CN108512618B - 一种基于随机几何的密集蜂窝网认知干扰协调方法 - Google Patents
一种基于随机几何的密集蜂窝网认知干扰协调方法 Download PDFInfo
- Publication number
- CN108512618B CN108512618B CN201810052367.6A CN201810052367A CN108512618B CN 108512618 B CN108512618 B CN 108512618B CN 201810052367 A CN201810052367 A CN 201810052367A CN 108512618 B CN108512618 B CN 108512618B
- Authority
- CN
- China
- Prior art keywords
- small
- channel
- cell
- macro
- small cell
- 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
- 230000001413 cellular effect Effects 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 29
- 238000001228 spectrum Methods 0.000 claims abstract description 24
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims description 30
- 230000003595 spectral effect Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 230000002452 interceptive effect Effects 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 14
- 238000005562 fading Methods 0.000 claims description 14
- 230000014509 gene expression Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims 1
- 238000006731 degradation reaction Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 6
- 230000000116 mitigating effect Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J11/00—Orthogonal multiplex systems, e.g. using WALSH codes
- H04J11/0023—Interference mitigation or co-ordination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0833—Random access procedures, e.g. with 4-step access
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于随机几何的密集蜂窝网认知干扰协调方法,通过认知干扰协调方案的设计,提出一种支持多信道接入与不定承载用户数的密集认知小蜂窝网络的干扰缓解机制,有效地解决了密集网络中的同层与跨层干扰。该方案根据经验的网络参数,为接入相同信道的小蜂窝设置一个保护区域,利用随机几何建模,得到密集蜂窝网中频谱效率与独享半径的关系,利用一维数据搜索方法可以快速地得到最优独享半径,其可在信道复用率与干扰协调之间实现最佳的权衡。实验结果验证,该方案有效地缓解小蜂窝间的同信道干扰,同时相比于已有方案,可以显著提高密集蜂窝网的频谱效率。
Description
技术领域
本发明属于移动通信技术领域,尤其涉及5G系统中密集蜂窝网最优认知干扰协调方法。
背景技术
密集蜂窝网络是满足未来流量爆炸式增长需求的主要技术手段之一,密集网络中小蜂窝的部署在提高系统性能的同时,也使得系统干扰变得更加复杂,主要包括两类干扰:同层干扰与跨层干扰。同层干扰有宏蜂窝之间的干扰和小蜂窝之间的干扰。在密集网络中,由于小蜂窝之间的距离很近,小蜂窝之间的同层干扰不可忽略。跨层干扰是宏蜂窝与小蜂窝层间的相互干扰。
频谱接入策略在密集网络干扰缓解方案设计中扮演着重要的角色。由于小蜂窝的数目与位置都具有高度的随机性,因此分布式与自组织的信道接入方案在密集小蜂窝网络中比传统控制中心对每个小蜂窝接入频带进行规划更具有可实施性。近年来,认知小蜂窝被认为是密集网络实现自组网的一种高效且可行方案,即小蜂窝具备频谱感知与机会接入频谱功能,这样就可以分布式接入与利用信道资源。现有研究和方法设计大多都是在单信道场景进行的,或者认为多信道场景在饱和传输条件下进行。而在实际小蜂窝网络中,可用信道数目远不止一个,并且每个小蜂窝承载用户数也存在较大的差异。因此,设计适用于这一实际场景的认知接入方案具有重要意义。
发明内容
技术问题:本专利利用小蜂窝的认知功能与协作干扰协调机制,提出一种支持多信道与不定承载用户数的密集蜂窝网络的干扰缓解机制,为接入同一信道的小蜂窝设置一个保护区域,有效地缓解同层小蜂窝间的信道干扰。利用随机几何建模,有效评估了密集蜂窝网中频谱效率与独享半径的制约关系。并据此关系,利用一维数据搜索方法可以快速地得到最优独享半径,其可在频谱复用率与干扰协调之间做出一个最佳的权衡,显著提高密集蜂窝网的频谱效率。
技术方案:
一种基于随机几何的密集蜂窝网认知干扰协调方法,包括以下步骤:
步骤1:确立认知干扰协调机制,包括跨层干扰的避免和同层干扰的协调;
步骤2:计算宏用户与小蜂窝用户的信干噪比;
步骤3:计算密集蜂窝网络任一特定信道的平均频谱效率;
步骤4:设计最优独享区域半径,实现在频谱复用率与干扰协调之间的权衡,提高密集蜂窝网的频谱效率。
作为本发明基于随机几何的密集蜂窝网最优认知干扰协调方法的进一步优选方案,所述步骤1具体包含如下步骤:
步骤1.1,密集蜂窝网络建模:
考虑一个覆盖半径为RM的宏蜂窝区域,宏站位于覆盖区域的中心,小基站随机分布在宏蜂窝中,服从强度为λ的泊松点过程PPP,小蜂窝位置的集合表示为Φ={x1,x2,...},小蜂窝的覆盖半径为RS,宏蜂窝与每个小蜂窝承载的用户数KM与KS分别服从均值为θM与θS的泊松分布,即τ={M,S},宏站、小基站与用户的天线数都为1,系统总的子信道数目为NC,在每个小区中,每个活跃的用户分配一个子信道进行传输;
步骤1.2,跨层干扰避免:
在认知密集蜂窝网络中,宏蜂窝作为主用户,认知小蜂窝作为次用户,认知小蜂窝通过频谱感知确定目前空闲的子信道并机会地接入空闲信道进行传输,当宏蜂窝再次使用时,小蜂窝立即空出该信道,有效地避免跨层干扰,在某一时刻,若宏蜂窝中请求传输的用户数目大于NC,宏蜂窝采用轮询方式调度其中的NC个宏用户进行传输,宏蜂窝中占用的信道数目为NM,NM的分布律可以表示为
小蜂窝最多可用信道数目为NC-NM;
步骤1.3,同层干扰协调:
由于密集蜂窝网络中小蜂窝的部署密度很高,若认知小蜂窝随机接入感知的空闲信道,会产生相邻每个小蜂窝接入相同信道的情况,而导致较大的性能降级。采用一种带有信道独享区域的接入方式避免该情况的发生,假设信道独享区域的半径为RG,一旦某个小蜂窝接入一个特定信道,位于其周围半径为RG区域中其他小蜂窝就不能使用该信道,信道独享区域的实施通过竞争的方式,即位于每个小蜂窝产生一个0~1随机数,每个小蜂窝收集位于其独享区域中所有的随机数,若该小蜂窝生产随机数最小,则其在下一阶段接入该信道。
作为本发明基于随机几何的密集蜂窝网最优认知干扰协调方法的进一步优选方案,所述步骤2具体包含如下步骤:
步骤2.1,将信道模型建模为两个部分:小尺度衰落与传输路径损耗,假设用户到基站的距离为d,那么,信道系数可以表示为d-αh,其中,α为路径损耗指数,小尺度衰落幅值的平方|h|2服从均值为1的指数分布,即瑞利衰落;
其中,p0,m为宏站在宏用户m数据传输信道上的发送功率,x0,m为宏用户m的发送信号,d0,m为宏站与宏用户m之间的距离,h0,m为宏站到宏用户m信道的小尺度衰落,v0,m为噪声信号,其服从均值为0方差为1的复高斯分布;
步骤2.3,小蜂窝i中用户k,即小蜂窝用户(i,k)的接收信号表示为其中,pi,k为小蜂窝用户(i,k)信道上的发送功率,xi,k为小蜂窝用户(i,k)的发送信号,di,k为小基站i与小蜂窝用户(i,k)之间的距离,hi,k为小基站i与小蜂窝用户(i,k)信道的小尺度衰落,rj,i为干扰小基站j到小蜂窝用户(i,k)的传输距离,gj,i为干扰小基站j到小蜂窝用户(i,k)的小尺度衰落,vi,k为噪声信号,Ω为与小蜂窝用户(i,k)采用同一信道的干扰小蜂窝的集合;
作为本发明基于随机几何的密集蜂窝网最优认知干扰协调方法的进一步优选方案,所述步骤3,具体包含如下步骤:
其中P{NO=n}为典型小蜂窝竞争到空闲信道的数目NO的分布律,P{NS=k|NO}为在典型小蜂窝可用子信道数目为NO的条件下,其可接入小蜂窝用户数目NS的分布律,使用同一信道的小基站密度被进一步稀释为且每个小蜂窝周围有一个半径为RG的区域无蜂窝占用同一信道;
步骤3.2,宏蜂窝成功传输概率P{γ0,m≥η|NM}的评估:
将SINR代入宏蜂窝成功传输概率,得到
步骤3.3,认知小蜂窝成功传输概率P{γi,k≥η|NM}的评估:
如上所述,Ω表示与典型小蜂窝用户接入相同信道的干扰小蜂窝基站的位置点过程,得到
虽然P{γi,k≥η|NM}的闭合表达式很难得到,但已经通过只包含一重积分的分析表达式,进行小蜂窝频谱效率性能高效快速地评估;
步骤3.4,平均频谱效率的评估:
由于每个子信道上频谱效率的统计特性相同,密集蜂窝网络任一特定信道的平均频谱效率表示为C=CM+CS,其中,CM与CS分别表示宏蜂窝与小蜂窝的单位信道上频谱效率,若设定传输中断门限为η,即SINR大于η时,log2(1+η)的速率进行传输,否则发生中断,CM与CS分别表示为
其中S为宏蜂窝的覆盖面积。
作为本发明基于随机几何的密集蜂窝网最优认知干扰协调方法的进一步优选方案,在步骤4中,最优独享半径具体计算如下:
有益效果:本发明与现有技术相比,具有以下优点:
(1)本发明利用小蜂窝的认知功能与协作干扰协调机制,提出了一种支持多信道与不定接入用户数的密集蜂窝网络的干扰缓解机制;
(2)本发明基于随机几何工具,进一步推导了提出方案性能的数学表达式。根据推导的性能表达式可以快速地评估密集小蜂窝网络性能与系统参数间的变化趋势,对系统参数设计具有重要的指导性意义;
(3)本发明提出的方案联合设计的最优独享半径可以在频谱复用率与干扰协调之间很好的权衡,显著提高密集蜂窝网的频谱效率。
附图说明
图1为本发明所提供的认知干扰协调机制实现流程图;
图2为本发明所提供的密集小蜂窝网络架构示意图;
图3为本发明所提供的频谱效率与独享区域半径变化关系图;
图4为本发明所提供的最优独享半径与小蜂窝密度关系图;
图5为本发明所提供的频谱效率与小蜂窝密度关系图。
具体实施方式
下面结合附图对本发明作更进一步说明。
一种基于随机几何的密集蜂窝网认知干扰协调方法,如图1所示,具体包括以下步骤:
步骤1:确立认知干扰协调机制,包括跨层干扰的避免和同层干扰的协调;
步骤2:计算宏用户与小蜂窝用户的信干噪比;
步骤3:计算密集蜂窝网络任一特定信道的平均频谱效率;
步骤4:设计最优独享区域半径,实现在频谱复用率与干扰协调之间的权衡,提高密集蜂窝网的频谱效率。
密集小蜂窝网络架构如图2所示,考虑一个覆盖半径为1Km的宏蜂窝区域,宏站位于覆盖区域的中心。小基站随机分布在宏蜂窝中,服从强度为1~8×10-4个/m2的PPP,小蜂窝位置的集合可以表示为Φ={x1,x2,...}。小蜂窝的覆盖半径为20m。宏蜂窝与每个小蜂窝承载的用户数KM与KS分别服从均值为12与4的泊松分布,即宏站、小基站与用户的天线数都为1。系统总的子信道数目为16,在每个小区中,每个活跃的用户分配一个子信道进行传输。
宏蜂窝中占用的信道数目为NM,NM的分布律可以表示为
小蜂窝最多可用信道数目为16-NM。
假设用户到基站的距离为d,那么,信道系数可以表示为d-αh,其中,路径损耗指数α为3.5。小尺度衰落幅值的平方|h|2服从均值为1的指数分布,即瑞利衰落。
小蜂窝活跃概率可以表示为pA=1-P{KS=0},即实际活跃小蜂窝的密度被稀释为λA=pAλ。一个特定信道被典型小蜂窝占用的概率为
其中P{NO=n}为典型小蜂窝竞争到空闲信道的数目NO的分布律,P{NS=k|NO}为在典型小蜂窝可用子信道数目为NO的条件下,其可接入小蜂窝用户数目NS的分布律。
将SINR代入宏蜂窝成功传输概率,可以得到
如上所述,Ω表示与典型小蜂窝用户接入相同信道的干扰小蜂窝基站的位置点过程。可以得到
虽然P{γi,k≥η|NM}的闭合表达式很难得到,但已经可以通过只包含一重积分的分析表达式,进行小蜂窝频谱效率性能高效快速地评估。
由于每个子信道上频谱效率的统计特性相同,密集蜂窝网络任一特定信道的平均频谱效率可以表示为C=CM+CS,其中,CM与CS分别表示宏蜂窝与小蜂窝的单位信道上频谱效率。CM与CS可以分别表示为
其中S为宏蜂窝的覆盖面积。
图3画出了频谱效率随独享区域半径变化的关系。可以看出,随着独享区域半径的增大,密集小蜂窝网络的频谱效率性能呈现出先增大后减小的趋势。其原因是:增大独享半径,可以减小来自其他小蜂窝的干扰,但同时也会减小信道的空间利用率。因此,独享半径的设置需要在干扰协调与信道利用率之间作一个权衡,才能最大化密集蜂窝网的频谱效率。
图4画出了最优独享半径与小蜂窝密度之间的关系。从图4中,可以看出随着小蜂窝密度的增大,最优独享半径一直变小,但变化的趋势减缓。其原因是:小蜂窝密度增大后,若要保证每个小蜂窝中都能有一定的信道可以传输,就需要减小独享区域,使得信道给更多的小蜂窝分享。但这是以增加小蜂窝间的干扰为代价的。同时SINR预设门限增大也会提高最优独享半径,原因是为了保证小蜂窝用户一定的成功传输概率。
图5画出了频谱效率与小蜂窝密度之间的关系。为了与现有方案比较,图5同时画出了认知小蜂窝采用最优随机接入方案时的性能,与认知小蜂窝采用单信道竞争方案时的最优性能。可以观察到,本文提出方案的频谱效率明显优越于已有文献中两种经典的方案。此外,图中还显示总的频谱效率随着小蜂窝密度的增加而增加,但在小蜂窝密度较高时,增加的速度趋于缓和。并且,小蜂窝密度较大时,增加SINR的阈值不一定会增加系统总的频谱效率。
Claims (1)
1.一种基于随机几何的密集蜂窝网认知干扰协调方法,其特征在于,包括以下步骤:
步骤1:确立认知干扰协调机制,包括跨层干扰的避免和同层干扰的协调;
步骤2:计算宏用户与小蜂窝用户的信干噪比;
步骤3:计算密集蜂窝网络任一特定信道的平均频谱效率;
步骤4:设计最优独享区域半径,实现在频谱复用率与干扰协调之间的权衡,提高密集蜂窝网的频谱效率;
所述步骤1具体包含如下步骤:
步骤1.1,密集蜂窝网络建模:
考虑一个覆盖半径为RM的宏蜂窝区域,宏站位于覆盖区域的中心,小基站随机分布在宏蜂窝中,服从强度为λ的泊松点过程PPP,小蜂窝位置的集合表示为Φ={x1,x2,...},小蜂窝的覆盖半径为RS,宏蜂窝与每个小蜂窝承载的用户数KM与KS分别服从均值为θM与θS的泊松分布,即τ={M,S},宏站、小基站与用户的天线数都为1,系统总的子信道数目为NC,在每个小区中,每个活跃的用户分配一个子信道进行传输;
步骤1.2,跨层干扰避免:
在认知密集蜂窝网络中,宏蜂窝作为主用户,认知小蜂窝作为次用户,认知小蜂窝通过频谱感知确定目前空闲的子信道并机会地接入空闲信道进行传输,当宏蜂窝再次使用时,小蜂窝立即空出该信道,有效地避免跨层干扰,在某一时刻,若宏蜂窝中请求传输的用户数目大于NC,宏蜂窝采用轮询方式调度其中的NC个宏用户进行传输,宏蜂窝中占用的信道数目为NM,NM的分布律可以表示为
小蜂窝最多可用信道数目为NC-NM;
步骤1.3,同层干扰协调:
由于密集蜂窝网络中小蜂窝的部署密度很高,若认知小蜂窝随机接入感知的空闲信道,会产生相邻每个小蜂窝接入相同信道的情况,而导致较大的性能降级,采用一种带有信道独享区域的接入方式避免该情况的发生,假设信道独享区域的半径为RG,一旦某个小蜂窝接入一个特定信道,位于其周围半径为RG区域中其他小蜂窝就不能使用该信道,信道独享区域的实施通过竞争的方式,即位于每个小蜂窝产生一个0~1随机数,每个小蜂窝收集位于其独享区域中所有的随机数,若该小蜂窝生产随机数最小,则其在下一阶段接入该信道;
所述步骤2具体包含如下步骤:
步骤2.1,将信道模型建模为两个部分:小尺度衰落与传输路径损耗,假设用户到基站的距离为d,那么,信道系数可以表示为d-αh,其中,α为路径损耗指数,小尺度衰落幅值的平方|h|2服从均值为1的指数分布,即瑞利衰落;
其中,p0,m为宏站在宏用户m数据传输信道上的发送功率,x0,m为宏用户m的发送信号,d0,m为宏站与宏用户m之间的距离,h0,m为宏站到宏用户m信道的小尺度衰落,v0,m为噪声信号,其服从均值为0方差为1的复高斯分布;
步骤2.3,小蜂窝i中用户k,即小蜂窝用户(i,k)的接收信号表示为其中,pi,k为小蜂窝用户(i,k)信道上的发送功率,xi,k为小蜂窝用户(i,k)的发送信号,di,k为小基站i与小蜂窝用户(i,k)之间的距离,hi,k为小基站i与小蜂窝用户(i,k)信道的小尺度衰落,rj,i为干扰小基站j到小蜂窝用户(i,k)的传输距离,gj,i为干扰小基站j到小蜂窝用户(i,k)的小尺度衰落,vi,k为噪声信号,Ω为与小蜂窝用户(i,k)采用同一信道的干扰小蜂窝的集合;
所述步骤3,具体包含如下步骤:
其中P{NO=n}为典型小蜂窝竞争到空闲信道的数目NO的分布律,P{NS=k|NO}为在典型小蜂窝可用子信道数目为NO的条件下,其可接入小蜂窝用户数目NS的分布律,使用同一信道的小基站密度被进一步稀释为且每个小蜂窝周围有一个半径为RG的区域无蜂窝占用同一信道;
步骤3.2,宏蜂窝成功传输概率P{γ0,m≥η|NM}的评估:
将SINR代入宏蜂窝成功传输概率,得到
步骤3.3,认知小蜂窝成功传输概率P{γi,k≥η|NM}的评估:
如上所述,Ω表示与典型小蜂窝用户接入相同信道的干扰小蜂窝基站的位置点过程,得到
虽然P{γi,k≥η|NM}的闭合表达式很难得到,但已经通过只包含一重积分的分析表达式,进行小蜂窝频谱效率性能高效快速地评估;
步骤3.4,平均频谱效率的评估:
由于每个子信道上频谱效率的统计特性相同,密集蜂窝网络任一特定信道的平均频谱效率表示为C=CM+CS,其中,CM与CS分别表示宏蜂窝与小蜂窝的单位信道上频谱效率,若设定传输中断门限为η,即SINR大于η时,log2(1+η)的速率进行传输,否则发生中断,CM与CS分别表示为
其中S为宏蜂窝的覆盖面积;
在步骤4中,最优独享半径具体计算如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810052367.6A CN108512618B (zh) | 2018-01-19 | 2018-01-19 | 一种基于随机几何的密集蜂窝网认知干扰协调方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810052367.6A CN108512618B (zh) | 2018-01-19 | 2018-01-19 | 一种基于随机几何的密集蜂窝网认知干扰协调方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108512618A CN108512618A (zh) | 2018-09-07 |
CN108512618B true CN108512618B (zh) | 2021-01-26 |
Family
ID=63374888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810052367.6A Active CN108512618B (zh) | 2018-01-19 | 2018-01-19 | 一种基于随机几何的密集蜂窝网认知干扰协调方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108512618B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024914A (zh) * | 2012-12-27 | 2013-04-03 | 南京邮电大学 | 终端直通技术共享系统下行资源的跨层设计方法 |
EP2723133A1 (en) * | 2012-10-18 | 2014-04-23 | NTT DoCoMo, Inc. | Method for controlling operation within a cell of a wireless cellular network, base station and wireless cellular network |
CN106792893A (zh) * | 2016-11-29 | 2017-05-31 | 西南交通大学 | 基于最大接收功率的异构蜂窝网络接入方法 |
CN106954227A (zh) * | 2017-02-24 | 2017-07-14 | 南京邮电大学 | 超密集无线网络基于干扰协调的能效资源分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10154415B2 (en) * | 2015-08-04 | 2018-12-11 | Cisco Technology, Inc. | Resource adaptation for frequency domain downlink inter-cell interference coordination |
-
2018
- 2018-01-19 CN CN201810052367.6A patent/CN108512618B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2723133A1 (en) * | 2012-10-18 | 2014-04-23 | NTT DoCoMo, Inc. | Method for controlling operation within a cell of a wireless cellular network, base station and wireless cellular network |
CN103024914A (zh) * | 2012-12-27 | 2013-04-03 | 南京邮电大学 | 终端直通技术共享系统下行资源的跨层设计方法 |
CN106792893A (zh) * | 2016-11-29 | 2017-05-31 | 西南交通大学 | 基于最大接收功率的异构蜂窝网络接入方法 |
CN106954227A (zh) * | 2017-02-24 | 2017-07-14 | 南京邮电大学 | 超密集无线网络基于干扰协调的能效资源分配方法 |
Non-Patent Citations (2)
Title |
---|
The Guard Zone in Wireless Ad hoc Networks;Aamir Hasan,et al.;《IEEE Transactions on Wireless Communications》;20070319;第6卷(第3期);说明书第IV、VII节,表I * |
蜂窝与D2D异构网络中D2D无线资源管理设计与实现验证;王宏宇;《中国优秀硕士学位论文全文数据库信息科技辑》;20150815(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108512618A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | D2D enhanced heterogeneous cellular networks with dynamic TDD | |
Lin et al. | Optimizing user association and spectrum allocation in HetNets: A utility perspective | |
Cai et al. | A graph-coloring based resource allocation algorithm for D2D communication in cellular networks | |
Debroy et al. | Spectrum map and its application in resource management in cognitive radio networks | |
Ni et al. | A geometrical-based throughput bound analysis for device-to-device communications in cellular networks | |
Shi et al. | Wireless energy transfer enabled D2D in underlaying cellular networks | |
CN104902488B (zh) | 分层异构网络中各层网络基站的配置方法 | |
CN101635600B (zh) | 认知无线电中基于干扰温度的信道与功率联合分配方法 | |
CN102438313B (zh) | 一种基于认知无线电通信盟的调度方法 | |
Mesodiakaki et al. | Performance analysis of a cognitive radio contention-aware channel selection algorithm | |
CN105451244B (zh) | 一种小型基站协作的覆盖概率估计方法 | |
Kusaladharma et al. | Performance characterization of spatially random energy harvesting underlay D2D networks with transmit power control | |
Abana et al. | Coverage and rate analysis in heterogeneous cloud radio access networks with device-to-device communication | |
Chen et al. | Resource allocation for intra-cluster D2D communications based on Kuhn-Munkres algorithm | |
Ni et al. | Geometrical-based throughput analysis of device-to-device communications in a sector-partitioned cell | |
Parvez et al. | LAA-LTE and WiFi based smart grid metering infrastructure in 3.5 GHz band | |
Wang et al. | A cross-layer investigation for the throughput performance of CSMA/CA-based WLANs with directional antennas and capture effect | |
Tang et al. | Interference mitigation via cross-tier cooperation in heterogeneous cloud radio access 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 | |
Panahi et al. | Stochastic geometry based analytical modeling of cognitive heterogeneous cellular networks | |
Aijaz et al. | On performance evaluation of dynamic sensitivity control techniques in next-generation WLANs | |
CN117715219A (zh) | 基于深度强化学习的空时域资源分配方法 | |
CN102665254B (zh) | 基于用户收益的cdma/wlan异构网络接入选择方法 | |
CN108512618B (zh) | 一种基于随机几何的密集蜂窝网认知干扰协调方法 | |
Jiang et al. | Dynamic power control based on FFR for D2D communication underlaying cellular networks |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210902 Address after: No. 138, Taodu Road, Dingshu Town, Yixing City, Wuxi City, Jiangsu Province, 214000 Patentee after: Jiangsu Hengxin Technology Co.,Ltd. Address before: 210023 new model road, Nanjing, Nanjing, Jiangsu Patentee before: NANJING University OF POSTS AND TELECOMMUNICATIONS |