C-RAN架構(gòu)下協(xié)作多點(diǎn)傳輸系統(tǒng)中的協(xié)作集選擇和用戶調(diào)度方法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩120頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、在蜂窩移動(dòng)通信系統(tǒng)的發(fā)展過(guò)程中,網(wǎng)絡(luò)架構(gòu)的演進(jìn)和傳輸技術(shù)的進(jìn)步是提高系統(tǒng)性能的重要手段,目前,全球主要的標(biāo)準(zhǔn)化組織都針對(duì)上述兩項(xiàng)內(nèi)容展開了廣泛的研究。我國(guó)提出的C-RAN架構(gòu)是未來(lái)系統(tǒng)中“網(wǎng)絡(luò)功能虛擬化”的一種重要形式,并且該架構(gòu)與協(xié)作多點(diǎn)傳輸技術(shù)(CoMP)有天然的契合點(diǎn),二者的結(jié)合可為提高網(wǎng)絡(luò)性能發(fā)揮出巨大作用。因此,針對(duì)C-RAN架構(gòu)下的CoMP技術(shù)展開研究對(duì)提高網(wǎng)絡(luò)運(yùn)行效率及頻譜利用率,進(jìn)一步改善蜂窩移動(dòng)通信系統(tǒng)的性能具有重要意

2、義。本文依托C-RAN網(wǎng)絡(luò)架構(gòu),重點(diǎn)圍繞CoMP系統(tǒng)中的下行協(xié)作集選擇和上行用戶調(diào)度問(wèn)題展開了較深入的研究。首先,探討了 C-RAN架構(gòu)下的多小區(qū)干擾模型,根據(jù)干擾信號(hào)來(lái)源,建立了同站多小區(qū)干擾模型和異站多小區(qū)干擾模型,在此基礎(chǔ)上,以抑制/消除干擾,有效提升系統(tǒng)性能為目的,對(duì)下行 CoMP的同站和異站協(xié)集選擇方法,以及上行CoMP的用戶分組與調(diào)度方法進(jìn)行了重點(diǎn)研究。
  本研究主要內(nèi)容包括:⑴在同站多小區(qū)干擾模型下,針對(duì)現(xiàn)有面向基

3、站的協(xié)作集選擇算法難以充分挖掘大量天線帶來(lái)的性能增益,導(dǎo)致系統(tǒng)資源利用率不高的問(wèn)題,提出一種面向天線的協(xié)作集雙向選擇機(jī)制。該機(jī)制兼顧用戶傳輸需求和網(wǎng)絡(luò)處理能力,首先由用戶終端選擇期望的協(xié)作RRU集合(待選協(xié)作集),并將其連同對(duì)應(yīng)的信道狀態(tài)信息反饋給網(wǎng)絡(luò)側(cè);然后網(wǎng)絡(luò)側(cè)綜合平衡所有用戶的傳輸需求和網(wǎng)絡(luò)處理能力,在各用戶提交的待選協(xié)作集中選取適當(dāng)?shù)腞RU,并以天線為單位為用戶生成終選協(xié)作集。復(fù)雜度分析表明,所提機(jī)制能夠有效降低用戶的反饋量,縮

4、小協(xié)作集選擇的范圍,降低后續(xù)算法的復(fù)雜度。同時(shí),為了有效降低同站干擾的影響,結(jié)合預(yù)編碼技術(shù),提出一種SLNR準(zhǔn)則下基于雙向選擇機(jī)制的協(xié)作集選擇算法。該算法將待選協(xié)作集中各 RRU的天線視作基本的選擇單位,在網(wǎng)絡(luò)側(cè)采用SLNR準(zhǔn)則為每個(gè)服務(wù)用戶選擇不同的發(fā)送天線,以此來(lái)合理規(guī)劃共用相同信道的用戶,并對(duì)發(fā)射信號(hào)進(jìn)行SLNR預(yù)編碼,從而有效降低干擾。仿真結(jié)果表明,所提算法能夠有效提高頻譜利用率,對(duì)系統(tǒng)性能有明顯的改善作用。⑵在異站多小區(qū)干擾模

5、型下,干擾同時(shí)來(lái)自異站小區(qū)和同站小區(qū)。受網(wǎng)絡(luò)結(jié)構(gòu)限制,來(lái)自異站小區(qū)的干擾無(wú)法在單個(gè)基站內(nèi)實(shí)現(xiàn)消除。為解決該問(wèn)題,采用分級(jí)消除的思路,提出一種干擾對(duì)齊和SLNR預(yù)編碼級(jí)聯(lián)(IA-SLNR)算法。該算法首先采用干擾對(duì)齊方法消除異站干擾,然后再與SLNR預(yù)編碼級(jí)聯(lián),降低同站干擾,從而實(shí)現(xiàn)異站多小區(qū)間的用戶干擾抑制。針對(duì)基站間的負(fù)載平衡問(wèn)題,設(shè)計(jì)出一種協(xié)商式負(fù)載均衡機(jī)制,并在此基礎(chǔ)上,提出一種負(fù)載均衡機(jī)制下基于IA-SLNR的協(xié)作集選擇算法。該

6、算法根據(jù)用戶提交的待選協(xié)作集,結(jié)合各基站的負(fù)載狀態(tài),通過(guò)協(xié)商對(duì)各基站負(fù)載進(jìn)行均衡,同時(shí)完成終選集的生成,最后利用IA-SLNR算法對(duì)終選集進(jìn)行抑制干擾。仿真結(jié)果表明,該級(jí)聯(lián)算法可有效抑制異站小區(qū)間邊緣用戶的干擾,提高系統(tǒng)容量和誤碼性能。⑶在上行CoMP系統(tǒng)中,針對(duì)現(xiàn)有用戶配對(duì)算法在每個(gè)傳輸時(shí)隙中僅選擇兩個(gè)用戶進(jìn)行數(shù)據(jù)傳輸以及對(duì)天線資源利用不夠充分的問(wèn)題,提出一種最小—最大準(zhǔn)則下的自適應(yīng)k-means用戶分組算法。該算法支持多用戶同時(shí)傳輸

7、,首先根據(jù)信道狀態(tài)信息等用戶屬性,挑選差異最大的兩個(gè)用戶創(chuàng)建初始分組;然后根據(jù)用戶屬性,依據(jù)最小—最大準(zhǔn)則,確定用戶分組的數(shù)量,并選出每組的中心;最后,采用k-means聚類方法,根據(jù)用戶的不同屬性及屬性權(quán)重,計(jì)算用戶間的加權(quán)距離,進(jìn)而根據(jù)加權(quán)距離對(duì)用戶實(shí)施分組。為了進(jìn)一步保證用戶調(diào)度的公平性,提出一種基于用戶分組的雙比例公平調(diào)度算法。該算法以用戶組和用戶的平均傳輸速率為衡量標(biāo)準(zhǔn),首先對(duì)用戶組按比例公平進(jìn)行調(diào)度,選擇當(dāng)前傳輸時(shí)隙中可進(jìn)行

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論