Çok yoğun ağlarda küçük kümelere dayalı kaynak tahsisi
Özet: Ultra yoğun ağlarda femtoseller arasındaki aynı katman girişimi ve femtoseller ile makroseller arasındaki katmanlar arası girişimi hedefleyerek, hücre dinamik kümelenmesine dayalı bir kaynak tahsis algoritması önerilmiştir. Algoritma iki adıma bölünmüştür: ilk adım, alt kanalları makro kullanıcılara tahsis etmek için hız adaletine dayalı bir alt kanal tahsis algoritması kullanır ve ardından gücü tahsis etmek için bir su enjeksiyon algoritması kullanır; ikinci adım, ilk olarak femto hücreleri arasındaki parazit ağırlığını kullanır FAP'leri kümelemek için genetik simülasyonlu tavlama algoritmasını kullanır, ardından alt kanalları FUE'lere tahsis etmek için sezgisel kanal tahsis algoritmasını kullanır ve kullanıcılara güç tahsis etmek için KKT koşullarını kullanır. Simülasyon, algoritmanın bu iki tür paraziti etkili bir şekilde bastırabildiğini, kullanıcı oranı gereksinimlerini karşılayabildiğini ve ağ spektrum verimliliğini artırabildiğini göstermektedir.
TN929.5
Bir
10.16157 / j.issn.0258-7998.173200
Çince alıntı biçimi: Teng Deyang, Wang Qiong, Zhou Xiaohai ve diğerleri.Çok yoğun ağlarda küçük kümelere dayalı kaynak tahsisi.Elektronik Teknoloji Uygulaması, 2018, 44 (4): 99-103.
İngilizce alıntı biçimi: Teng Deyang, Wang Qiong, Zhou Xiaohai ve diğerleri.Çok yoğun ağlarda kümeleme tabanlı kaynak tahsisi.Elektronik Tekniğin Uygulanması, 2018, 44 (4): 99-103.
Çok yoğun ağlarda kümeleme tabanlı kaynak tahsisi
Teng Deyang, Wang Qiong, Zhou Xiaohai, Liu Yafei, Ge Changwei
(İletişim ve Bilgi Mühendisliği Okulu, Chongqing Posta ve Telekomünikasyon Üniversitesi, Chongqing 400065, Çin)
Öz: Bu yazıda femtocell'ler arasındaki aynı katmanda ve femtocell ile makrosel arasındaki çapraz katman girişimi girişimi hedefleyen dinamik hücre kümelemesine dayalı bir kaynak tahsis algoritması önerilmiştir.Algoritma iki adım içerir.İlk adımda, bir alt kanal tahsis algoritması Makro kullanıcılar için alt kanalların tahsis edilmesinde hız adaletine dayalı olarak kullanılır, ardından su doldurma algoritması ile güç tahsisi yapılır.İkinci adımda, ilk olarak FAP'ler için ağırlık büyüklüğüne göre genetik simülasyon tavlama algoritmasını kullanarak kümeleme yapar. femtocell'ler arasındaki parazit, daha sonra sezgisel kanal tahsis algoritmasını kullanarak FUE'ler için alt kanallar tahsis eder ve ardından KKT koşullarını benimseyerek kullanıcılara güç tahsis eder.Simülasyon sonuçlarına göre bu algoritma, her iki girişimi de etkili bir şekilde sınırlayabilir ve kullanıcıların hız ve ağ spektrumunun etkinliğini iyileştirme talepleri.
Anahtar kelimeler: ultra yoğun ağlar; küme; girişim; kaynak tahsisi
0 Önsöz
Ultra Yoğun Ağlar (UDN), beşinci nesil (5G) mobil iletişim sisteminin temel teknolojilerinden biridir.Veri kapasitesi için artan taleple başa çıkmak için ultra yoğun ağlar, küçük baz istasyonlarını büyük ölçekli sıcak noktalarda ( Picocell, Femtocell gibi) sistem kapasitesini artırmak için. Bununla birlikte, ultra yoğun bir ağda küçük baz istasyonlarının yoğun konuşlandırılması, Femtocell'ler arasında aynı katman paraziti ve makro baz istasyonları ile femto baz istasyonları arasındaki çapraz katman paraziti dahil olmak üzere birçok parazite neden olacaktır. Kullanıcıların daha iyi bir deneyim yaşamalarını sağlamak için, sistem performansını etkin bir şekilde iyileştirmek şu anda çözülmesi gereken acil bir sorundur. Bu sorunu çözmenin yolu, ultra yoğun ağlarda daha etkili bir kaynak tahsis şeması aramak ve daha etkili bir hücre girişim yönetim mekanizması önermektir.
Yukarıdaki sorunlara yanıt olarak yerli ve yabancı bilim adamları çok fazla araştırma yaptılar. Literatür, Femtocell Kullanıcı Ekipmanlarının (FUE'ler) hizmet kalitesine dayalı olarak alt kanallar ve güç için ortak bir tahsis algoritması önermekte ve ayrıca Macrocell Kullanıcı Ekipmanlarını (MUE'ler) korumak için bir parazit sınırını araştırmaktadır. Program. Literatür, Steinberg oyununa dayalı bir kaynak tahsis stratejisi üzerinde çalışmaktadır. Literatür, dinamik kümelemeye dayalı bir kaynak tahsis algoritması önermektedir İlk olarak, bir girişim topoloji haritası oluşturulmuştur ve daha sonra, girişim haritasına dayalı olarak kümeleme gerçekleştirilmekte ve bunun için kaynaklar tahsis edilmektedir, algoritma, ağ verimini etkili bir şekilde iyileştirebilir. Literatür, optimal olmayan bir kaynak tahsisi algoritmasını inceler ve grafik teorisi renklendirme algoritmasına dayalı olarak kullanıcılar arasındaki adaleti geliştirir. Literatür, Femtocell ağındaki kaynak tahsisi problemini modellemekte ve femtocell kullanıcılarının FUE ve MUE'lerin girişim kısıtlamaları altında adaletini gerçekleştirmektedir. Literatür renklendirme tabanlı bir kümeleme kaynak tahsis algoritması önermektedir (Renklendirmeye Dayalı Kümeleme Kaynak Tahsisi, CCRA) Algoritma ilk olarak kümedeki kullanıcılar arasındaki girişimin kabul edilebilir bir aralıkta olmasını sağlar ve kaynakları her bir kümeye tahsis eder; ikincisi, müdahaleye göre Farklı ortamlar daha sonra kaynakları kümedeki kullanıcılara tahsis eder. Ultra yoğun bir şekilde konuşlandırılmış Femtocell ağında, literatür, spektrum verimliliğini ve sistem kapasitesini etkili bir şekilde geliştirebilen, grafik teorisine dayalı bir Kullanıcı odaklı Grafik tabanlı Frekans Tahsisi (UGFA) algoritması önerdi. Literatürde, bir grafik tabanlı kümeleme kaynak tahsisi şeması (Grafik Tabanlı Kümeleme Kaynak Tahsisi, GCRA) önerilmiştir. Şema, tüm baz istasyonlarını farklı kümelere ayırmak için bir renklendirme algoritması kullanır ve ardından her kümeyi ortogonal olarak atar. Girişim sorununu çözmek için frekans bandı kaynakları.
Ultra yoğun ağlarda FAP'ler arasında aynı katman paraziti ve katmanlar arası paraziti hedefleyen bu makale, kümelemeye dayalı gelişmiş bir kaynak tahsis algoritması önermektedir. Algoritma iki bölüme ayrılmıştır: (1) İlk olarak, algoritma maksimum oranı karşılar Daha sonra, kullanıcı adaleti daha da dikkate alınır ve MUE'ler için alt kanallar tahsis etmek için oran adaletine dayalı alt kanal tahsis algoritması kullanılır ve ardından güç, kullanıcı memnuniyetini ve ortalama oranı etkin bir şekilde iyileştirebilen su enjeksiyon algoritması aracılığıyla tahsis edilir. (2) İlk olarak, FAP'ler arasındaki girişim ağırlıkları hesaplanarak, kümedeki girişimin en aza indirilmesini sağlamak için FAP'leri kümelemek için genetik simülasyonlu tavlama algoritması kullanılır; ikincisi, kümedeki kullanıcılara alt kanalları ve gücü tahsis etmek için sezgisel algoritma kullanılır. Araştırmanın amacı, FAP'lerin spektrum verimliliğini artırmak, kullanıcıların hız gereksinimlerini karşılamak ve sistem kapasitesini en üst düzeye çıkarmaktır.
1 Sistem modeli
Bu makale, çok yoğun ağlarda FAP'lerin yoğun konuşlandırılmasıyla OFDMA uydu-yer hattı iletim sistemini ele almaktadır. Sistem 1 MBS ve F FAP içerir.MBS sistemin merkezinde yer alır ve F FAP'ler Macrocell kapsamı içinde rastgele konuşlandırılır.Sistem modeli Şekil 1'de gösterilmiştir. Tüm FAP'lerin kapalı erişim olduğunu varsayarsak, her FAP 1 ila 5 FUE'ye erişir ve FUE'ler ve MUE'ler kendi hücrelerinde rastgele dağıtılır. OFDMA'nın sistem bant genişliği, alt kanalın Rayleigh çok yollu sönümleme dağılımına uyduğu varsayılarak f'dir.
Sistemdeki OFDM sinyali FAPj'den alt kanal k üzerindeki FUEu'ya gönderildiğinde, komşu hücre kullanıcısı FUEe'de parazite neden olabilir. Parazit şu şekilde ifade edilebilir:
2 MUE alt kanalı ve güç tahsisi
2.1 MUE alt kanal tahsisi
İlk olarak, makro kullanıcıları kümesinin M = {1, 2, 3, ..., m} olduğunu varsayalım. MUE'ler için alt kanallar tahsis etmeden önce, ilk olarak MUE'lerin normal iletimini sağlamak için her bir MUE tarafından tahsis edilen alt kanallarda bir girişim kısıtlaması ayarlayın. . Bu nedenle, MUEm, tahsis edilen alt kanal k'de formül (4) 'ü karşılar:
2.2 MUE güç tahsisi
MUE'lerin alt kanalları tahsis edildikten sonra, bu makale, sistem kapasitesini daha da iyileştirmek için başlangıçta eşit olarak tahsis edilen gücü yeniden dağıtmak için bir su enjeksiyon algoritması kullanır. MUE'lerin güç tahsis planı aşağıdaki gibidir:
3 FUE alt kanalı ve güç tahsisi
3.1 FAP kümeleme algoritması
Bu yazıda, kümeleme için genetik simülasyon tavlama algoritması GSAA kullanılmıştır. Algoritmanın spesifik süreci aşağıdaki gibidir:
(1) Popülasyon boyutu boyutunu, maksimum evrim sayısını MAXGEN başlatın, geçiş olasılığı Pc'dir ve mutasyon olasılığı Pm'dir. İlk tavlama sıcaklığı T0, sonlandırma sıcaklığı Tend ve sıcaklık soğutma katsayısı k.
(2) Rastgele bir ilk popülasyon Grubu oluşturun ve Gruptaki bireylerin uygunluk değerini fi olarak hesaplayın.
(3) Gelişim zaman değişkenini gen = 0 olarak ayarlayın.
(4) Popülasyon grubu üzerinde seçim, çapraz geçiş ve mutasyon gibi genetik işlemleri gerçekleştirin ve FAP'lerin yeni kümeleme sonuçları elde edilebilir. Yeni bireyin uygunluk değerini hesaplayın, eğer < fi, yeni kişiyi kabul edin; aksi takdirde, yeni kişiyi exp ((fi -) / T) olasılığı ile kabul edin.
(5) Yargıç gen < MIXGEN, gen = gen + 1, adım (4) 'e gidin; aksi takdirde, adım (6)' ya gidin.
(6) Yargıç Ti < Eğilim, algoritma bitti, global optimal çözüme dönün; aksi takdirde, soğutma işlemini Ti + 1 = kTi gerçekleştirin ve adım (3) 'e gidin.
3.2 FAP'ler alt kanal tahsisi
Bu yazıda, FAP'ler için alt kanalları tahsis etmek için sezgisel bir kanal tahsis algoritması kullanılmıştır ve birbirine ortogonal olan alt kanallar farklı kümelere tahsis edilmiştir.Aynı kümedeki FAP'ler aynı alt kanalları yeniden kullanabilir. Alt kanal tahsisinin amacı, FUE oran gereksinimlerinin karşılanması temelinde sistem kapasitesini maksimize etmektir. Tahsis planı şudur:
3.3 FAP'lerin güç tahsisi
FAP'lerin alt kanalları tahsis edildikten sonra, kaynak tahsisi problemi, kullanıcı seviyesinde bir güç tahsis problemine dönüştürülebilir. Tahsis planı:
4 Simülasyon sonuçları
Simülasyonun rahatlığı için, bu makaledeki simülasyon senaryosu 1 MBS ve F FAP içerir.Özel simülasyon parametreleri Tablo 1'de gösterilmektedir. Kanal kazancı esas olarak yol kaybı, duvardan geçiş kaybı, anten kazancı ve gölge solmasını dikkate alır. Simülasyon, MUE'lerin ortalama verimi, FAP'lerin spektrum verimliliği ve FUE'ler arasındaki adalet dahil olmak üzere önerilen algoritmanın birden çok performansını analiz eder. Bu makaledeki algoritma, sezgisel kanal tahsisi ve KKT koşulları altında daha fazla güç tahsisi için GSAA algoritmasına dayanmaktadır. Karşılaştırmada yer alan algoritmalar, kümelemesiz rastgele kaynak tahsis algoritması (Rastgele Kaynak Tahsisi, RRA) algoritmasını, literatürdeki kullanıcı merkezli frekans tahsis (UGFA) algoritmasını, grafik teorisine (GCRA) dayalı renk kümeleme algoritmasını ve maksimum yükü içerir. Girişim oranı algoritması ve standart genetik simülasyonlu tavlama algoritması (GSAA).
Şekil 2, farklı yoğunluklu FAP dağıtımı altında çeşitli algoritmaların iç mekan MUE'lerinin ortalama iş hacmini göstermektedir. Maksimum taşıyıcı-parazit oranı algoritması teorik olarak maksimum ortalama verimi elde edebilir, ancak algoritma MUE'ler arasındaki adaleti dikkate almaz.MUE'lerin yoğun olarak dağıtıldığı senaryoda, zayıf kanallara sahip MUE'ler alt kanallara tahsis edilemez. GCRA algoritması, MUE'ler arasındaki adaleti dikkate alır ve MUE'lerin daha normal iletimlerini karşılayabilir. Bu makaledeki algoritma, oran adil alt kanal tahsis algoritmasına dayanmaktadır ve sistem performansını daha da artırabilen güç tahsisi için su enjeksiyon algoritması kullanılır; ikinci olarak, alt kanallar ve güç, FAP'lerin MUE'ye olan parazitini azaltabilecek kullanıcıların adaleti dikkate alınarak FAP kümelemesi temelinde tahsis edilir. , Ve sonra sistem performansını iyileştirin.
Şekil 3 farklı yoğunluklarda yerleştirilen FAP'lerin spektrum verimliliğini göstermektedir Kümelenmemiş RRA algoritmasının en düşük spektrum verimliliğine sahip olduğu görülebilmektedir. UGFA algoritmasında, her bir küme aynı kaynakları tahsis eder, bu da belirli miktarda kaynak israfına neden olur, bu nedenle spektrum verimliliği düşüktür. CCRA algoritması, frekansı yeniden kullanma mekanizmasını dikkate alır, ancak algoritma kümelendikten sonra, her kümedeki FAP sayısı farklıdır ve her kümeye aynı frekans bandı tahsis edilir ve spektrum verimliliği nispeten düşüktür. GSAA algoritması, aynı katman parazitini etkili bir şekilde ortadan kaldırabilen ve spektrum verimliliğini artırabilen parazit ağırlıklarıyla dinamik olarak kümelenir. Kümeleme temelinde, bu makaledeki algoritma, alt kanal tahsisi ve güç tahsisi yoluyla belirli parazitleri daha da ortadan kaldırır ve spektrum verimliliği daha yüksektir.
Şekil 4, FUE'ler arasındaki adaleti göstermektedir.FAP'lerin yoğunluğu arttıkça, kaynakların rastgele tahsis edilmesi nedeniyle kümelenmemiş RRA algoritmasının, FAP'ler arasındaki aynı katmanlı girişimin daha büyük ve adaletin daha düşük olduğu görülmektedir. GSAA algoritması ile karşılaştırıldığında, bu yazıda yer alan algoritma kümeleme sonrası alt kanal ve güç tahsisini gerçekleştirmektedir.Adalet kriterine göre yüksek SNR'li alt kanalların gücünü azaltabilir ve daha düşük alt kanalların gücünü artırabilir.En yüksek adilliğe FUE'ler sahiptir.
5. Sonuç
Bu makale, ultra yoğun ağlarda FAP'lerin yoğun konuşlandırılması senaryosunda küme tabanlı bir kaynak tahsis algoritması önermektedir. Algoritma, MUE'lerin normal iletimini sağlama öncülüğünde, girişim ağırlıklarını hesaplayarak FAP'leri dinamik olarak kümeler ve ardından alt kanalları tahsis etmek için sezgisel algoritmaları ve KKT koşullarını kullanır ve bu, hücreler arası paraziti daha da azaltabilir. Simülasyon, bu makaledeki algoritmanın makro kullanıcıların ortalama verimini ve farklı FAP yoğunlukları altındaki FUE'ler arasındaki adaleti etkili bir şekilde iyileştirebileceğini ve spektrum verimliliğini en üst düzeye çıkarabileceğini göstermektedir.
Referanslar
ELSAWY H, DAHROUJ H, AL-NAFFOURI T Y, ve diğerleri. 5G hücresel ağlar için sanallaştırılmış bilişsel ağ mimarisi. IEEE Communications Magazine, 2015, 53 (7): 78-85.
HOSSAIN E, RASTI M, TABASSUM H, vd. 5G çok katmanlı hücresel kablosuz ağlara doğru evrim: Bir girişim yönetimi perspektifi. IEEE Kablosuz İletişim, 2014, 21 (3): 118-127.
ZHANG H, JIANG C, BEAULIEU N C, ve diğerleri. Heterojen hizmetlerle OFDMA femtocells spektrum paylaşımında kaynak tahsisi. IEEE İşlemleri İletişim, 2014, 62 (7): 2366-2377.
AHMAD I, LIU S, FENG Z, vd. Spektrum paylaşımlı femtocell ağlarında ortak kaynak tahsisi için oyun teorik yaklaşımı. Journal of Communications and Networks, 2015, 16 (6): 627-638.
LI W, ZHENG W, WEN X, et al.Yoğun femtocell ortamlarında Dinamik Kümeleme tabanlı alt bant tahsisi Araç Teknolojisi Konferansı IEEE, 2012: 1-5.
ELSHERIF AR, CHEN W P, ITO A ve diğerleri. Küçük hücreli ağlarda girişim yönetimi için uyarlanabilir kaynak tahsisi. IEEE İşlemleri İletişim, 2015, 63 (6): 2107-2125.
HA V N, LE L B.Makrosel korumalı OFDMA femtocell ağları için adil kaynak tahsisi Araç Teknolojisi IEEE İşlemleri, 2014, 63 (3): 1388-1401.
ZHAO C, XU X, GAO Z, vd. Ultra yoğun ağ için renklendirme tabanlı küme kaynak tahsisi. IEEE Uluslararası Sinyal İşleme, İletişim ve Hesaplama Konferansı. IEEE, 2016: 1-5.
LUAN Z, QU H, ZHAO J, ve diğerleri.Yoğun şekilde konuşlandırılmış femtocell ağı için kullanıcı odaklı grafik tabanlı frekans tahsis algoritması.Çin Bildirisi, 2013, 10 (12): 57-65.
ZHANG Q, ZHU X, WU L ve diğerleri.OFDMA femtocell ağları için renklendirme tabanlı bir kaynak tahsisi.Kablosuz İletişim ve Ağ Konferansı. IEEE, 2013: 673-678.
HATOUM A, LANGAR R, AITSAADI N, et al. QoS garantili OFDMA femtocell ağlarında küme tabanlı kaynak yönetimi Araç Teknolojisi IEEE İşlemleri, 2014, 63 (5): 2378-2391.
yazar bilgileri:
Teng Deyang, Wang Qiong, Zhou Xiaohai, Liu Yafei, Ge Changwei
(İletişim ve Bilgi Mühendisliği Okulu, Chongqing Posta ve Telekomünikasyon Üniversitesi, Chongqing 400065)
