CN107454601B - 一种超密集环境下考虑小区间干扰的无线虚拟映射方法 - Google Patents
一种超密集环境下考虑小区间干扰的无线虚拟映射方法 Download PDFInfo
- Publication number
- CN107454601B CN107454601B CN201710722899.1A CN201710722899A CN107454601B CN 107454601 B CN107454601 B CN 107454601B CN 201710722899 A CN201710722899 A CN 201710722899A CN 107454601 B CN107454601 B CN 107454601B
- Authority
- CN
- China
- Prior art keywords
- user
- base station
- ultra
- wireless
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001228 spectrum Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 15
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000006855 networking Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种超密集环境下考虑小区间干扰的无线虚拟映射方法,该方法首先使用随机几何的泊松点过程进行超密集网络的建模,通过网络的模型确定信道和干扰的模型,然后对无线频率资源进行虚拟化,再通过无线网络映射方法对频谱资源进行分频,使得用户的接收信干比得到保证,并使得干扰降低,使得整个***的吞吐量提升。一方面,本发明中频谱分配方法具有很好的理论性能保证;另一方面,本发明又利于实现,具有很好的应用前景。
Description
技术领域
本发明涉及一种超密集环境下考虑小区间干扰的无线虚拟映射方法,特别涉及一种涉及超密集组网中的网络建模和信道建模方法和虚拟网络资源映射的方法,属于无线通信技术领域。
背景技术
5G是面向2020年及以后的第五代移动通信***,它将提供媲美光纤的接入速率,超低时延的使用体验,超高流量密度、超高连接数密度和超高移动性等多场景的一致服务,业务及用户感知的智能优化。面对多样化的业务需求,5G场景可以分为连续广域覆盖、热点高容量、低功耗大连接和低时延高可靠四个主要技术场景。新型多址技术、大规模天线阵列、超密集组网、全频谱接入、新型网络架构等技术是实现上述5G场景的关键技术。
超密集组网是解决5G场景中热点高容量应用场景问题的有效方案,主要是解决热点高容量场景中极高的网络流量密度需求和极高的用户接入需求。超密集组网是在有宏基站的室内外的热点区域部署低功率小基站,形成密集异构网络。相比于传统的蜂窝网络,超密集网络具有以下几个明显的优势:站点部署便捷以及组网灵活;建网成本以及维护开销相对低廉;可以针对性的加强覆盖;频谱利用率能够得到有效提升。然而,超密集网络环境下,大量同频小区的距离变近,小区间干扰异常严重。超密集组网中,无线动态性较为严重,如何实现面向用户需求的无线资源映射是当前亟待解决的科学问题。
为解决小区间干扰,3GPP在R10中提出了时域干扰协调方案eICIC,在R11中了提出多点协作传输方案CoMP,R12中又提出了小区动态关断/开启策略。这些算法虽然一定程度上降低了小区间同频干扰的影响,但是这些方案不能够动态地解决小区间干扰问题,且在超密集网络中的表现不理想。
无线虚拟网络映射中,网络虚拟化是其关键技术,即通过抽象、分配、隔离机制,在一个公共物理网络上支持多个虚拟网络,各虚拟网络可以使用相互独立的协议体系,并能够根据用户动态变化的需求对整个网络中节点资源和链路资源进行合理配置。然而,当前网络虚拟化的研究主要针对有线场景,针对无线场景的研究较少。
发明内容
本发明所要解决的技术问题是提供一种超密集环境下考虑小区间干扰的无线虚拟映射方法,该方法将无线网络虚拟映射的思想引入超密集网络中,对超密集网络的频率资源进行虚拟化,通过最优化方法进行频率资源的分配,保证用户的接收信干比,使用户受到其他基站和用户的干扰降低,提高了***的吞吐量,改善无线通信的QoS。一方面,该方案中频谱分配方法具有很好的理论性能保证;另一方面,该方案又非常简单而易于实现,具有很好的应用前景。
本发明为解决上述技术问题采用以下技术方案:
本发明提供一种超密集环境下考虑小区间干扰的无线虚拟映射方法,包括以下具体步骤:
步骤1,初始化:设置微基站密度参数λm、用户请求的到达强度λu、用户位置分布密度λa,通过随机几何的泊松点过程分别生成超密集网络中基站的位置分布模型、用户请求的到达分布模型和用户的位置分布模型,进一步建立超密集网络模型;
步骤2,利用无线虚拟化思想,将宏基站和微基站的无线资源进行虚拟化,形成一个无线频谱池;
步骤3,将无线频谱池进行切片,通过无线虚拟网络映射算法将频谱切片根据用户请求分配到各个微基站对用户进行服务。
作为本发明的进一步技术方案,步骤1中每个微基站的覆盖范围和功率满足表达式h(L)P=β,其中,微基站的覆盖范围L和微基站的功率P是固定值,β是信号能够被正确接收的最小的信干比,h(·)是路径损耗函数。
作为本发明的进一步技术方案,步骤1中用户请求的到达分布和用户的位置分布是两个相互独立的泊松过程。
作为本发明的进一步技术方案,步骤1中超密集网络中的信道模型为简化的路径损耗模型,具体为:
其中,d为用户与基站之间的距离;d0是参考距离;λ为信号的波长;n是路径损耗指数;
超密集网络中的干扰模型为:
其中,SINR(i)是的用户i的信干比,xi为用户i的位置,P是微基站的功率,yii是用户i服务的基站位置,yij是第j个与用户i服务的基站同频的基站的位置,Pu是用户功率,σ2是噪声功率,x∈Θm/xi表示与用户i使用相同频率的用户的位置集合Θm中去除xi后的任一位置。
作为本发明的进一步技术方案,步骤3首先设置时间窗口的长度,然后对每个时间窗口内的用户请求进行统一映射,具体为:
301,接收当前时间窗口内的用户请求,将其与等待序列中的用户请求进行合并;
302,计算合并后的每个用户请求的信干比,其中,信干比小于预设的门限值的用户请求进入等待序列,等待下一时间窗口;其余用户请求按照生命周期的长度递增排序;
303,求解分配模型,对排序后的用户请求进行频谱切片的分配,其中,分配模型具体为:
s.t.||xi-yii||<L
h(L)P=β
式中,F为宏基站的频率资源,fi为用户i请求的频率资源,R为成功率,success是成功映射的用户数,tatol是总用户请求数;
304,对等待序列中的用户请求进行判别,若超出生存周期则拒绝该用户请求,否则保留并进入下一个时间窗口。
作为本发明的进一步技术方案,采用贪婪算法求解分配模型。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:本发明首先使用随机几何的泊松点过程进行超密集网络的建模,通过网络的模型,确定信道和干扰的模型。然后对无线频率资源进行虚拟化,再通过无线网络映射方法对频谱资源进行分配。首先,随机点过程能够合理地表示实际的蜂窝网络模型,是一种优秀的建模方法。本发明通过最优化方法对无线资源进行分配,能够有效降低小区间的干扰,提高***的吞吐量。本发明提出的考虑小区间干扰的无线网络映射方法易于实现,具有很好的应用前景。
附图说明
图1为随机几何建模的沃洛诺伊图;
图2为超密集网络的示意模型;
图3为小区间干扰的示意图;
图4为本发明算法的流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本发明的目的是提出一种新颖的超密集环境下考虑小区间干扰的无线虚拟映射方法,采用无线虚拟网络映射的方法,将频谱资源虚拟化,通过最优化算法满足用户端的接收的信干比最大,实现动态的最佳无线频率资源的配置。
本发明一种超密集环境下考虑小区间干扰的无线虚拟映射方法,首先使用随机几何的泊松点过程进行超密集网络的建模,通过网络的模型,确定信道和干扰的模型;然后对无线频率资源进行虚拟化;再通过无线网络映射方法对频谱资源进行分配,使得用户的接收信干比得到保证,并使得干扰降低,使得整个***的吞吐量提升。
本发明主要包括三个内容:一是超密集网络模型的构建,通过随机几何的点过程,生成符合实际的网络模型;二是干扰的建模,给出信干比的表达式;三是虚拟网络映射方法,根据最优化方法,动态分配频谱资源。
1.构建超密集网络模型
通常在分析无线通信***时,为了模型易于统计往往假设基站的覆盖范围是一个正六边形,然后假设用户处于某个正六边形的边缘位置,通过分析最坏的情况分析蜂窝网络的性能。另一种常用的方法时通过蒙特卡洛散点几分的方式,对整个蜂窝网络进行***级的仿真。本发明中,采用齐次泊松点过程进行建模,可以保证基站或用户在空间的分布具有随机性,能够利用随机几何理论提供的工具方便的分析蜂窝小区的性能。
对于一个空间点过程,如果能能够满足下面两个条件,那么该点过程就可以被称为一个齐次泊松点过程。
条件1:在空间任意选择某个区域B,并且该区域有界。那么处于区域B内的点的个数N(B)服从泊松分布,且均值为λv(B),v(B)代表区域B的面积。即对于变量N(B)有,在区域B内出现m个点的概率为:
条件2:在空间中随机选择一系列互不相交的有界区域B1,B2…Bn,那么在这些区域中的点的个数相互独立,即变量N(B1),N(B2)…N(Bn)之间相互独立。
本发明采用齐次泊松点过程建立基站和用户的空间分布模型,如图1所示,是所有微基站的覆盖范围组成了一个沃洛诺伊镶嵌(Voronoi Tessellation)。其中,点为微基站的位置,不规则形状区域为基站的覆盖区域。微基站为密度参数为λm的泊松点过程分布,每个微基站的覆盖范围和功率是固定值,分别为L和P,并满足表达式:h(L)P=β,其中,h(·)是路径损耗函数,β是信号能够被正确接收的最小的信干比。同样,利用泊松过程建立用户动态到达模型和位置分布模型,用户请求的到达分布和用户位置分布是两个相互独立的泊松过程,到达强度为λc,分布密度为λa。整个建模的过程示意图,如图2所示,先随机生成微基站的分布,再生成用户的分布,使其构成一个完整的超密集网络***。
2.建立干扰模型
在超密集网络模型建立之后,随之就可以对干扰模型进行建立。超密集网络一般部署在建筑密集的市区,本发明采用标准的功率衰落模型对信道进行建模分析。无线信道采用简化的路径损耗模型:
其中,d为用户与基站之间的距离;d0是参考距离,在参考距离的位置,路径损耗具有自由空间损耗的特点;λ为信号的波长;n是路径损耗指数,主要取决于传播环境,市区取值为4~6。
本网络模型中,只考虑不同微基站对不同微基站用户信号的干扰和用户对用户信号的干扰。如图3所示,即用户受到的基站和其它用户之间的干扰。本网络中,许多用户同时发生通信,通信场景较为复杂,采用信号噪声干扰比(SINR)来评价网络的性能,信干比的定义为:
其中,S是用户接收到的有用信号的功率,I是用户接收到的干扰信号的功率,N是信道中的噪声功率。
设用户i的位置为xi,其服务的基站位置为yi,与其同频的基站的位置为{yi1,yi2,…,yiJ},j=1,2,…,J,本网络的信干比表达式为:
其中,Pu是用户功率,σ2是噪声功率。
3.虚拟网络映射方法
在建立网络模型后,利用无线虚拟化思想,将宏基站和小基站的无线资源进行虚拟化,形成一个无线频谱池。然后将频谱池进行切片,通过无线虚拟网络映射算法将频谱切片根据用户请求分配到各个小基站对用户进行服务,每个用户请求需要基站分配一定数量的频率资源。假设一个宏基站的频率资源为F,第i个用户的请求为{fi,Ci},其中,fi为用户请求的频率资源,Ci为用户请求的生命周期。在网络初始化阶段,首先对每个小基站进行编号,记录每个基站对应的位置信息。
在本发明中,研究的是online映射情况,用户网络请求的到达是服从密度为λu的泊松分布,因此,是采用时间窗到达模型进行分析。在一个时间窗口中,有若干请求到达,然后统一进行映射。
建立如下的分配模型:
本发明的超密集环境下考虑小区间干扰的无线虚拟映射方法的具体步骤,如图4所示:
1.初始化:设置微基站密度参数λm,用户请求的到达强度λu,用户位置分布密度λa。使用这些参数,通过随机泊松点过程生成建立超密集网络模型;
2.当前时间窗口中是否有用户请求,若有则与等待序列中的用户请求合并后分别计算每个用户的信干比,否则计算等待序列中的每个用户的信干比;
3.将步骤2中的信干比分别与预设门限值进行比较,若小于门限值则进入等待序列,否则按照生命周期的长度递增排序;
4.根据分配模型,对排序后的用户请求进行频谱切片的分配;
5.对等待序列中的用户请求进行判别,若超出生存周期则拒绝该用户请求,否则保留并进入下一个时间窗口。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (4)
1.一种超密集环境下考虑小区间干扰的无线虚拟映射方法,其特征在于,包括以下具体步骤:
步骤1,初始化:设置微基站密度参数λm、用户请求的到达强度λu、用户位置分布密度λa,通过随机几何的泊松点过程分别生成超密集网络中基站的位置分布模型、用户请求的到达分布模型和用户的位置分布模型,进一步建立超密集网络模型;每个微基站的覆盖范围和功率满足表达式h(L)P=β,其中,微基站的覆盖范围L和微基站的功率P是固定值,β是信号能够被正确接收的最小的信干比,h(·)是路径损耗函数;
步骤2,利用无线虚拟化思想,将宏基站和微基站的无线资源进行虚拟化,形成一个无线频谱池;
步骤3,将无线频谱池进行切片,通过无线虚拟网络映射算法将频谱切片根据用户请求分配到各个微基站对用户进行服务:
首先设置时间窗口的长度,然后对每个时间窗口内的用户请求进行统一映射,具体为:
301,接收当前时间窗口内的用户请求,将其与等待序列中的用户请求进行合并;
302,计算合并后的每个用户请求的信干比,其中,信干比小于预设的门限值的用户请求进入等待序列,等待下一时间窗口;其余用户请求按照生命周期的长度递增排序;
303,求解分配模型,对排序后的用户请求进行频谱切片的分配,其中,分配模型具体为:
s.t.||xi-yii||<L
h(L)P=β
式中,F为宏基站的频率资源,fi为用户i请求的频率资源,R为成功率,success是成功映射的用户数,tatol是总用户请求数;SINR(i)是用户i的信干比,xi为用户i的位置,P是微基站的功率,yii是用户i服务的基站位置,yij是第j个与用户i服务的基站同频的基站的位置,i≠j,Pu是用户功率,σ2是噪声功率,x∈Θm/xi表示与用户i使用相同频率的用户的位置集合Θm中去除xi后的任一位置;
304,对等待序列中的用户请求进行判别,若超出生存周期则拒绝该用户请求,否则保留并进入下一个时间窗口。
2.根据权利要求1所述的一种超密集环境下考虑小区间干扰的无线虚拟映射方法,其特征在于,步骤1中用户请求的到达分布和用户的位置分布是两个相互独立的泊松过程。
4.根据权利要求1所述的一种超密集环境下考虑小区间干扰的无线虚拟映射方法,其特征在于,采用贪婪算法求解分配模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710722899.1A CN107454601B (zh) | 2017-08-22 | 2017-08-22 | 一种超密集环境下考虑小区间干扰的无线虚拟映射方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710722899.1A CN107454601B (zh) | 2017-08-22 | 2017-08-22 | 一种超密集环境下考虑小区间干扰的无线虚拟映射方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107454601A CN107454601A (zh) | 2017-12-08 |
CN107454601B true CN107454601B (zh) | 2020-12-29 |
Family
ID=60492964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710722899.1A Active CN107454601B (zh) | 2017-08-22 | 2017-08-22 | 一种超密集环境下考虑小区间干扰的无线虚拟映射方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107454601B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108200582A (zh) * | 2017-12-29 | 2018-06-22 | 北京理工大学 | 一种基于用户体验速率的异构网络小区分簇装置 |
CN108366426B (zh) * | 2018-02-07 | 2022-04-08 | 南京邮电大学 | 一种超密集环境下基于模拟退火算法的虚拟映射方法 |
CN108156624B (zh) * | 2018-02-08 | 2020-12-15 | 南京邮电大学 | 超密集组网中基于博弈论的干扰动态性优化方法 |
CN108770021B (zh) * | 2018-07-09 | 2021-11-12 | 常熟理工学院 | 一种应用于超密集异构网络的基于同频干扰管理的多业务虚拟网络配置方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102835067A (zh) * | 2010-03-16 | 2012-12-19 | 阿尔卡特朗讯公司 | 用于***资源的分层管理的方法和装置 |
CN105101214A (zh) * | 2015-09-01 | 2015-11-25 | 厦门大学 | 一种超密集无线网络的资源虚拟化映射方法 |
CN105764100A (zh) * | 2016-01-29 | 2016-07-13 | 北京邮电大学 | 一种面向密集小站部署的基于虚拟小区设计的移动性增强方案 |
CN106658514A (zh) * | 2016-10-26 | 2017-05-10 | 桂林电子科技大学 | 一种微基站超密集部署异构网络的能量效率与频谱效率平衡方法 |
CN106792858A (zh) * | 2016-12-30 | 2017-05-31 | 南京邮电大学 | 一种基于软件定义的超密集无线网络体系结构及实现方法 |
CN107071911A (zh) * | 2017-04-10 | 2017-08-18 | 河海大学 | 一种基于最大sinr的虚拟小区载波分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3097724B1 (en) * | 2014-01-20 | 2019-07-24 | Telefonaktiebolaget LM Ericsson (publ) | Internetworking between radio resource management and spectrum controller |
-
2017
- 2017-08-22 CN CN201710722899.1A patent/CN107454601B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102835067A (zh) * | 2010-03-16 | 2012-12-19 | 阿尔卡特朗讯公司 | 用于***资源的分层管理的方法和装置 |
CN105101214A (zh) * | 2015-09-01 | 2015-11-25 | 厦门大学 | 一种超密集无线网络的资源虚拟化映射方法 |
CN105764100A (zh) * | 2016-01-29 | 2016-07-13 | 北京邮电大学 | 一种面向密集小站部署的基于虚拟小区设计的移动性增强方案 |
CN106658514A (zh) * | 2016-10-26 | 2017-05-10 | 桂林电子科技大学 | 一种微基站超密集部署异构网络的能量效率与频谱效率平衡方法 |
CN106792858A (zh) * | 2016-12-30 | 2017-05-31 | 南京邮电大学 | 一种基于软件定义的超密集无线网络体系结构及实现方法 |
CN107071911A (zh) * | 2017-04-10 | 2017-08-18 | 河海大学 | 一种基于最大sinr的虚拟小区载波分配方法 |
Non-Patent Citations (1)
Title |
---|
5G超密集网络虚拟化解决方案;周宏成;《电脑与电信》;20170310;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107454601A (zh) | 2017-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | 5G converged cell-less communications in smart cities | |
CN109413676B (zh) | 一种超密异构网络中联合下上行的边缘计算迁移方法 | |
CN107454601B (zh) | 一种超密集环境下考虑小区间干扰的无线虚拟映射方法 | |
Zhong et al. | Traffic matching in 5G ultra-dense networks | |
CN104540139B (zh) | 异构融合网络资源分配方法和*** | |
Tang et al. | An energy-saving algorithm with joint user association, clustering, and on/off strategies in dense heterogeneous networks | |
CN104955077A (zh) | 一种基于用户体验速率的异构网络小区分簇方法及装置 | |
CN104378772B (zh) | 一种蜂窝网络中面向小区无定形覆盖的小基站部署方法 | |
CN107708157A (zh) | 基于能效的密集小蜂窝网络资源分配方法 | |
Su et al. | 5G multi-tier radio access network planning based on voronoi diagram | |
CN108965009B (zh) | 一种基于势博弈的负载已知用户关联方法 | |
CN103517279B (zh) | Lte***中联合动态无线资源分配与移动负载均衡的方法 | |
Tanzil et al. | A distributed coalition game approach to femto-cloud formation | |
CN108366426B (zh) | 一种超密集环境下基于模拟退火算法的虚拟映射方法 | |
Mollahasani et al. | Density-aware, energy-and spectrum-efficient small cell scheduling | |
CN108924934B (zh) | 基于多维资源分配的异构网络干扰管理方法 | |
CN104770004A (zh) | 一种通信***和方法 | |
Wang et al. | A novel network planning algorithm of three-dimensional dense networks based on adaptive variable-length particle swarm optimization | |
Gachhadar et al. | Traffic Offloading in 5G Heterogeneous Networks using Rank based Network Selection. | |
Ullah et al. | Voronoi cell geometry based dynamic fractional frequency reuse for OFDMA cellular networks | |
Sasikumar et al. | A novel method for the optimization of Spectral-Energy efficiency tradeoff in 5 G heterogeneous Cognitive Radio Network | |
Lin et al. | Data-driven joint resource allocation in large-scale heterogeneous wireless networks | |
CN104618934B (zh) | 一种基于吞吐量预测的整体优化中继节点选择方法 | |
CN107517464B (zh) | 一种异构网络中的干扰管理和资源分配方法 | |
CN110139281A (zh) | 一种基于K-means的全双工D2D分簇资源分配的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 210003 Gulou District, Jiangsu, Nanjing new model road, No. 66 Applicant after: NANJING University OF POSTS AND TELECOMMUNICATIONS Address before: 210023 Jiangsu Road, Qixia District, Qixia, Guangzhou road,, No. 9-1 Applicant before: NANJING University OF POSTS AND TELECOMMUNICATIONS |
|
GR01 | Patent grant | ||
GR01 | Patent grant |