CN109548073B - 一种基于多对多匹配的自适应小小区分簇方法 - Google Patents

一种基于多对多匹配的自适应小小区分簇方法 Download PDF

Info

Publication number
CN109548073B
CN109548073B CN201811365815.4A CN201811365815A CN109548073B CN 109548073 B CN109548073 B CN 109548073B CN 201811365815 A CN201811365815 A CN 201811365815A CN 109548073 B CN109548073 B CN 109548073B
Authority
CN
China
Prior art keywords
user
small cell
rsrp
many
matching
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
Application number
CN201811365815.4A
Other languages
English (en)
Other versions
CN109548073A (zh
Inventor
高志斌
柯思强
黄联芬
李钰洁
张远见
李馨
林敏�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen University
Comba Network Systems Co Ltd
Original Assignee
Xiamen University
Comba Telecom Systems Guangzhou Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen University, Comba Telecom Systems Guangzhou Co Ltd filed Critical Xiamen University
Priority to CN201811365815.4A priority Critical patent/CN109548073B/zh
Publication of CN109548073A publication Critical patent/CN109548073A/zh
Application granted granted Critical
Publication of CN109548073B publication Critical patent/CN109548073B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • 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
    • H04B17/318—Received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/46—Cluster building
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种基于多对多匹配的自适应小小区分簇方法，其特征在于，包括如下步骤：S1.用户根据自身接收到的RSRP信息生成RSRP列表，并自发周期性地向连接的小小区上报该RSRP列表；S2.基于多对一匹配为每个小小区生成自己的最优先用户组，直至遍历所有用户及其RSRP列表；S3.进行基于多对多匹配算法的自适应小小区分簇，直至遍历最优先用组；S4.输出分簇匹配结果。本发明的基于多对多匹配的自适应小小区分簇方法，考虑5G场景采用的新技术，分簇结果稳定，算法的复杂度低。

Description

一种基于多对多匹配的自适应小小区分簇方法
技术领域
本发明涉及无线通信技术领域，尤其涉及5G(5th-generation)移动通信系统中超密集小小区网络(Ultra-Dense Small cell Network,UDSN)场景下的小小区管理和移动通信技术，具体是一种基于多对多匹配的自适应小小区分簇方法。
背景技术
密集组网技术是5G的主要关键使能技术之一，通过密集部署低功率无线接入点(小小区基站)来实现无缝覆盖，提升无线资源空间复用率，满足用户的超高体验速率和巨大网络容量需求。
典型的UDSN被定义为小小区基站的数目将远远超过传统蜂窝网络中基站的数量，达到与用户设备数目相当甚至远超用户数的水平。在UDSN中，小小区基站的覆盖半径约为10m，1km2内可布置数千个小小区基站。但是在传统的宏蜂窝网络中，小区范围超过500米，通常在1平方公里范围内小于3-5个基站(Base Station，BS)。在UDSN中，一个小小区只服务一个或数个用户，而数百或甚至数千个活动用户驻留在一个宏小区中。同时，UDSN中将采用比传统网络更高的工作频率和更宽的频段，小小区的部署是不规则的，由于UDSN主要将部署在热点高容量区域，因此该场景下的用户具有较低的移动性。
由于以上差异，在UDSN中存在着许多的问题，其中最突出的问题就是网络密集化带来的复杂的干扰问题和资源分配问题。近年来，业界提出了小小区分簇方法来降低UDSN网络管理的复杂性，即将多个小小区以某种规则划分到一个小小区簇中，以簇为单位进行整体的分析和管理方案设计。基于小小区分簇的资源分配方案、干扰管理方案以及多连接技术已经成为解决超密集网络问题的重要手段。
现有的分簇方案多是基于LTE系统的密集微基站场景，从网络侧出发进行分簇，采用方法主要为机器学习算法，其计算复杂度较高，分簇结果波动较大，在物理上实现难度大。同时，在多制式网络融合的发展趋势下，小小区之间的协作调度，小小区基站布置不规则等导致了分簇管理的困难。例如参考文献Huang Z,Tian H,Qin C,et al.A Social-Energy Based Cluster Management Scheme for User-Centric Ultra-Dense Networks[J].IEEE Access,2017,5(99):10769-10781.其提出的基于个性化推荐的AP(AccessPoint)分簇算法数学模型复杂，物理上难以有效地建立，同时该算法假设单个AP在同一时刻仅服务一个用户，算法难以在实际应用中推广。
匹配问题是指在一个问题中存在的两个集合，其中一个集合中的一个或者多个元素与另一个集合中的一个或多个元素进行匹配的问题，具体的可以分为一对一匹配，一对多匹配和多对多匹配。匹配的稳定性指的是匹配结果中不存在这样一组匹配，使得两个个体可以通过相互匹配来改善他们现有的匹配，经济学中的稳定匹配旨在实现市场中供需双方高效稳定的资源配置方案。通信中的稳定匹配意义在于增强使得用户和资源在网络状况变化时，能够始终保持自身收益增加的趋势。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于多对多稳定匹配的延时决策小小区分簇方法，考虑5G场景采用的新技术，分簇结果稳定，算法的复杂度低。
本发明采用如下技术方案：
一种基于多对多匹配的自适应小小区分簇方法，其特征在于，包括如下步骤：
S1.用户根据自身接收到的RSRP信息生成RSRP列表，并自发周期性地向连接的小小区上报该RSRP列表；
S2.基于多对一匹配为每个小小区生成自己的最优先用户组，直至遍历所有用户及其RSRP列表；
S3.进行基于多对多匹配算法的自适应小小区分簇，直至遍历最优先用户组；
S4.输出分簇匹配结果。
所述RSRP信息包括用户ID、小小区ID、小小区对用户的RSRP值；所述RSRP列表为根据该RSRP值由高到低排列。
所述步骤1)具体包括如下：
S101.用户监测接收到RSRP信息，并生成RSRP列表；
S102.用户自发周期性地向RSRP值最高的小小区上报该RSRP列表；
S103接收到该RSRP列表的小小区将该信息发送给集中控制器。
所述步骤2)具体包括如下：
S201.用户根据其RSRP列表上顺序，向小小区发送建议；
S202.小小区计算向自己提供建议的用户的预估吞吐量；
S203.若提出建议的用户数低于或等于自己的服务上限Na，则将所有提出建议的用户划为自己的最优先用户；否则，选择预估吞吐量最大的前Na个提出建议的用户划为自己的最优先用户，并向其余用户发送拒绝建议；
S204.遍历所有用户及其RSRP列表，直至所有用户都向其RSRP列表中的小小区发送过建议。
在S201中，用户向小小区发送建议前，先检查对应的建议反馈，对发送过建议的小小区不再发送建议。
所述S3包括如下：
S301.用户根据自身接收到的RSRP信息生成小小区匹配列表；
S302.小小区向自己的最优先用户组中的用户发送建议；
S303.用户对自己接收到的建议进行判断，将满足条件的小小区存入该用户的服务小小区，并从最优先用户组中删除，否则向该小小区发送拒绝建议；
S304.小小区检查自己的建议反馈，若小小区发送的建议被拒绝，则该用户从最优先用户组中删除；回到S302，直至所有小小区的最优先用户组为空。
所述S303中，所述用户对自己接收到的建议进行判断，将满足条件的小小区存入该用户的服务小小区，具体为：
若发送建议的小小区在自己的匹配列表中，且数目小于Nb，则接受所有建议的匹配，将这些小小区存入该用户的服务小小区，Nb为用户所能同时连接的小小区数目上限；
若发送建议的小小区在自己的匹配列表中且数目大于Nb，则将RSRP值最高的前Nb个小小区存入该用户的服务小小区。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
本发明的基于多对多匹配的自适应小小区分簇方法，考虑5G场景采用的新技术，分簇结果稳定，算法的复杂度低。
附图说明
图1为超密集小小区网络场景示意图；
图2为用户的RSRP信息上报实现流程示意图；
图3为基于多对一匹配的小小区优先用户选择流程示意图；
图4为基于多对多匹配的小小区分簇流程示意图。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
一种基于多对多匹配的自适应小小区分簇方法，当网络的服务质量不佳时，通过基于多对多匹配分簇算法为网络中的用户选择小小区簇，以提高网络性能和用户体验。该方案的目标即将UDSN中的小小区和用户进行匹配，将每个小小区分配给一个或多个用户，同时也将每个用户分配给一个或多个小小区。
集中控制器监视网络中的服务质量，当网络用户平均吞吐量或者用户平均QoS值低于阈值时，执行分簇算法，重新为系统中的用户选择服务小小区。需要注意的是，在分簇算法执行的过程中，用户或小小区发出的建议仅仅是算法运行中产生的临时变量，不需要在现实网络中真正发出建议。
本发明的方法包括如下步骤：
S1.用户根据自身接收到的RSRP信息生成RSRP列表，并自发周期性地向连接的小小区上报该RSRP列表，该RSRP信息包括用户ID、小小区ID、小小区对用户的RSRP值。RSRP列表为根据该RSRP值由高到低排列，格式如下：
Figure BDA0001868517130000041
每个小小区将接收到的用户RSRP信息上报给集中控制器，集中控制器接收到每个用户的RSRP信息，为每个用户选择不同的小小区基站簇提供服务。
S101.用户监测接收到RSRP信息，并生成RSRP列表；
S102.用户自发周期性地向RSRP值最高的小小区上报该RSRP列表；
S103接收到该RSRP列表的小小区将该信息发送给集中控制器。
S2.基于多对一匹配为每个小小区生成自己的最优先用户组，直至遍历所有用户及其RSRP列表。
S201.用户根据其RSRP列表上顺序，选择RSRP值最高的一个小小区，向该小小区发送建议。用户向小小区发送建议前，先检查对应的建议反馈，对发送过建议的小小区不再发送建议。
S202.小小区计算向自己提供建议的用户的预估吞吐量Ri,
Figure BDA0001868517130000042
其中，B表示小小区所能提供给用户i的最小带宽，0＜α＜1为干扰因子，表示小小区作为服务提供方时发射功率和作为干扰源时干扰功率之间的数量关系；RSRPi表示用户接收到的服务小小区信号功率；M表示表示干扰小小区集合；Ν表示系统热噪声功率。
S203.若提出建议的用户数低于或等于自己的服务上限Na，则将所有提出建议的用户划为自己的最优先用户；否则，选择预估吞吐量最大的前Na个提出建议的用户划为自己的最优先用户，并向其余用户发送拒绝建议。
S204遍历所有用户及其RSRP列表，直至所有用户都向其RSRP列表中的小小区发送过建议。每个小小区得到各自的多个最优先用户，这些最优先用户组成该小小区的最优先用户组。
S3.进行基于多对多匹配算法的自适应小小区分簇，直至遍历最优先用组。
S301.用户根据自身接收到的RSRP信息生成小小区匹配列表,即每个用户选择接收到RSRP信号的所有小小区作为自己的匹配列表。
S302.小小区向自己的最优先用户组中的用户发送建议；
S303.用户对自己接收到的建议进行判断，若发送建议的小小区在自己的匹配列表中，且数目小于Nb，则接受所有建议的匹配，将这些小小区存入该用户的服务小小区，并从最优先用户组中删除；若发送建议的小小区在自己的匹配列表中且数目大于Nb，则将RSRP值最高的前Nb个小小区存入该用户的服务小小区,若发送建议的小小区不在自己的匹配列表中，则向该小小区发送拒绝建议，Nb表示用户能够同时连接小小区的数目上限。
S304.小小区检查自己的建议反馈，若小小区发送的建议被拒绝，则该用户从最优先用户组中删除；回到S302，直至所有小小区的最优先用户组为空。
S4.输出分簇匹配结果。
本地集中控制器将匹配结果发送给相关的用户和小小区。用户的服务小小区分簇结果是如下所示的链表结构：
用户ID 服务小小区1ID 服务小小区2ID .. 服务小小区n ID
应用举例：
该实施例所提供环境场景为具有集中控制的单层超密集小小区组网场景，如图1所示，存在一个本地集中控制器，N个小小区和M个用户(N≥M)。控制器的功能类似于集中式的BBU集群，实现网络中的资源管理、QoS控制、移动性管理等功能，小小区则类似拉远RRH，负责实现和用户间的无线承载。假设在同一时刻，每个小小区能为Na个用户提供服务，每位用户最多能接受Nb个小小区提供的服务，系统工作带宽为B，热噪声功率为Ν。
集中控制器监视网络中的服务质量，当网络用户平均吞吐量或者用户平均QoS值低于阈值时，执行分簇算法，重新为系统中的用户选择服务小小区。
分簇具体过程如下：
图2给出了一种用户的RSRP信息上报实现流程，具体的步骤包括：
S101.用户端监测接收到小小区信号功率信息。具体的，如用户i接收到小小区m，小小区n的信号强度分别为RSRPim＝-90dBm和RSRPin＝-75dBm。
S102.用户将自身接收到的RSRP信息上报给接收信号强度最大的小小区，具体的，如用户i接收到小小区m，小小区n，小小区l的信号强度分别为RSRPim＝-90dBm，RSRPin＝-75dBm和RSRPil＝-60dBm，则将下列信息上报给小小区n。
Figure BDA0001868517130000061
S103.接收到用户上报RSRP信息的小小区将该信息发送给集中控制器。
当集中控制器接收到区域内所有用户的RSRP信息之后，以用户为中心为用户选择服务小小区簇，进行分簇过程。首先为区域内的每个小小区选择自己的最优先用户组。
图3为一种基于多对一匹配的小小区优先用户选择流程，具体的步骤如下：
S201.每个用户根据自己的RSRP列表顺序，选择RSRP值最高的一个小小区，向该小小区发送建议。具体的，如用户i应该向小小区l发送建议。
S202.每个小小区计算向自己提供建议的用户的预估吞吐量。具体的，如小小区l对用户i的吞吐量预估值可由下式计算得到：
Figure BDA0001868517130000071
S203.若提出建议的用户数低于或等于自己的服务上限Na，则将所有提出建议的用户划为自己的最优先用户，否则，选择预估吞吐量最大的前Na个提出建议的用户划为自己的最优先用户并向其余用户发送拒绝建议。
S204.用户检查自己的建议反馈，若用户发送的建议被拒绝，则不再向该小小区发送建议。回到步骤S201，直到所有用户都向自己的RSRP列表中的小小区发送过建议。
当小小区的最优先用户组选择完成后，便可以以用户为中心基于多对多匹配进行小小区分簇。
图4为一种基于多对多匹配的小小区分簇流程，具体步骤如下：
S301.每个用户选择接收到RSRP信号的小小区作为自己的匹配列表。
S302.每个小小区向自己的最优先用户组中的用户发送匹配建议。
S303.每个用户根据自己接收到的建议，若发送建议的小小区在自己的匹配列表中，且数目小于Nb，则接受所有建议的匹配，将这些小小区存入该用户的服务小小区；若发送建议的小小区在自己的匹配列表中且数目大于Nb，则选择RSRP最高的前Nb个小小区的建议，将这Nb个小小区存入该用户的服务小小区；若发送建议的小小区不在自己的匹配列表中，则向该小小区发送拒绝建议。
S304.小小区检查自己的建议反馈，若小小区发送的建议被拒绝，则该用户从最优先用户组中删除。回到步骤S302，直到所有小小区的最优先用户组为空。
本发明的基于多对多匹配的自适应小小区分簇方法，考虑5G场景采用的新技术，分簇结果稳定，算法的复杂度低。稳定匹配技术在已经被尝试运用于计算机科学领域和通信领域，如云计算资源管理(Xu H,Li B.Anchor:A Versatile and Efficient Frameworkfor Resource Management in the Cloud[J].IEEE Transactions on Parallel&Distributed Systems,2013,24(6):1066-1076.)0和频谱资源拍卖(Jiang L,Cai H,ChenY,et al.Many-to-many matching for combinatorial spectrum trading[C].IEEEInternational Conference on Communications.IEEE,2016:1-6.)等等，其适用性和稳定性已经得到证明。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (4)

1.一种基于多对多匹配的自适应小小区分簇方法，其特征在于，包括如下步骤：
S1.用户根据自身接收到的RSRP信息生成RSRP列表，并自发周期性地向连接的小小区上报该RSRP列表；所述RSRP信息包括用户ID、小小区ID、小小区对用户的RSRP值；所述RSRP列表为根据该RSRP值由高到低排列；
S2.基于多对一匹配为每个小小区生成自己的最优先用户组，直至遍历所有用户及其RSRP列表；具体如下：
S201.用户根据其RSRP列表上顺序，向小小区发送建议；
S202.小小区计算向自己提供建议的用户的预估吞吐量；
S203.若提出建议的用户数低于或等于自己的服务上限Na，则将所有提出建议的用户划为自己的最优先用户；否则，选择预估吞吐量最大的前Na个提出建议的用户划为自己的最优先用户，并向其余用户发送拒绝建议；
S204.遍历所有用户及其RSRP列表，直至所有用户都向其RSRP列表中的小小区发送过建议；
S3.进行基于多对多匹配算法的自适应小小区分簇，直至遍历最优先用户组；包括如下：
S301.用户根据自身接收到的RSRP信息生成小小区匹配列表；
S302.小小区向自己的最优先用户组中的用户发送建议；
S303.用户对自己接收到的建议进行判断，将满足条件的小小区存入该用户的服务小小区，并从最优先用户组中删除，否则向该小小区发送拒绝建议；
S304.小小区检查自己的建议反馈，若小小区发送的建议被拒绝，则该用户从最优先用户组中删除；回到S302，直至所有小小区的最优先用户组为空；
S4.输出分簇匹配结果。
2.如权利要求1所述的一种基于多对多匹配的自适应小小区分簇方法，其特征在于，所述步骤1)具体包括如下：
S101.用户监测接收到RSRP信息，并生成RSRP列表；
S102.用户自发周期性地向RSRP值最高的小小区上报该RSRP列表；
S103接收到该RSRP列表的小小区将该信息发送给集中控制器。
3.如权利要求1所述的一种基于多对多匹配的自适应小小区分簇方法，其特征在于，在S201中，用户向小小区发送建议前，先检查对应的建议反馈，对发送过建议的小小区不再发送建议。
4.如权利要求1所述的一种基于多对多匹配的自适应小小区分簇方法，其特征在于，所述S303中，所述用户对自己接收到的建议进行判断，将满足条件的小小区存入该用户的服务小小区，具体为：
若发送建议的小小区在自己的匹配列表中，且数目小于Nb，则接受所有建议的匹配，将这些小小区存入该用户的服务小小区，Nb为用户所能同时连接的小小区数目上限；
若发送建议的小小区在自己的匹配列表中且数目大于Nb，则将RSRP值最高的前Nb个小小区存入该用户的服务小小区。
CN201811365815.4A 2018-11-16 2018-11-16 一种基于多对多匹配的自适应小小区分簇方法 Active CN109548073B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811365815.4A CN109548073B (zh) 2018-11-16 2018-11-16 一种基于多对多匹配的自适应小小区分簇方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811365815.4A CN109548073B (zh) 2018-11-16 2018-11-16 一种基于多对多匹配的自适应小小区分簇方法

Publications (2)

Publication Number Publication Date
CN109548073A CN109548073A (zh) 2019-03-29
CN109548073B true CN109548073B (zh) 2020-09-25

Family

ID=65848009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811365815.4A Active CN109548073B (zh) 2018-11-16 2018-11-16 一种基于多对多匹配的自适应小小区分簇方法

Country Status (1)

Country Link
CN (1) CN109548073B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014040643A1 (en) * 2012-09-14 2014-03-20 Huawei Technologies Co., Ltd. Method for energy saving in a cellular communication system
CN107302801A (zh) * 2017-05-19 2017-10-27 南京邮电大学 一种5G混合场景下面向QoE的双层匹配博弈方法
CN107750056A (zh) * 2017-10-25 2018-03-02 河南理工大学 超密集网络中的干扰消减方法
CN107911856A (zh) * 2017-12-12 2018-04-13 南京航空航天大学 一种超密集异构网络中基于匹配博弈的分离多接入方法
CN107911857A (zh) * 2017-12-12 2018-04-13 南京航空航天大学 一种超密集异构网络中基于上行下行解耦的多接入方法
CN107995034A (zh) * 2017-11-30 2018-05-04 华北电力大学（保定） 一种密集蜂窝网络能量与业务协作方法
CN108200582A (zh) * 2017-12-29 2018-06-22 北京理工大学 一种基于用户体验速率的异构网络小区分簇装置
CN108322271A (zh) * 2018-03-21 2018-07-24 河南理工大学 基于负载的以用户为中心的动态分簇方法
CN108667653A (zh) * 2018-04-17 2018-10-16 东南大学 超密集网络中基于聚类的缓存配置方法及装置
CN108763466A (zh) * 2018-05-29 2018-11-06 武汉大学 基于位置实体的跨媒体用户身份匹配方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014040643A1 (en) * 2012-09-14 2014-03-20 Huawei Technologies Co., Ltd. Method for energy saving in a cellular communication system
CN107302801A (zh) * 2017-05-19 2017-10-27 南京邮电大学 一种5G混合场景下面向QoE的双层匹配博弈方法
CN107750056A (zh) * 2017-10-25 2018-03-02 河南理工大学 超密集网络中的干扰消减方法
CN107995034A (zh) * 2017-11-30 2018-05-04 华北电力大学（保定） 一种密集蜂窝网络能量与业务协作方法
CN107911856A (zh) * 2017-12-12 2018-04-13 南京航空航天大学 一种超密集异构网络中基于匹配博弈的分离多接入方法
CN107911857A (zh) * 2017-12-12 2018-04-13 南京航空航天大学 一种超密集异构网络中基于上行下行解耦的多接入方法
CN108200582A (zh) * 2017-12-29 2018-06-22 北京理工大学 一种基于用户体验速率的异构网络小区分簇装置
CN108322271A (zh) * 2018-03-21 2018-07-24 河南理工大学 基于负载的以用户为中心的动态分簇方法
CN108667653A (zh) * 2018-04-17 2018-10-16 东南大学 超密集网络中基于聚类的缓存配置方法及装置
CN108763466A (zh) * 2018-05-29 2018-11-06 武汉大学 基于位置实体的跨媒体用户身份匹配方法

Also Published As

Publication number Publication date
CN109548073A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
Li et al. D2D communication mode selection and resource optimization algorithm with optimal throughput in 5G network
CN105979542B (zh) 一种5G异构网络中基于SDN的WiFi分流系统及方法
CN105813129A (zh) 一种基于d2d分簇的资源分配方法
CN101472339B (zh) 一种小区干扰协调的方法
CN101754383B (zh) CoMP小区簇构建方法
CN104955077A (zh) 一种基于用户体验速率的异构网络小区分簇方法及装置
Namvar et al. A context-aware matching game for user association in wireless small cell networks
CN104717755A (zh) 一种蜂窝网络中引入d2d技术的下行频谱资源分配方法
CN104902431B (zh) 一种lte网络中跨小区d2d通信频谱分配方法
CN108966285B (zh) 一种基于业务类型的5g网络负荷均衡方法
CN105007629B (zh) 超密集小小区网络系统中无线资源分配方法
Li et al. An energy-efficient cell planning strategy for heterogeneous network based on realistic traffic data
CN104994585A (zh) 一种基于x2接口的资源协调方法
CN104640177A (zh) 多层异构网络中基于能效的小区选择方法
CN106658606B (zh) 一种基于QoE的分布式分层异构网络用户基站匹配方法
Wang et al. Graph-based dynamic frequency reuse in Cloud-RAN
Yang et al. Deep reinforcement learning based resource allocation for heterogeneous networks
Liu et al. Joint user-centric clustering and frequency allocation in ultra-dense C-RAN
CN105007594A (zh) Lte-a异构网络中一种联合优化mlb与mro的方法
CN109548073B (zh) 一种基于多对多匹配的自适应小小区分簇方法
Shao et al. Locally cooperative traffic‐offloading in multi‐mode small cell networks via potential games
Marabissi et al. Low-complexity distributed cell-specific bias calculation for load balancing in udns
CN108738028B (zh) 一种超密集组网下的分簇方法
CN107071911B (zh) 一种基于最大snr的虚拟小区载波分配方法
Javad-Kalbasi et al. Energy and spectrum efficient user association for backhaul load balancing in small cell 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: 20210901

Address after: Siming District of Xiamen city in Fujian Province, 361000 South Siming Road No. 422

Patentee after: XIAMEN University

Patentee after: Jingxin Network System Co.,Ltd.

Address before: 361000 Siming South Road, Xiamen, Fujian Province, No. 422

Patentee before: XIAMEN University

Patentee before: COMBA TELECOM SYSTEMS (GUANGZHOU) Ltd.