本文關(guān)鍵詞：5G系統(tǒng)接入網(wǎng)絡(luò)性能優(yōu)化研究

  更多相關(guān)文章： M2M 隨機(jī)接入優(yōu)化 海量連接 小區(qū)邊界 粒子群算法

【摘要】：移動互聯(lián)網(wǎng)的飛速發(fā)展極大促進(jìn)了人們步入智能社會的步伐,為了構(gòu)建全連接社會,呈指數(shù)性增長的多元化終端將逐漸加入到移動通信系統(tǒng)中來,其中以自主通信為主的M2M設(shè)備將占據(jù)絕大多數(shù)。隨著海量M2M設(shè)備的加入,將對以H2H通信為主設(shè)計的現(xiàn)網(wǎng)系統(tǒng)造成極大的沖擊,其數(shù)量龐大、業(yè)務(wù)繁雜以及分布不規(guī)律的特性極大影響了接入網(wǎng)側(cè)的性能,主要體現(xiàn)在隨機(jī)接入過程、資源調(diào)度以及小區(qū)邊界確定上。如何結(jié)合未來5G通信技術(shù)的發(fā)展趨勢,在不更改現(xiàn)有H2H設(shè)備自身條件的前提下,提出針對接入網(wǎng)側(cè)性能優(yōu)化的策略將是迫切且極其重要的。本文始終圍繞以H2H通信保障為基礎(chǔ),盡可能地滿足M2M通信為前提,從優(yōu)化隨機(jī)接入過程著手,到提出新的調(diào)度策略以及邊界負(fù)載均衡策略,來滿足未來移動通信場景需求。本文的具體內(nèi)容如下:1)LTE系統(tǒng)的隨機(jī)接入過程仍然是基于時隙ALOHA協(xié)議的,其性能的瓶頸隨著用戶數(shù)的遞增而逐漸凸顯出來,一旦海量M2M設(shè)備加入到競爭行列中時,將會造成H2H以及M2M用戶的連接吞吐率急劇下降。為了改善該問題,本文提出基于虛擬ID自學(xué)習(xí)的M2M用戶隨機(jī)接入策略,既保障了系統(tǒng)整體連接吞吐率,還可滿足多元M2M業(yè)務(wù)的不同接入時延需求。2)M2M設(shè)備以傳感器為主,上行傳輸占其通信需求的絕大多數(shù),當(dāng)處于連接態(tài)發(fā)起業(yè)務(wù)請求的M2M用戶數(shù)超過一定數(shù)量時,會使得調(diào)度復(fù)雜度以及調(diào)度時延急劇上升,且由于資源受限,會導(dǎo)致大量的丟包。為了最大限度降低海量M2M用戶加入后對H2H用戶造成的影響,本文將業(yè)務(wù)類型劃分為實時類與非實時類,對非實時類M2M業(yè)務(wù)采用基于SCMA技術(shù)的無調(diào)度傳輸技術(shù),對實時類業(yè)務(wù)以及非實時類H2H業(yè)務(wù)提出了分隊列分層上行調(diào)度策略,并通過調(diào)整隊列間調(diào)度比例,使得系統(tǒng)收益最大化。3)考慮到未來5G網(wǎng)絡(luò)將采用UDN部署策略,多小區(qū)邊界交叉覆蓋區(qū)域?qū)⒆兊臉O其復(fù)雜,且由于M2M用戶具有低移動性,極易造成多個M2M用戶長期處于交叉覆蓋區(qū)域。本文針對該場景,提出了一種基于多種群粒子群算法的多小站負(fù)載均衡策略,通過多小站聯(lián)合控制交叉區(qū)域用戶的接入,來使得該區(qū)域整體的吞吐率最優(yōu)。
【關(guān)鍵詞】：M2M 隨機(jī)接入優(yōu)化 海量連接 小區(qū)邊界 粒子群算法
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN929.5
【目錄】：

• 摘要5-6
• ABSTRACT6-13
• 縮略詞表13-15
• 第一章 緒論15-21
• 1.1 研究背景與意義15-17
• 1.1.1 研究背景15-16
• 1.1.2 研究意義16-17
• 1.2 5G海量連接場景下的接入網(wǎng)絡(luò)性能優(yōu)化研究現(xiàn)狀17-19
• 1.3 論文研究內(nèi)容19-20
• 1.4 本論文的結(jié)構(gòu)安排20-21
• 第二章 海量M2M連接場景下的隨機(jī)接入過程優(yōu)化21-37
• 2.1 引言21-22
• 2.2 M2M海量連接場景下的隨機(jī)接入性能分析22-28
• 2.2.1 LTE隨機(jī)接入過程22-24
• 2.2.2 海量M2M場景下基于S-ALOHA的LTE隨機(jī)接入性能分析24-26
• 2.2.3 系統(tǒng)模型仿真26-28
• 2.3 基于虛擬ID自學(xué)習(xí)的隨機(jī)接入過程28-36
• 2.3.1 Q-Learning算法在隨機(jī)接入過程中的應(yīng)用29-33
• 2.3.2 基于虛擬ID的Q-Learning算法在隨機(jī)接入過程中的應(yīng)用33-36
• 2.4 總結(jié)36-37
• 第三章 海量M2M連接場景下的上行調(diào)度優(yōu)化37-61
• 3.1 引言37
• 3.2 資源調(diào)度算法37-40
• 3.2.1 經(jīng)典調(diào)度算法38-40
• 3.2.2 性能比較40
• 3.3 調(diào)度器40-44
• 3.3.1 LTE調(diào)度器41-43
• 3.3.2 上下行具體調(diào)度流程43-44
• 3.4 海量M2M業(yè)務(wù)與H2H業(yè)務(wù)共存環(huán)境下的上行調(diào)度優(yōu)化44-51
• 3.4.1 統(tǒng)一調(diào)度缺陷44-45
• 3.4.2 分隊列分層調(diào)度45-51
• 3.4.2.1 基于狀態(tài)感知的隊列間調(diào)度47-49
• 3.4.2.2 基于業(yè)務(wù)類型的隊列內(nèi)調(diào)度49
• 3.4.2.3 UGF技術(shù)介紹49-51
• 3.5 仿真及性能分析51-60
• 3.5.1 仿真場景52-53
• 3.5.2 性能評估指數(shù)53-55
• 3.5.3 仿真結(jié)果和數(shù)據(jù)分析55-60
• 3.5.3.1 基于M2M用戶數(shù)的分隊列分層調(diào)度最優(yōu)參數(shù)仿真55-57
• 3.5.3.2 經(jīng)典算法下統(tǒng)一調(diào)度與分隊列分層調(diào)度對比仿真57-60
• 3.6 總結(jié)60-61
• 第四章 海量M2M連接場景下的小區(qū)邊界優(yōu)化61-77
• 4.1 引言61-62
• 4.2 粒子群算法介紹62-64
• 4.2.1 多目標(biāo)優(yōu)化問題62-63
• 4.2.2 粒子群算法63-64
• 4.3 基于改進(jìn)型粒子群算法的小區(qū)邊界用戶均衡策略64-72
• 4.3.1 問題分析64-65
• 4.3.2 基于改進(jìn)型PSO算法的無線資源部署模型65-70
• 4.3.3 基于改進(jìn)型PSO算法的無線資源分配策略70-72
• 4.4 仿真及性能分析72-76
• 4.4.1 基于改進(jìn)型PSO算法均衡負(fù)載的邊界優(yōu)化性能仿真72-75
• 4.4.2 熱點小區(qū)邊緣用戶優(yōu)化性能分析75-76
• 4.5 本章小結(jié)76-77
• 第五章 全文總結(jié)與展望77-79
• 5.1 全文總結(jié)77-78
• 5.2 后續(xù)工作展望78-79
• 致謝79-80
• 參考文獻(xiàn)80-84
• 個人簡歷84-85
• 攻讀碩士學(xué)位期間的科研項目和成果85-86

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 LU Lei;CHEN Yan;GUO Wenting;YANG Huilian;WU Yiqun;XING Shuangshuang;;Prototype for 5G New Air Interface Technology SCMA and Performance Evaluation[J];中國通信;2015年S1期

2 施苑英;盧光躍;;LTE系統(tǒng)中M2M業(yè)務(wù)隨機(jī)接入優(yōu)化方案[J];計算機(jī)應(yīng)用研究;2013年12期

3 唐雄燕;寧小玲;;物聯(lián)網(wǎng)對電信運營商的機(jī)遇與挑戰(zhàn)[J];電信網(wǎng)技術(shù);2010年06期

，

本文編號：890307