超密集網(wǎng)絡(luò)（Ultra-Dense Networks,UDN）通過大規(guī)模部署無線接入點(diǎn),可以縮短用戶接入距離,提高鏈路傳輸質(zhì)量,增加頻譜資源復(fù)用,從而可以提高用戶吞吐量并滿足系統(tǒng)容量需求。然而,超密集網(wǎng)絡(luò)中節(jié)點(diǎn)分布的隨機(jī)性、密集性和異構(gòu)性,使得網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)復(fù)雜多變、網(wǎng)絡(luò)能耗和干擾增加,從而導(dǎo)致網(wǎng)絡(luò)中的能耗管理、干擾管理和移動性管理等策略面臨挑戰(zhàn)。因此,本文針對單層和多層超密集網(wǎng)絡(luò)場景,以能耗管理為研究對象,對同層和不同層的基站分簇并制定了基于基站開/關(guān)技術(shù)的能耗管理策略,旨在降低網(wǎng)絡(luò)能耗的同時提升網(wǎng)絡(luò)能效。本文的主要研究工作概括如下:（1）提出基于密度分簇的基站開/關(guān)能耗管理方案。首先,針對單層超密集網(wǎng)絡(luò)中大規(guī)模的基站隨機(jī)分布,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)復(fù)雜的問題,根據(jù)基站的分布特點(diǎn)分析基站的局部密度對同層基站進(jìn)行分簇,通過基站分簇實(shí)現(xiàn)對整個網(wǎng)絡(luò)有效分區(qū)管理和在邏輯上簡化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。然后,對基站開/關(guān)的計算復(fù)雜度問題以及引起的網(wǎng)絡(luò)負(fù)載變化,利用基站間干擾度量基站開/關(guān)引起的負(fù)載變化,將基站開/關(guān)組合問題轉(zhuǎn)化為選擇問題來減少基站開/關(guān)的搜索空間,以此降低復(fù)雜度。最后仿真結(jié)果表明所提方案可以有效提高能... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 緒論
    1.1 研究背景及意義
    1.2 研究目的和研究內(nèi)容
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 超密集網(wǎng)絡(luò)的研究現(xiàn)狀
        1.3.2 超密集網(wǎng)絡(luò)中分簇算法的研究現(xiàn)狀
        1.3.3 超密集網(wǎng)絡(luò)中能耗管理的研究現(xiàn)狀
    1.4 論文章節(jié)安排及各章內(nèi)容
第2章 超密集網(wǎng)絡(luò)相關(guān)理論基礎(chǔ)
    2.1 引言
    2.2 超密集網(wǎng)絡(luò)概述
        2.2.1 超密集網(wǎng)絡(luò)定義
        2.2.2 超密集網(wǎng)絡(luò)建模方法
        2.2.3 超密集網(wǎng)絡(luò)性能指標(biāo)
    2.3 分簇
        2.3.1 相似性度量
        2.3.2 K-means分簇算法
        2.3.3 親和力傳播分簇算法
    2.4 能耗管理策略
        2.4.1 基站開/關(guān)技術(shù)
        2.4.2 小區(qū)縮放技術(shù)
        2.4.3 中繼技術(shù)
    2.5 本章小結(jié)
第3章 基于密度分簇的小小區(qū)開/關(guān)能耗管理方案
    3.1 引言
    3.2 系統(tǒng)模型
    3.3 問題分析
    3.4 基于分簇的小小區(qū)開/關(guān)能效優(yōu)化策略
        3.4.1 小小區(qū)分簇算法
        3.4.2 小小區(qū)開/關(guān)算法
        3.4.3 復(fù)雜度分析
    3.5 仿真設(shè)置與結(jié)果分析
        3.5.1 參數(shù)設(shè)置
        3.5.2 結(jié)果分析
    3.6 本章小結(jié)
第4章 基于動態(tài)親和力傳播分簇的能耗管理方案
    4.1 引言
    4.2 系統(tǒng)模型
        4.2.1 能耗模型
        4.2.2 網(wǎng)絡(luò)吞吐量
    4.3 問題分析
    4.4 基于動態(tài)親和力傳播分簇的節(jié)能策略
        4.4.1 小區(qū)選擇策略
        4.4.2 動態(tài)親和力傳播分簇算法
        4.4.3 基于干擾相似度的開/關(guān)策略
    4.5 仿真設(shè)置與結(jié)果分析
        4.5.1 仿真設(shè)置
        4.5.2 結(jié)果分析
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 未來工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]5G超密集網(wǎng)絡(luò)的能量效率研究綜述[J]. 馬忠貴,宋佳倩.  工程科學(xué)學(xué)報. 2019(08)
[2]超密集網(wǎng)絡(luò)中基于能效最優(yōu)的資源分配算法[J]. 章躍躍,夏瑋瑋,朱亞萍,燕鋒,左旭舟,沈連豐.  電信科學(xué). 2017(10)
[3]5G綠色超密集無線異構(gòu)網(wǎng)絡(luò):理念、技術(shù)及挑戰(zhàn)[J]. 李渝舟,江濤,曹洋,李贊.  電信科學(xué). 2017(06)
[4]超密集網(wǎng)絡(luò)中干擾協(xié)調(diào)方法及性能分析[J]. 白璐,劉婷婷,楊晨陽.  信號處理. 2015(10)
[5]K-means聚類算法研究綜述[J]. 王千,王成,馮振元,葉金鳳.  電子設(shè)計工程. 2012(07)

博士論文
[1]超密集無線網(wǎng)絡(luò)能量效率關(guān)鍵技術(shù)研究[D]. 朱文祥.東南大學(xué) 2017

碩士論文
[1]基于博弈論的D2D防竊聽通信物理層安全研究[D]. 鄭鑫.南京郵電大學(xué) 2019
[2]混合數(shù)據(jù)最佳聚類數(shù)的確定方法與應(yīng)用[D]. 李杏麗.蘭州財經(jīng)大學(xué) 2019
[3]基于隨機(jī)幾何的蜂窩網(wǎng)絡(luò)的擬合方法及功率分配的研究[D]. 萬修勝.北京郵電大學(xué) 2019
[4]超密集網(wǎng)絡(luò)中移動性管理方案研究[D]. 嚴(yán)晗.北京郵電大學(xué) 2018
[5]超密集網(wǎng)絡(luò)的性能分析與能效優(yōu)化方法研究[D]. 王文.重慶大學(xué) 2017
[6]Affinity Propagation聚類算法的改進(jìn)及其應(yīng)用研究[D]. 李萍.浙江大學(xué) 2017



本文編號：3173445