论文部分内容阅读
移动互联网和下一代物联网方兴未艾,固定互联网原有的各种业务和新兴业务越来越多的通过无线方式提供给用户,对移动通信系统的用户体验速率和流量密度提出了更高的要求。超密集组网作为实现这些挑战性指标的最有效手段,能够满足用户和数据业务日益增长的需求,为移动互联网和下一代物联网的蓬勃发展提供强大的业务承载支撑能力。5G等下一代蜂窝移动通信网络在引入超密集组网方式后,网络架构、业务场景和需求变得更为复杂,干扰问题极为突出,给网络的干扰管理与控制带来了严峻挑战。为应对上述挑战,本文在适应于超密集网络的以用户为中心的思想的基础上,提出有限交互信息约束下的干扰管理与控制方案。在干扰信息的交互进行得不充分的条件下,方案通过适应用户位置和用户所处通信环境的认知型算法实现了对超密集网络的有效干扰管理与控制。本文主要研究内容和创新点如下:1.传统蜂窝网络的干扰管理与控制:我们以典型的 OFDMA (Orthogonal Frequency Division Multiple Access,即正交频分多址)网络为例,对传统蜂窝网络的干扰管理与控制问题进行了研究。为衡量干扰管理与控制方法的有效性,本文对该网络的吞吐量和功效(功效评价方法为作者首创并获得了权威机构认可)两大性能指标进行了闭式解推导。研究的干扰管理策略包括FFR (部分频率复用)策略和SFR (软频率复用)策略。2.以用户为中心的动态着色干扰管理控制算法:区别于先进行基站间资源分配、再进行小区内用户调度的传统干扰管理方案,本算法直接建立反映用户所处干扰环境的干扰认知矩阵。在此基础上,根据选定的强干扰阈值,形成用户潜在冲突图。接着,在动态着色的思想下,通过着色算法,解决了网络中小区之间的强干扰问题,同时避免了小区内的相互干扰,有效改善了网络ICI(信道间相互干扰)问题。仿真结果显示,该算法比传统干扰管理算法给网络带来了更高的系统总吞吐量和边缘吞吐量。3.以用户为中心的环境认知型干扰管理控制算法:本算法着力改善“以用户为中心的动态着色干扰管理控制算法”对强干扰阈值的合理选择问题,以期增强干扰管理与控制算法对复杂网络环境的适应能力。“以用户为中心的动态着色干扰管理控制算法”在进行干扰管理时,缺乏对干扰环境的认知,导致其选择的强干扰阈值只对特定的网络环境具有适应性。本方案利用用户对干扰环境的充分认知,对每个用户受到的干扰情况进行分析,让用户从与自身有关的潜在干扰关系中自主选择需要避免的干扰。最后,方案运用着色算法实现对超密集网络的干扰管理与控制。仿真结果显示,该算法取得的效果明显优于传统干扰管理算法以及“以用户为中心的动态着色干扰管理控制算法”。