分層異構(gòu)網(wǎng)絡(luò)中的頻譜資源共享算法研究.pdf

1、隨著智能終端、移動互聯(lián)網(wǎng)以及各種無線業(yè)務(wù)的普及，無線數(shù)據(jù)流量和設(shè)備連接數(shù)目呈爆炸式增長。盡管以LTE為代表的第四代(4G)移動通信系統(tǒng)已投入商用，但其傳輸速率、頻譜效率、時延、接入密度等指標(biāo)仍無法滿足未來不斷增長的無線業(yè)務(wù)需求，因此下一代5G移動通信系統(tǒng)的研發(fā)已進入議事日程。在傳統(tǒng)蜂窩系統(tǒng)中部署Small Cell或D2D(Device-to-Device，端到端)設(shè)備形成分層異構(gòu)網(wǎng)絡(luò)可以提高系統(tǒng)容量、增強信號覆蓋范圍、提高傳輸速率并提

2、升頻譜利用率，因而成為5G移動通信系統(tǒng)的核心技術(shù)。
　　Small Cell或D2D的部署帶來了新的挑戰(zhàn)。一方面，為了提升頻譜效率，通常各層網(wǎng)絡(luò)之間共享頻譜資源，因此不僅存在同層網(wǎng)絡(luò)間干擾還存在不同層網(wǎng)絡(luò)間干擾，嚴重限制了系統(tǒng)性能;另一方面，由于Small Cell和D2D的部署密度遠遠高于傳統(tǒng)蜂窩基站的部署密度，傳統(tǒng)的中心控制方式將造成巨大的回傳損耗和時延，因此難以適用于分層異構(gòu)網(wǎng)。為了有效應(yīng)對分層異構(gòu)網(wǎng)的復(fù)雜干擾與高密度部署帶

3、來的巨大挑戰(zhàn)，本文主要針對Small Cell/Macro Cell與D2D/Macro Cell兩類主要的分層異構(gòu)網(wǎng)絡(luò)，研究分布式資源分配和干擾管理優(yōu)化算法。
　　首先，本文針對Small Cell/Macro Cell分層異構(gòu)網(wǎng)，提出了一種基于廣義納什均衡(GNEP)的分布式算法，聯(lián)合優(yōu)化宏基站(MBS)和小基站(SBS)的發(fā)射功率，確保在滿足宏蜂窩用戶(MUEs)的服務(wù)質(zhì)量要求(QoS)的前提下，各個基站能夠自治地最大化其傳

4、輸速率。本文首先將Small Cell/Macro Cell分層異構(gòu)網(wǎng)建模為GNEP問題，然后通過價格機制將GNEP問題分解為傳統(tǒng)納什均衡問題(NEP)與變分不等式(Ⅵ)問題，接著設(shè)計了兩種分布式功率優(yōu)化與價格更新算法，并給出算法收斂性條件和均衡解存在及唯一性條件。仿真結(jié)果表明本文提出的算法僅需宏基站廣播少量的價格信息，就能分布式地實現(xiàn)保護Macro Cell通信和優(yōu)化Small Cell通信的雙重目標(biāo)，并且較基于傳統(tǒng)NEP模型的分布式

5、算法有較大的性能提升。
　　然后，本文進一步研究了Small Cell/Macro Cell分層異構(gòu)網(wǎng)的整體效用優(yōu)化。由于Macro Cell和Small Cell之間以及各個Small Cell之間的干擾，異構(gòu)網(wǎng)整體效用優(yōu)化問題為一高度非凸問題，為分布式優(yōu)化帶來了極大挑戰(zhàn)。本文創(chuàng)新地建立了整體效用優(yōu)化和GNEP之間的聯(lián)系，通過引入適量的信令交互，提出了基于GNEP的整體效用優(yōu)化算法，并證明了其收斂性。仿真結(jié)果表明在保障Macro

6、 Cell通信的QoS的情況下，本文提出的分布式算法可以獲得媲美于集中式算法的性能，能夠通過適量的信令交互實現(xiàn)分層異構(gòu)網(wǎng)的整體和速率最大化。
　　最后，本文研究了D2D/Macro Cell分層異構(gòu)網(wǎng)中的資源共享問題。本文考慮了兩個代表性問題:一，MUEs具有QoS要求時D2D網(wǎng)絡(luò)效用最大化問題;二，MUEs和部分D2D均具有QoS要求時D2D網(wǎng)絡(luò)效用最大化問題。針對問題一，本文提出了一種部分逼近方法，設(shè)計相應(yīng)的分布式算法，并證明