在云接入网络(cloud radio access network,C-RAN)中,设备至设备(device-to-device,D2D)通信共享蜂窝用户的资源,提高了频谱利用率。但是资源共享也引入干扰问题,降低了网络的和速率。提出基于教学优化法的资源分配算法(teacher learner...在云接入网络(cloud radio access network,C-RAN)中,设备至设备(device-to-device,D2D)通信共享蜂窝用户的资源,提高了频谱利用率。但是资源共享也引入干扰问题,降低了网络的和速率。提出基于教学优化法的资源分配算法(teacher learner based optimization-resource allocation,TLRA)。TLRA算法在分配资源时,考虑了干扰问题,并以蜂窝用户端的干扰不高于预定阈值为约束条件,建立目标问题。利用教学优化法求解目标问题,获取最优的资源分配策略。性能分析表明,提出的TLRA算法提高了系统和速率,Jain公平指数接近0.8。展开更多
针对云无线网络(Cloud Radio Access Network,C-RAN)中传统静态资源分配效率低下以及动态无线资源分配中资源种类单一的问题,提出了一种基于用户服务质量(Qulity of Service,QoS)约束的动态无线资源分配方案,对无线资源从无线射频单元(R...针对云无线网络(Cloud Radio Access Network,C-RAN)中传统静态资源分配效率低下以及动态无线资源分配中资源种类单一的问题,提出了一种基于用户服务质量(Qulity of Service,QoS)约束的动态无线资源分配方案,对无线资源从无线射频单元(Remote Radio Head,RRH)选择、子载波分配和RRH功率分配三个维度进行研究。首先,根据传统的C-RAN系统传输模型和QoS约束在时变业务环境下建立了以发射功率为变量,以吞吐量最大为优化目标的优化问题;然后,基于改进的遗传算法,将原优化方案转变为通过优化RRH选择、子载波分配和RRH功率分配来达到提高系统吞吐量的目的;最后,将改进的遗传算法与其他智能算法在种群规模变化下进行了时间复杂度对比。实验结果表明,所提算法具有较低时间复杂度,所提资源分配方案下的平均吞吐量增益为17%。展开更多
云无线接入网络(cloud radio access network,C-RAN)是一种能够集中处理信号的网络架构。C-RAN能够通过算法动态选择无线电单元(remote radio head,RRH)来调整用户通信速率。而通信速率作为用户服务质量(quality of service,QoS)的关键...云无线接入网络(cloud radio access network,C-RAN)是一种能够集中处理信号的网络架构。C-RAN能够通过算法动态选择无线电单元(remote radio head,RRH)来调整用户通信速率。而通信速率作为用户服务质量(quality of service,QoS)的关键部分,当参与服务的RRH越多时,用户的通信速率更大且体验更好,但同时所带来的能源损耗越大,因此本文研究通信速率和功率消耗二者之间的权衡关系。提出一种优化算法,将权衡问题建模成一个单目标优化模型,通过权衡系数来协调速率和RRH激活个数之间的矛盾。为了解决l0-范数的非凸问题,本文使用重复加权l1-范数去近似l0-范数,同时使用加权最小均方误差(weighted minimum mean square error,WMMSE)的方法将通信速率从非凸问题转换成一个凸问题,最后使用改进的次梯度法对预编码矩阵进行更新。仿真结果证明该算法减少了时间复杂度,同时达到了与穷举法相近的性能。展开更多
文摘在云接入网络(cloud radio access network,C-RAN)中,设备至设备(device-to-device,D2D)通信共享蜂窝用户的资源,提高了频谱利用率。但是资源共享也引入干扰问题,降低了网络的和速率。提出基于教学优化法的资源分配算法(teacher learner based optimization-resource allocation,TLRA)。TLRA算法在分配资源时,考虑了干扰问题,并以蜂窝用户端的干扰不高于预定阈值为约束条件,建立目标问题。利用教学优化法求解目标问题,获取最优的资源分配策略。性能分析表明,提出的TLRA算法提高了系统和速率,Jain公平指数接近0.8。
文摘针对云无线网络(Cloud Radio Access Network,C-RAN)中传统静态资源分配效率低下以及动态无线资源分配中资源种类单一的问题,提出了一种基于用户服务质量(Qulity of Service,QoS)约束的动态无线资源分配方案,对无线资源从无线射频单元(Remote Radio Head,RRH)选择、子载波分配和RRH功率分配三个维度进行研究。首先,根据传统的C-RAN系统传输模型和QoS约束在时变业务环境下建立了以发射功率为变量,以吞吐量最大为优化目标的优化问题;然后,基于改进的遗传算法,将原优化方案转变为通过优化RRH选择、子载波分配和RRH功率分配来达到提高系统吞吐量的目的;最后,将改进的遗传算法与其他智能算法在种群规模变化下进行了时间复杂度对比。实验结果表明,所提算法具有较低时间复杂度,所提资源分配方案下的平均吞吐量增益为17%。
文摘云无线接入网络(cloud radio access network,C-RAN)是一种能够集中处理信号的网络架构。C-RAN能够通过算法动态选择无线电单元(remote radio head,RRH)来调整用户通信速率。而通信速率作为用户服务质量(quality of service,QoS)的关键部分,当参与服务的RRH越多时,用户的通信速率更大且体验更好,但同时所带来的能源损耗越大,因此本文研究通信速率和功率消耗二者之间的权衡关系。提出一种优化算法,将权衡问题建模成一个单目标优化模型,通过权衡系数来协调速率和RRH激活个数之间的矛盾。为了解决l0-范数的非凸问题,本文使用重复加权l1-范数去近似l0-范数,同时使用加权最小均方误差(weighted minimum mean square error,WMMSE)的方法将通信速率从非凸问题转换成一个凸问题,最后使用改进的次梯度法对预编码矩阵进行更新。仿真结果证明该算法减少了时间复杂度,同时达到了与穷举法相近的性能。
