本文關(guān)鍵詞：蜂窩網(wǎng)絡(luò)D2D技術(shù)中模式選擇機(jī)制的優(yōu)化設(shè)計(jì)

  更多相關(guān)文章： D2D通信 模式選擇 資源分配 分布式

【摘要】：隨著移動終端的飛速發(fā)展與普及,以及數(shù)據(jù)業(yè)務(wù)量的迅猛增長,傳統(tǒng)的無線蜂窩通信面臨著巨大的挑戰(zhàn)。在蜂窩網(wǎng)絡(luò)引入D2D(Device-to-Device)技術(shù)可以提高系統(tǒng)的頻譜效率和系統(tǒng)容量,因此,D2D通信在未來無線通信研究中扮演著越來越重要的角色。然而,引入D2D技術(shù)的蜂窩網(wǎng)絡(luò)其用戶干擾場景發(fā)生了根本性變化,新型資源控制的設(shè)計(jì)為重點(diǎn)研究方向,其中,模式選擇為關(guān)鍵技術(shù)之一。目前,大部分關(guān)于D2D通信技術(shù)的研究都是基于無限積壓業(yè)務(wù)模型,本論文基于更為實(shí)際的分組級動態(tài)業(yè)務(wù)模型,主要對蜂窩網(wǎng)絡(luò)D2D通信的模式選擇機(jī)制進(jìn)行了研究。在采用正交頻分復(fù)用接入(Orthogonal Frequency Division Multiplexing Access:OFDMA)技術(shù)的蜂窩系統(tǒng)中引入D2D通信技術(shù),將模式選擇與資源分配問題相結(jié)合,研究在丟包率限制條件下最小化系統(tǒng)時延的最優(yōu)化問題。以排隊(duì)論、馬爾科夫決策過程等作為理論工具,建立系統(tǒng)排隊(duì)模型,并在此基礎(chǔ)上建立模式選擇機(jī)制的隨機(jī)優(yōu)化模型——馬爾科夫決策模型,將提出的約束性最優(yōu)化問題建模成為無限平均回報的約束性馬爾科夫決策(Infinite Average Reward Constraint Markov Decision Process)模型。基于建立的無限平均回報的約束性馬爾科夫決策模型,在模型求解時,首先通過拉格朗日乘子法(Lagrangian Multiplier Method)將約束性馬爾科夫決策(Constraint Markov Decision Process:CMDP)模型轉(zhuǎn)化為非約束性馬爾科夫決策(Markov Decision Process:MDP)模型。由于所建立的馬爾科夫決策模型面臨著“維數(shù)災(zāi)難”問題,本論文介紹了等效Bellman方程對系統(tǒng)狀態(tài)空間進(jìn)行化簡；引入了線性近似方法對值函數(shù)進(jìn)行線性近似進(jìn)一步化簡值函數(shù)的數(shù)目,并通過提出的子信道競價機(jī)制求解出最優(yōu)控制策略；引入在線隨機(jī)學(xué)習(xí)算法采用在線更新的方式建立值函數(shù)與拉格朗日乘子(Lagrangian Multiplier:LM)的值,并對其進(jìn)行收斂性證明與近似最優(yōu)證明�；谝陨系刃ellman方程、線性近似方法和在線隨機(jī)學(xué)習(xí)算法,本論文提出分布式子信道分配算法實(shí)現(xiàn)系統(tǒng)時延最優(yōu)的模式選擇與資源分配。搭建仿真平臺對所提出的算法進(jìn)行性能驗(yàn)證與對比分析,仿真結(jié)果顯示所提出的算法具有與離線值迭代算法接近的性能,并優(yōu)于另外兩種子信道分配算法,即證明所提出的分布式子信道分配算法能夠?qū)崿F(xiàn)近似最優(yōu)的性能。
【關(guān)鍵詞】：D2D通信 模式選擇 資源分配 分布式
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN929.53
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-18
• 1.1 研究背景及意義11-13
• 1.2 研究現(xiàn)狀13-16
• 1.3 論文主要工作及結(jié)構(gòu)安排16-18
• 1.3.1 研究創(chuàng)新與主要工作16
• 1.3.2 結(jié)構(gòu)安排16-18
• 2 蜂窩網(wǎng)絡(luò)D2D技術(shù)中模式選擇研究概述18-30
• 2.1 蜂窩網(wǎng)絡(luò)D2D通信概述18-22
• 2.1.1 設(shè)備發(fā)現(xiàn)階段19-20
• 2.1.2 D2D通信階段20-22
• 2.2 模式選擇概述與定義22-26
• 2.2.1 資源共享模式23-24
• 2.2.2 路由模式24-25
• 2.2.3 通信模式25-26
• 2.3 無線網(wǎng)絡(luò)性能優(yōu)化研究26-28
• 2.3.1 無限積壓業(yè)務(wù)模型下的性能優(yōu)化26-27
• 2.3.2 分組級動態(tài)業(yè)務(wù)模型下的性能優(yōu)化27-28
• 2.4 模式選擇的動態(tài)優(yōu)化問題28-29
• 2.5 本章小結(jié)29-30
• 3 動態(tài)優(yōu)化問題的馬爾科夫決策模型30-40
• 3.1 網(wǎng)絡(luò)模型30-31
• 3.2 物理層模型31-33
• 3.2.1 資源復(fù)用組31-32
• 3.2.2 瞬時數(shù)據(jù)速率32-33
• 3.3 排隊(duì)模型33-34
• 3.4 馬爾科夫決策模型34-37
• 3.4.1 系統(tǒng)狀態(tài)34
• 3.4.2 控制策略34-35
• 3.4.3 狀態(tài)轉(zhuǎn)移概率35-36
• 3.4.4 性能指標(biāo)36-37
• 3.5 最優(yōu)化問題的建立37-38
• 3.5.1 約束性馬爾科夫決策問題37-38
• 3.5.2 非約束性馬爾科夫決策問題38
• 3.6 本章小結(jié)38-40
• 4 馬爾科夫決策模型的求解與分析40-55
• 4.1 基于BELLMAN方程的值迭代算法40
• 4.2 基于等效BELLMAN方程的值迭代算法40-41
• 4.3 線性近似方法41-45
• 4.3.1 值函數(shù)的線性近似41-42
• 4.3.2 線性近似下的最優(yōu)策略42-45
• 4.4 在線隨機(jī)學(xué)習(xí)算法45-52
• 4.4.1 在線隨機(jī)學(xué)習(xí)更新公式45-46
• 4.4.2 收斂性證明46-49
• 4.4.3 近似最優(yōu)證明49-52
• 4.5 分布式子信道分配算法52-54
• 4.6 本章小結(jié)54-55
• 5 仿真與結(jié)果分析55-64
• 5.1 仿真參數(shù)設(shè)置55-56
• 5.2 仿真結(jié)果與分析56-63
• 5.2.1 簡單網(wǎng)絡(luò)拓?fù)湎滦阅芊治?/span>56-60
• 5.2.2 拓展網(wǎng)絡(luò)拓?fù)湎滦阅芊治?/span>60-63
• 5.3 本章小結(jié)63-64
• 6 結(jié)論與展望64-66
• 6.1 結(jié)論64
• 6.2 展望64-66
• 參考文獻(xiàn)66-70
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果70-72
• 學(xué)位論文數(shù)據(jù)集72

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馬忠建,方旭明,傲丹;虛擬蜂窩網(wǎng)技術(shù)的研究與發(fā)展[J];數(shù)據(jù)通信;2004年06期

2 劉濤;戎蒙恬;史宏逵;;中繼蜂窩網(wǎng)絡(luò)中小區(qū)間和小區(qū)內(nèi)的資源分割[J];信息安全與通信保密;2007年03期

3 ;MIMO[J];電子質(zhì)量;2008年09期

4 李卓暉;龍芳;黃進(jìn)永;;計(jì)算機(jī)輔助蜂窩網(wǎng)性能與可靠性優(yōu)化設(shè)計(jì)[J];廣東通信技術(shù);2010年05期

5 李云;朱雪;廖超;;蜂窩網(wǎng)絡(luò)中能效最大的最優(yōu)中繼位置研究[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2014年01期

6 倪銳;周武e，

本文編號：1124426