面向大规模M2M通信的接入控制与资源分配技术研究

来源 :华北电力大学(北京) | 被引量 : 0次 | 上传用户:yangxmscuosaka
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
机器对机器(Machine-to-Machine,M2M)通信正在快速成为当前第四代(the Fourth Generation,4G)和未来第五代(the Fifth Generation,5G)系统中支持物联网(Internet of Things,IoT)应用的重要技术基础,也是物联网现阶段最主要的应用形式。M2M通信已在工业自动化、智能家居、远程医疗等诸多领域广泛应用。然而,这将导致机器类通信(Machine Type Communication,MTC)设备的规模急剧增加,并带来接入拥塞严重、接入时延过高甚至服务中断等诸多问题。本文面向大规模M2M通信场景,开发了一个两阶段的接入控制和资源分配方案。在第一阶段,针对信息不对称情形,提出了一种基于契约理论的接入控制激励机制。设计契约激励部分延迟容忍类MTC设备推迟其接入时间以缓解高峰时段基站接入压力,所设计契约可激励MTC设备自主揭示其所属类型。在第二阶段,提出了一种用于资源分配的长期在线优化方案。构建了速率控制、功率分配和信道选择的联合优化问题。利用李雅普诺夫优化将长期随机优化问题转换为一系列短期确定性优化问题。特别地,功率分配和信道选择问题被转化为二维匹配问题,并通过基于定价的稳定匹配算法来解决。最后,通过仿真对所提算法的性能进行验证。
其他文献
亲社会行为是一种有益于他人的,或者对社会有积极影响的行为,培养儿童形成亲社会行为的优秀品行,这对个人或是整个社会的和谐发展都具有重要的影响。初中阶段的儿童,他们身心发展处于关键时期,特别是农村儿童,这些儿童中有大部分是留守儿童,作为特殊群体亟需社会各界的关心和爱护。亲社会行为的成因是复杂的,有家庭、学校、社区安全、儿童自身的人格特质等因素,往往单一的风险因素不足以影响儿童的亲社会行为,所以,研究多
以固沙植物差不嘎蒿(Artemisia halodendron Turcz.ex Bess.)为对象,在其种子萌发期和苗期分别采用PEG-6000浓度控制和盆栽称重补水来达到不同的水分处理,系统地研究干旱胁迫
需求响应是一种新兴的智能用电业务,是未来保障电网供需平衡的重要技术手段。而紧急需求响应作为需求响应业务中对通信可靠性要求最高的一种,其业务通道的生存性正在逐步受到重视。当前电力通信网中仅为业务配置“1+1”保护,为其完成故障发生后的倒换。未来随着用户侧可控终端的增加,需求响应业务量的增大,“1+1”保护方法会导致网络中保护资源很快耗尽,进而降低电力通信网的整体性能,为了解决上述问题,本文结合IP网
在铺设公路过程中,单钢轮振动压路机是非常重要的压实机械之一,用于基层或者填方压实作业。压实作业时,被压实材料受到钢轮的水平推移,从而产生表面裂纹或裂缝,尤其当钢轮为非驱动轮时更为严重,从而影响压实材料的压实质量。因此,分析压实材料表面产生裂纹的机理以及压实性能,对改善或提高机械单驱振动压路机的作业性能具有非常重要的意义。首先针对某22t机械单驱单钢轮振动压路机在压实过程中材料表面容易产生裂纹和波纹
最近几年,中国经济蓬勃发展的同时,中国金融市场也正经历着历史性的变革。作为中国金融业的支柱——中国银行业正在经历着格局的不断转换。我国银行业原来的格局是国有银行占据垄断地位,而现在,随着金融体制改革的不断发展和银行业务的不断扩张,现在的银行业格局已经转变成为多元格局并存的局面:国有银行占据主导地位,股份制商业银行、城商行、农商行和外资银行并存共生,而且银行业内部竞争异常激烈。其中的股份制商业银行,
天然橡胶(Natural rubber)是由橡胶树产生,因其有高弹性、防震、耐压等物理特性,被广泛的应用于医疗行业、工业、航天建造及生活中,是一种战略性材料,全球对其的消耗量一直有
随着网络科学与先进控制技术的迅速发展,控制科学,特别是与其相关的一些交叉学科,如电气自动化、计算机科学、电子信息工程等,正日益受到越来越多的科研工作者的密切关注。通
建筑工人的偏差行为造成资源浪费,危害建筑安全,增加了建筑项目的建设和运营成本,已成为影响建筑项目绩效的关键风险。因此,需要明晰建筑工人偏差行为的发生机理,为其有效治理提供理论基础,以提高建筑业生产效率。本研究首先运用CiteSpace软件对偏差行为影响因素进行可视化分析和词频分析,根据不同时段高频关键词的变化对偏差行为影响因素的研究热点和演进趋势进行解析,在此基础上得到解释建筑工人偏差行为发生原因
后勤保障系统、医疗系统和行政系统在支撑现代医院运转中发挥三足鼎立的作用。后勤管理作为不可或缺的关键一环,直接影响着医院的日常运行、医疗技术的开展、服务患者的质量,
随着计算机视觉算法与道路图像处理领域的结合,让人工智能辅助路面病害的检测和养护成为了可能。在实际应用中训练一个性能良好的裂缝检测模型通常需要一个大规模的、多样性强的数据集,但是裂缝图像的采集是一个极具耗时耗力的工程,很难满足目前深度学习网络模型的数据需求。针对以上问题,本文提出了基于生成式对抗网络的裂缝图像数据集增广方法,并对其进行了深入研究。首先,对采集到的裂缝图像进行预处理,提高图像的质量。针