CN108738028B - 一种超密集组网下的分簇方法 - Google Patents
一种超密集组网下的分簇方法 Download PDFInfo
- Publication number
- CN108738028B CN108738028B CN201810513019.4A CN201810513019A CN108738028B CN 108738028 B CN108738028 B CN 108738028B CN 201810513019 A CN201810513019 A CN 201810513019A CN 108738028 B CN108738028 B CN 108738028B
- Authority
- CN
- China
- Prior art keywords
- node
- cluster
- interference
- node number
- nodes
- 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 23
- 230000006855 networking Effects 0.000 title claims abstract description 15
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 6
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 abstract description 6
- 238000010295 mobile communication Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000004088 simulation Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification 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
- H04W16/14—Spectrum sharing arrangements between different networks
-
- 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
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
- H04W40/16—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality based on interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种超密集组网下的分簇方法,涉及移动通信技术领域,该超密集组网下的分簇方法,包括:对网络中任意一个节点集合中的所有节点求取两两节点之间的干扰权值Wab;从多个干扰权值Wab中获取最大干扰权值Wab_max;获取构成最大干扰权值Wab_max的两节点的节点编号,并将两节点编号分别赋值给为m和n,并将该节点编号为m的节点作为第一簇的初始节点,将该节点编号为n的节点作为第二簇的初始节点;保证了干扰最大的两个节点不会被分在同一簇中,同时这样的两个簇内的初始值也是差别最大的,并且通过保证簇内节点间干扰最小为准则将其余节点进行分簇,不但提高了频谱资源的利用率和系统的吞吐量,而且降低了用户间干扰。
Description
技术领域
本发明涉及移动通信技术领域,更具体的涉及一种超密集组网下的分簇方法。
背景技术
随着未来移动通信应用场景的不断丰富以及用户行为的不断变化,越来越需要高带宽的应用,传统以宏蜂窝为主、以区域覆盖为目的的移动通信网络架构将难以应对通信业务需求和爆炸式增长的数据挑战,因此未来的无线蜂窝网络将面临巨大的数据压力。超密集网络由许多低功耗小基站组成,是解决此挑战最具创新性变革的手段。但是小区密集部署带来的干扰问题会降低网络容量和用户体验,导致频谱利用率和小区边缘吞吐量降低。为了解决这些问题,就需要部署更为先进的小区间干扰抑制技术,即协作多点传输技术。该技术在多个网络、基站和用户之间协作决策和传输,能够有效地减少小区间干扰,提升数据速率覆盖和小区边缘吞吐量。然而,在网络中所有小区之间进行协调是一项非常复杂的任务,因为在协调的小区中需要进行精确地同步,这就会产生额外的导航和信号处理等开销,为了避免这些开销,就需要对小区进行较小规模的协作聚类,即可以对小区用户先进行分簇,然后在簇内和簇间进行协作传输。因此,合适的分簇算法,对于抑制小区干扰,尤其是提高小区边缘吞吐量来说,至关重要。
现有技术中提出的分簇算法为基于SINR的连续干扰权值分簇算法,但是该方法的系统吞吐量性能较差,因此会导致用户间干扰严重。
发明内容
本发明实施例提供一种超密集组网下的分簇方法,用以解决现有技术中系统吞吐量性能较差,导致用户间干扰严重的问题。
本发明实施例提供一种超密集组网下的分簇方法,包括:
步骤1、对网络中任意一个节点集合中的所有节点求取两两节点之间的干扰权值Wab;
步骤2、从多个干扰权值Wab中获取最大干扰权值Wab_max;
步骤3、获取构成最大干扰权值Wab_max的两节点的节点编号,并将两节点编号分别赋值给为m和n,并将所述节点编号为m的节点作为第一簇的初始节点,将所述节点编号为n的节点作为第二簇的初始节点;
步骤4、从所述节点集合中除去节点编号为m和n两节点之外的所有节点的节点编号进行大小排序;
步骤5、判断最小节点编号对应的节点与节点编号为m的节点之间的干扰权值是否小于节点编号最小的节点与节点编号为n的节点之间的干扰权值的大小;
步骤6、若所述最小节点编号对应的节点与节点编号为m的节点之间的干扰权值小于最小节点编号对应的节点与节点编号为n的节点之间的干扰权值,则将所述最小节点编号对应的节点并入与节点编号为m的节点为一组的第一簇中;否则,将所述最小节点编号对应的节点并入与节点编号为n的节点为一组的第二簇中;
步骤7、确定次小节点编号对应的节点加入第一簇时,第一簇新增加的干扰值,以及次小节点编号对应的节点加入第二簇时,第二簇新增加的干扰值;其中,所述次小节点编号为按照节点编号的大小排序顺序,大于最小节点编号且与最小节点编号相邻的节点编号;
步骤8、判断第一簇新增加的干扰值是否小于第二簇新增加的干扰值;
步骤9、若第一簇新增加的干扰值小于第二簇新增加的干扰值,将所述次小节点编号对应的节点并入第一簇,否则,将所述次小节点编号对应的节点并入第二簇;
步骤10、从除去次小节点编号和最小节点编号的节点编号排序中按照从小到大的顺序依次对每一个节点编号对应的节点执行步骤7至9,直至所有节点完成分簇。
较佳地,所述步骤10之后还包括:
确定第一簇中所有两两节点之间的干扰权值Wab1,以及第二簇中所有两两节点之间的干扰权值Wab2;
从多个Wab1中获取最大干扰权值Wab_max1,以及从多个Wab2中获取最大干扰权值Wab_max2;
根据所述Wab_max1执行步骤3-10,将所述第一簇分成两簇;
根据所述Wab_max2执行步骤3-10,将所述第二簇分成两簇。
较佳地于,所述确定次小节点编号对应的节点加入第一簇时,第一簇新增加的干扰值,包括:
最小节点编号对应的节点加入第一簇时,第一簇新增加的干扰值为:所述次小节点编号对应的节点与节点编号为m的节点之间的干扰权值加所述次小节点编号对应的节点与最小节点编号对应的节点之间的干扰权值;
最小节点编号对应的节点未加入第一簇时,第一簇新增加的干扰值为:所述次小节点编号对应的节点与节点编号为m的节点之间的干扰权值。
本发明实施例中,提供一种超密集组网下的分簇方法,包括:对网络中任意一个节点集合中的所有节点求取两两节点之间的干扰权值Wab;从多个干扰权值Wab中获取最大干扰权值Wab_max;获取构成最大干扰权值Wab_max的两节点的节点编号,并将两节点编号分别赋值给为m和n,并将该节点编号为m的节点作为第一簇的初始节点,将该节点编号为n的节点作为第二簇的初始节点,判断最小节点编号对应的节点与节点编号为m的节点之间的干扰权值是否小于节点编号最小的节点与节点编号为n的节点之间的干扰权值;若该最小节点编号对应的节点与节点编号为m的节点之间的干扰权值小于最小节点编号对应的节点与节点编号为n的节点之间的干扰权值,则将该最小节点编号对应的节点并入与节点编号为m的节点为一组的第一簇中也即通过将干扰最大的两个节点作为簇的两个核心,这样设计的初始值,保证了干扰最大的两个节点不会被分在同一簇中,同时这样的两个簇内的初始值也是差别最大的,并且通过新增节点使得簇内节点间干扰和最小为准则将节点进行分簇,从而使得同一簇内的节点共享频谱资源,降低了用户间干扰,提高了频谱资源的利用率和系统的吞吐量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种超密集组网下的分簇方法的流程图;
图2为本发明实施例提供的一种超密集组网下的分簇方法与参考方法的对比图。
具体实施方式
下面结合附图,对本发明的一个具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
图1示例性的示出了本发明实施例提供的一种超密集组网下的分簇方法的流程图,该超密集组网下的分簇方法包括:
步骤1、对网络中任意一个节点集合中的所有节点求取两两节点之间的干扰权值Wab。
步骤2、从多个干扰权值Wab中获取最大干扰权值Wab_max。
步骤3、获取构成最大干扰权值Wab_max的两节点的节点编号,并将两节点编号分别赋值给为m和n,并将该节点编号为m的节点作为第一簇的初始节点,将该节点编号为n的节点作为第二簇的初始节点。
步骤4、从该节点集合中除去节点编号为m和n两节点之外的所有节点的节点编号进行大小排序。
步骤5、判断最小节点编号对应的节点与节点编号为m的节点之间的干扰权值是否小于节点编号最小的节点与节点编号为n的节点之间的干扰权值。
步骤6、若该最小节点编号对应的节点与节点编号为m的节点之间的干扰权值小于最小节点编号对应的节点与节点编号为n的节点之间的干扰权值,则将该最小节点编号对应的节点并入与节点编号为m的节点为一组的第一簇中;否则,将该最小节点编号对应的节点并入与节点编号为n的节点为一组的第二簇中。
步骤7、确定次小节点编号对应的节点加入第一簇时,第一簇新增加的干扰值,以及次小节点编号对应的节点加入第二簇时,第二簇新增加的干扰值。
其中,该次小节点编号为按照节点编号的大小排序顺序,大于最小节点编号且与最小节点编号相邻的节点编号。
步骤8、判断第一簇新增加的干扰值是否小于第二簇新增加的干扰值。
步骤9、若第一簇新增加的干扰值小于第二簇新增加的干扰值,将该次小节点编号对应的节点并入第一簇,否则,将该次小节点编号对应的节点并入第二簇。
步骤10、从除去次小节点编号和最小节点编号的节点编号排序中按照从小到大的顺序依次对每一个节点编号对应的节点执行步骤7至9,直至所有节点完成分簇。
其中,该步骤10之后还包括:
确定第一簇中所有两两节点之间的干扰权值Wab1,以及第二簇中所有两两节点之间的干扰权值Wab2。
从多个Wab1中获取最大干扰权值Wab_max1,以及从多个Wab2中获取最大干扰权值Wab_max2。
根据该Wab_max1执行步骤3-10,将该第一簇分成两簇。
根据该Wab_max2执行步骤3-10,将该第二簇分成两簇。
也即,将第一簇的所有节点再通过步骤1-10的方法,可将第一簇再分成两簇;将第二簇的所有节点再通过步骤1-10的方法,可将第二簇再分成两簇,以此类推,可以得到2的幂次个簇。
其中,该确定次小节点编号对应的节点加入第一簇时,第一簇新增加的干扰值,包括两种情形:
第一种情形为:最小节点编号对应的节点加入第一簇时,第一簇新增加的干扰值为:该次小节点编号对应的节点与节点编号为m的节点之间的干扰权值加该次小节点编号对应的节点与最小节点编号对应的节点之间的干扰权值。
第二种情形为:最小节点编号对应的节点未加入第一簇时,第一簇新增加的干扰值为:该次小节点编号对应的节点与节点编号为m的节点之间的干扰权值。
比如,第一簇中的用户编号目前为m和i,第二簇中的用户编号目前为n;用户编号为j的用户(j为不含用户m,n,i的最小编号),计算j加入第一簇会新增加的干扰值。按假设,若加入第一簇,第一簇新增的干扰为Wab(m,j)+Wab(i,j);若加入第二簇,第一簇新增干扰为Wab(n,j)。若Wab(m,j)+Wab(i,j)<Wab(n,j),则将用户j并入第一簇,并更新第一簇内用户为(m,i,j);若Wab(m,j)+Wab(i,j)>Wab(n,j),则将用户j并入第二簇,并更新第二簇内用户为(n,j)。
本发明提供的方法相对于计算量大,复杂度高的分簇方法,比如LBG分簇方法来说,由于不采用计算矢量距离而且也没有每次都求质心的方式,减少了计算量,降低了复杂度。
本发明提供的方法可用于小区分簇,也可以用于用户分簇。
通过计算机采用MATLAB为仿真工具,对提出的权值设计方案和用户分簇算法进行了系统性能仿真验证,并以文献提出的设计方案和分簇算法作为参考算法进行比较。该参考算法是基于SINR的连续干扰权值分簇方案。本文在系统级仿真中,首先由相应的小区成簇算法形成小区,而后进行小区选择和多小区调度,最后对调度用户进行波束成型及功率分配。仿真参数具体见表1。
表1仿真参数
在仿真过程中为了确保各种算法仿真结果的公平性和真实性,除了两种算法的分簇算法不同外,在系统参数设置、功率分割与功率控制算法本文均采用了同一算法。仿真结果见图2。
从图2中可以看出,本发明的分簇算法的系统吞吐量性能优于系统参考算法,有效地提升了系统的吞吐量,降低了用户间干扰。
本发明实施例中,提供一种超密集组网下的分簇方法,包括:对网络中任意一个节点集合中的所有节点求取两两节点之间的干扰权值Wab;从多个干扰权值Wab中获取最大干扰权值Wab_max;获取构成最大干扰权值Wab_max的两节点的节点编号,并将两节点编号分别赋值给为m和n,并将该节点编号为m的节点作为第一簇的初始节点,将该节点编号为n的节点作为第二簇的初始节点。也即通过将干扰最大的两个节点作为簇的两个核心,这样设计的初始值,保证了干扰最大的两个节点不会被分在同一簇中,同时这样的两个簇内的初始值也是差别最大的,并且通过保证簇内节点间干扰最小为准则将其余节点进行分簇,从而使得同一簇内的节点共享频谱资源,降低了用户间干扰,提高了频谱资源的利用率和系统的吞吐量。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (3)
1.一种超密集组网下的分簇方法,其特征在于,包括:
步骤1、对网络中任意一个节点集合中的所有节点求取两两节点之间的干扰权值Wab;
步骤2、从多个干扰权值Wab中获取最大干扰权值Wab_max;
步骤3、获取构成最大干扰权值Wab_max的两节点的节点编号,并将两节点编号分别赋值为m和n,并将所述节点编号为m的节点作为第一簇的初始节点,将所述节点编号为n的节点作为第二簇的初始节点;
步骤4、从所述节点集合中除去节点编号为m和n两节点之外的所有节点的节点编号进行大小排序;
步骤5、判断最小节点编号对应的节点与节点编号为m的节点之间的干扰权值是否小于节点编号最小的节点与节点编号为n的节点之间的干扰权值;
步骤6、若所述最小节点编号对应的节点与节点编号为m的节点之间的干扰权值小于最小节点编号对应的节点与节点编号为n的节点之间的干扰权值,则将所述最小节点编号对应的节点并入与节点编号为m的节点为一组的第一簇中;否则,将所述最小节点编号对应的节点并入与节点编号为n的节点为一组的第二簇中;
步骤7、确定次小节点编号对应的节点加入第一簇时,第一簇新增加的干扰值,以及次小节点编号对应的节点加入第二簇时,第二簇新增加的干扰值;其中,所述次小节点编号为按照节点编号的大小排序顺序,大于最小节点编号且与最小节点编号相邻的节点编号;
步骤8、判断第一簇新增加的干扰值是否小于第二簇新增加的干扰值;
步骤9、若第一簇新增加的干扰值小于第二簇新增加的干扰值,将所述次小节点编号对应的节点并入第一簇,否则,将所述次小节点编号对应的节点并入第二簇;
步骤10、从除去次小节点编号和最小节点编号的节点编号排序中按照从小到大的顺序依次对每一个节点编号对应的节点执行步骤7至9,直至所有节点完成分簇。
2.如权利要求1所述的超密集组网下的分簇方法,其特征在于,所述步骤10之后还包括:
确定第一簇中所有两两节点之间的干扰权值Wab1,以及第二簇中所有两两节点之间的干扰权值Wab2;
从多个Wab1中获取最大干扰权值Wab_max1,以及从多个Wab2中获取最大干扰权值Wab_max2;
根据所述Wab_max1执行步骤3-10,将所述第一簇分成两簇;
根据所述Wab_max2执行步骤3-10,将所述第二簇分成两簇。
3.如权利要求1所述的超密集组网下的分簇方法,其特征在于,所述确定次小节点编号对应的节点加入第一簇时,第一簇新增加的干扰值,包括:
最小节点编号对应的节点加入第一簇时,第一簇新增加的干扰值为:所述次小节点编号对应的节点与节点编号为m的节点之间的干扰权值加所述次小节点编号对应的节点与最小节点编号对应的节点之间的干扰权值;
最小节点编号对应的节点未加入第一簇时,第一簇新增加的干扰值为:所述次小节点编号对应的节点与节点编号为m的节点之间的干扰权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810513019.4A CN108738028B (zh) | 2018-05-25 | 2018-05-25 | 一种超密集组网下的分簇方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810513019.4A CN108738028B (zh) | 2018-05-25 | 2018-05-25 | 一种超密集组网下的分簇方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108738028A CN108738028A (zh) | 2018-11-02 |
CN108738028B true CN108738028B (zh) | 2022-05-24 |
Family
ID=63935223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810513019.4A Active CN108738028B (zh) | 2018-05-25 | 2018-05-25 | 一种超密集组网下的分簇方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108738028B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108809470B (zh) * | 2018-07-04 | 2020-04-07 | 西安邮电大学 | 一种超密集蜂窝网络中的分簇算法 |
CN109586836B (zh) * | 2018-11-22 | 2023-09-15 | 西安邮电大学 | 一种基于人工智能的用户分簇算法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106412988A (zh) * | 2016-10-31 | 2017-02-15 | 东南大学 | 一种改进的基于加权图的超密集异构网络干扰协调方法 |
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 |
CN107426825A (zh) * | 2017-04-05 | 2017-12-01 | 西安邮电大学 | 一种基于干扰协调的小区分簇算法 |
CN107770874A (zh) * | 2017-10-25 | 2018-03-06 | 河南理工大学 | 超密集网络中的分簇方法和子信道分配方法 |
-
2018
- 2018-05-25 CN CN201810513019.4A patent/CN108738028B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106412988A (zh) * | 2016-10-31 | 2017-02-15 | 东南大学 | 一种改进的基于加权图的超密集异构网络干扰协调方法 |
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 |
CN107426825A (zh) * | 2017-04-05 | 2017-12-01 | 西安邮电大学 | 一种基于干扰协调的小区分簇算法 |
CN107770874A (zh) * | 2017-10-25 | 2018-03-06 | 河南理工大学 | 超密集网络中的分簇方法和子信道分配方法 |
Non-Patent Citations (4)
Title |
---|
Xiaoning Zhao等.Interference Fair and Multi-Dimensional Cooperation Aware Virtual Cell Forming Algorithm for Ultra Dense Network.《IEEE》.2018, * |
姚稳等.超密集网络中基于分簇的干扰管理方案.《科学技术与工程》.2018,(第02期), * |
武婷婷.超密集网络中基于小小区分簇的干扰管理方案.《电子世界》.2017,(第19期), * |
王纲等.超密集网络中基于干扰协调的资源分配算法.《计算机应用研究》.2017,(第07期), * |
Also Published As
Publication number | Publication date |
---|---|
CN108738028A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107172682B (zh) | 基于动态分簇的超密集网络无线资源分配方法 | |
Yoshida et al. | MAB-based client selection for federated learning with uncertain resources in mobile networks | |
Liu et al. | Joint clustering and inter-cell resource allocation for CoMP in ultra dense cellular networks | |
CN108391317B (zh) | 一种蜂窝网络中d2d通信的资源分配方法及系统 | |
CN106792764B (zh) | 一种配电终端通信接入网无线基站规划方法 | |
CN105873214A (zh) | 一种基于遗传算法的d2d通信系统的资源分配方法 | |
CN108738028B (zh) | 一种超密集组网下的分簇方法 | |
CN110912670A (zh) | 基于k均值聚类的大规模mimo导频分配方法及装置 | |
Celebi et al. | Load analysis and sleep mode optimization for energy-efficient 5G small cell networks | |
CN108809470B (zh) | 一种超密集蜂窝网络中的分簇算法 | |
WO2012171362A1 (zh) | 一种构建多点协作传输小区协作集的方法及装置 | |
CN108282888B (zh) | 一种基于改进模糊聚类的d2d资源分配方法 | |
CN114423028A (zh) | 基于多智能体深度强化学习的CoMP-NOMA协作成簇与功率分配方法 | |
Peng et al. | Ultra-dense heterogeneous relay networks: A non-uniform traffic hotspot case | |
CN103997738A (zh) | 一种防干扰分簇管理方法及装置 | |
Gao et al. | Resource allocation for D2D communication underlaying cellular networks: A distance-based grouping strategy | |
CN108366410B (zh) | 一种面向lte小站密集组网的同步方法 | |
CN110380808B (zh) | 以用户设备为中心的微小区半分簇干扰协调方法 | |
Cheng et al. | Flexible virtual cell design for ultradense networks: A machine learning approach | |
CN113115401B (zh) | 一种蜂窝网络中最大化满意用户数的接入控制方法 | |
CN102685899B (zh) | 物理资源分配方法和装置 | |
Chen et al. | User association in cache-enabled ultra dense network with JT CoMP | |
CN111935824B (zh) | 无线资源分配策略更新方法、装置、设备及存储介质 | |
CN109152060A (zh) | 一种短波下行通信中的发射机信道分配模型及方法 | |
CN104093155A (zh) | 一种td-scdma频率分配方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231018 Address after: Building 2-4-8, Block B, Operation and Maintenance International Headquarters Building, 501 East Chang'an Street, National Civil Aerospace Industry Base, Xi'an City, Shaanxi Province, 710000 yuan Patentee after: Shaanxi Zhongyilian Information Technology Co.,Ltd. Address before: 710121 Changan South Road, Xi'an, Xi'an, Shaanxi Patentee before: XI'AN University OF POSTS & TELECOMMUNICATIONS |
|
TR01 | Transfer of patent right |