超密集异构网络中的跨层资源调度与优化

发布时间：2022-02-23 18:14

　　5G Rel-15标准的问世,极大地加快了5G发展和建设的步伐;正在研究之中的Rel-16版本则致力于进一步完善5G对更多应用场景的支持和提高系统性能。超密集网络（Ultra-Dense Network,UDN）技术被认为是提高系统吞吐量的有效方法,因此成为5G必不可少的关键技术之一。在超密集网络中,增加本地频谱的重用可以应对覆盖和容量增长的需求。但所有基站（Base Station,BS）同时使用相同的频率资源,小区间干扰（Inter-cell Interference,ICI）会变得很强,这将会导致信号干扰噪声比（Signal to Interference plus Noise Ratio,SINR）的降低从而限制系统的整体吞吐量。因此,超密集部署中的干扰管理尤为重要。本文第一部分工作是考虑在一定覆盖范围内小基站的密度大于绝对阈值的超密集网络环境,针对原有分簇算法的不足,设计了以减少干扰、增加吞吐量,缩短用户传输服务时间为目标的动态分簇算法。以最大化簇内干扰为目标进行初始分簇,随后根据系统的实时状态,依据簇内资源块的使用情况不断更新调整簇,保证用户的服务质量,提高实时满足用户需求... 

【文章来源】：华北电力大学河北省211工程院校教育部直属院校

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究目的和意义
    1.2 国内外研究现状及发展动态
    1.3 论文主要研究内容和体系结构
第2章 超密集网络
    2.1 超密集网络的引入
    2.2 超密集网络的关键技术
    2.3 超密集网络面对的挑战
    2.4 本章小结
第3章 基于干扰协调的分簇算法
    3.1 系统模型与优化目标
    3.2 基于干扰协调的分簇算法
    3.3 算法实现过程
    3.4 仿真结果和性能分析
    3.5 本章小结
第4章 基于Q学习的资源分配算法
    4.1 Q学习算法介绍
    4.2 系统模型
    4.3 基于Q学习的资源调度算法
        4.3.1 Q学习在资源分配下的参数
        4.3.2 算法具体实现过程
    4.4 仿真验证
        4.4.1 仿真参数
        4.4.2 仿真结果
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]超密集小峰窝网中基于干扰协调的小区分簇和功率分配算法[J]. 朱晓荣,朱蔚然.  电子与信息学报. 2016(05)
[2]Ultra Dense Network: Challenges, Enabling Technologies and New Trends[J]. HAO Peng,YAN Xiao,Yu-Ngok Ruyue,YUAN Yifei.  中国通信. 2016(02)
[3]Distributed Resource Allocation in Ultra-Dense Networks via Belief Propagation[J]. CHEN Siyi,XING Chengwen,FEI Zesong.  中国通信. 2015(11)



本文编号：3641118