化，能够降低用户的ICI，从而提升SINR。
电子科技大学硕士学位论文28高位置。由图可以看出，算法在迭代5000次左右收敛。而在收敛之后，由于环境的动态性，使得算法的回报函数仍存在抖动现象。图3-9回报函数图3-10用户平均吞吐量累积分布函数图3-10中展示了用户平均吞吐量的概率分布函数。从图中可以看出，A3C算法曲线在其他两种方案的左侧，表明其在吞吐量的性能上要优于其他算法，这是因为A3C算法能够适应传输环境的变化，在信道状态频繁变化的情况下产生更高的收益。而图中SFR算法采用发射功率门限的方式减轻了边缘用户的干扰，因而能够一定程度上提升用户的吞吐量。图3-11展示了用户平均SINR的概率分布函数。由图可知，A3C算法的曲线在其他方案的左侧，表明其能在SINR上优于其他两种算法，这是由于通过提前判断用户的信道变化，能够降低用户的ICI，从而提升SINR。
【参考文献】：
期刊论文
[1]面向城市复杂环境的5G移动网络优化设计技术研究[J]. 赵国华. 中国新通信. 2020(03)
[2]提高边缘吞吐量的软频率复用改进方案研究[J]. 张璐,姜毅,刘金虎. 测控技术. 2019(11)
[3]基于异步优势执行器评价器学习的自适应PID控制设计[J]. 孙歧峰,任辉,段友祥. 信息与控制. 2019(03)
[4]超密集组网综述[J]. 刘旭,费强,白昱,韩剑. 电信技术. 2019(01)
[5]超密集网络中干扰协调方法及性能分析[J]. 白璐,刘婷婷,杨晨阳. 信号处理. 2015(10)
[6]5G移动通信网络关键技术综述[J]. 赵国锋,陈婧,韩远兵,徐川. 重庆邮电大学学报(自然科学版). 2015(04)
博士论文
[1]第5代移动通信超密集网络（UDN）技术研究[D]. 胡留军.电子科技大学 2018
[2]下一代毫米波网络波束资源控制和管理技术研究[D]. 薛青.西南交通大学 2018
[3]C-RAN架构下高能效的资源分配相关问题研究[D]. 王楷为.中国科学技术大学 2017
硕士论文
[1]基于TDM-PON和C-RAN架构的休眠感知资源分配研究[D]. 张阳.重庆邮电大学 2019
[2]异构无线网络中垂直切换算法研究[D]. 杨冰涛.吉林大学 2019
[3]5G毫米波基站覆盖和容量增强机制的研究与实现[D]. 曹强.北京邮电大学 2019
[4]基于时效性与公平性的动态干扰协调方案研究[D]. 陈文强.合肥工业大学 2017
[5]面向5G密集网络的干扰协调算法研究[D]. 黄晨.重庆邮电大学 2016
[6]基于马氏决策理论的智能体决策问题研究[D]. 郭靖.广东工业大学 2012
本文编号：3326214
【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】：67 页
【学位级别】：硕士
【部分图文】：
房间结构图
电子科技大学硕士学位论文28高位置。由图可以看出，算法在迭代5000次左右收敛。而在收敛之后，由于环境的动态性，使得算法的回报函数仍存在抖动现象。图3-9回报函数图3-10用户平均吞吐量累积分布函数图3-10中展示了用户平均吞吐量的概率分布函数。从图中可以看出，A3C算法曲线在其他两种方案的左侧，表明其在吞吐量的性能上要优于其他算法，这是因为A3C算法能够适应传输环境的变化，在信道状态频繁变化的情况下产生更高的收益。而图中SFR算法采用发射功率门限的方式减轻了边缘用户的干扰，因而能够一定程度上提升用户的吞吐量。图3-11展示了用户平均SINR的概率分布函数。由图可知，A3C算法的曲线在其他方案的左侧，表明其能在SINR上优于其他两种算法，这是由于通过提前判断用户的信道变化，能够降低用户的ICI，从而提升SINR。
电子科技大学硕士学位论文28高位置。由图可以看出，算法在迭代5000次左右收敛。而在收敛之后，由于环境的动态性，使得算法的回报函数仍存在抖动现象。图3-9回报函数图3-10用户平均吞吐量累积分布函数图3-10中展示了用户平均吞吐量的概率分布函数。从图中可以看出，A3C算法曲线在其他两种方案的左侧，表明其在吞吐量的性能上要优于其他算法，这是因为A3C算法能够适应传输环境的变化，在信道状态频繁变化的情况下产生更高的收益。而图中SFR算法采用发射功率门限的方式减轻了边缘用户的干扰，因而能够一定程度上提升用户的吞吐量。图3-11展示了用户平均SINR的概率分布函数。由图可知，A3C算法的曲线在其他方案的左侧，表明其能在SINR上优于其他两种算法，这是由于通过提前判断用户的信道变化，能够降低用户的ICI，从而提升SINR。
【参考文献】：
期刊论文
[1]面向城市复杂环境的5G移动网络优化设计技术研究[J]. 赵国华. 中国新通信. 2020(03)
[2]提高边缘吞吐量的软频率复用改进方案研究[J]. 张璐,姜毅,刘金虎. 测控技术. 2019(11)
[3]基于异步优势执行器评价器学习的自适应PID控制设计[J]. 孙歧峰,任辉,段友祥. 信息与控制. 2019(03)
[4]超密集组网综述[J]. 刘旭,费强,白昱,韩剑. 电信技术. 2019(01)
[5]超密集网络中干扰协调方法及性能分析[J]. 白璐,刘婷婷,杨晨阳. 信号处理. 2015(10)
[6]5G移动通信网络关键技术综述[J]. 赵国锋,陈婧,韩远兵,徐川. 重庆邮电大学学报(自然科学版). 2015(04)
博士论文
[1]第5代移动通信超密集网络（UDN）技术研究[D]. 胡留军.电子科技大学 2018
[2]下一代毫米波网络波束资源控制和管理技术研究[D]. 薛青.西南交通大学 2018
[3]C-RAN架构下高能效的资源分配相关问题研究[D]. 王楷为.中国科学技术大学 2017
硕士论文
[1]基于TDM-PON和C-RAN架构的休眠感知资源分配研究[D]. 张阳.重庆邮电大学 2019
[2]异构无线网络中垂直切换算法研究[D]. 杨冰涛.吉林大学 2019
[3]5G毫米波基站覆盖和容量增强机制的研究与实现[D]. 曹强.北京邮电大学 2019
[4]基于时效性与公平性的动态干扰协调方案研究[D]. 陈文强.合肥工业大学 2017
[5]面向5G密集网络的干扰协调算法研究[D]. 黄晨.重庆邮电大学 2016
[6]基于马氏决策理论的智能体决策问题研究[D]. 郭靖.广东工业大学 2012
本文编号：3326214
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3326214.html
