隨著移動(dòng)互聯(lián)技術(shù)的高速發(fā)展,互聯(lián)網(wǎng)創(chuàng)新和移動(dòng)應(yīng)用生態(tài)演進(jìn),大量新興移動(dòng)業(yè)務(wù)不斷涌現(xiàn),智能移動(dòng)終端的數(shù)量和種類不斷增加,網(wǎng)絡(luò)速率要求不斷提高。與此同時(shí),信息通信技術(shù)（Information and Communication Technology,ICT）產(chǎn)業(yè)的能耗和相關(guān)污染問題正成為社會(huì)經(jīng)濟(jì)關(guān)注的焦點(diǎn)。作為下一代蜂窩移動(dòng)通信網(wǎng)絡(luò)關(guān)鍵技術(shù)之一,超密集網(wǎng)絡(luò)（Ultra-Dense Networks,UDNs）希望通過在宏基站覆蓋下引入大量小覆蓋、低能耗的接入節(jié)點(diǎn)縮短用戶與其關(guān)聯(lián)接入節(jié)點(diǎn)的距離,在提高網(wǎng)絡(luò)容量的同時(shí)降低系統(tǒng)總體能耗。然而,大量小覆蓋、低能耗接入節(jié)點(diǎn)的密集部署使網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變得更加復(fù)雜,網(wǎng)絡(luò)中的干擾問題變得嚴(yán)重,給無線網(wǎng)絡(luò)的資源管理和性能優(yōu)化帶來嚴(yán)峻挑戰(zhàn)。本論文研究面向高能效的超密集網(wǎng)絡(luò)資源管理技術(shù),主要研究?jī)?nèi)容和貢獻(xiàn)包括以下四個(gè)方面:第一,針對(duì)最大化系統(tǒng)能效的超密集網(wǎng)絡(luò)下行鏈路功率資源分配問題,基于超密集網(wǎng)絡(luò)架構(gòu)特征建立了最優(yōu)化模型,從優(yōu)化性能、復(fù)雜度與壞境適應(yīng)性的角度,分別提出了集中式、分布式和魯棒分布式三種功率資源分配算法。為克服原問題的非凸性,論文基于分?jǐn)?shù)規(guī)劃理論將原問... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：123 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

所提以最優(yōu)化為目標(biāo)的集中式算法、文獻(xiàn)[35]所提系統(tǒng)吞吐量最大化算法、文獻(xiàn)[36]

圖2-1 所提以最優(yōu)化為目標(biāo)的集中式算法、文獻(xiàn)[35]所提系統(tǒng)吞吐量最大化算法、文獻(xiàn)[36]所提系統(tǒng)能耗最小化算法收斂結(jié)果對(duì)比圖2-2 所提集中式算法（表 2-1）、基于 ADMM 的分布式算法（表 2-2）、魯棒分布式算法（表2-3）、文獻(xiàn)[42]中算法收斂結(jié)果對(duì)比

越大的信息交互失敗概率導(dǎo)致更多的無效迭代，這使得魯棒分布式算法累積收斂迭代次數(shù)越多。圖2-3 在不同停止條件下三種算法的收斂速度根據(jù) 2.4.2 節(jié)的分析，本章所提分布式算法具有在超密集網(wǎng)絡(luò)場(chǎng)景中單次迭代運(yùn)算復(fù)雜度低，同時(shí)在具體實(shí)現(xiàn)時(shí)可以通過N 個(gè)本地節(jié)點(diǎn)并行運(yùn)算兩方面的優(yōu)點(diǎn)，算法運(yùn)算時(shí)間效率非常高。表 2-5 統(tǒng)計(jì)了不同停止條件 下算法運(yùn)行時(shí)間開銷。我們?cè)诜抡嬷欣?MATLAB 并行運(yùn)算工具箱，通過初始化了多個(gè)進(jìn)程，分別實(shí)現(xiàn)表2-2中步驟2和表2-3中步驟2的并行運(yùn)算。仿真在硬件配置為i7-6500 CPU，16GB RAM，Win10 操作系統(tǒng)進(jìn)行。通過表 2-5 可以看到，雖然基于 ADMM 的分布式算法需要更多的迭代步驟


本文編號(hào)：2979502