MMMay, 2013

D2D 覆盖蜂窝网络的功率控制：建模、算法和分析

PDF
TL;DR本文提出了基于随机几何的随机网络模型，开发了集中式和分布式功率控制算法，以确保蜂窝用户具有足够的覆盖概率，并尝试支持尽可能多的 D2D 链接，同时限制 D2D 用户产生的干扰。数值结果显示了所提出的功率控制算法的增益和分析结果的准确性。
device-to-deviced2dunderlaid cellular networkpower control algorithmsinterference
发现论文，激发创造
  • 基于设备之间通信的频谱共享在蜂窝网络中的研究

    本文提出了一种分析和优化设备对设备 (D2D) 增强移动通信网络中频谱分配和通信模式选择的通用方法，利用随机空间泊松点过程建立了可行的混合网络模型，采用两个 D2D 频谱分享方案的加权比例公平效用函数来优化两个选择，最终提出一个权衡频谱访问因子和 D2D 模式选择阈值的性能 - 覆盖度折衷。

    May, 2013

  • 基于 NOMA 的蜂窝网络下 D2D 通信资源分配

    本文研究了设备到设备通信中的功率控制和信道分配问题，提出了一种基于双重算法的迭代算法来解决资源分配问题，并验证了该算法相对于现有正交多重接入方案的优越性。

    Oct, 2017

  • D2D 网络的干扰受限定价

    该论文提出了一个基于定价的干扰管理框架，其中基站通过定价来保护其自身（或其服务的蜂窝用户）免受 D2D 用户引起的干扰，开发了两种最优算法和一个次优算法用于干扰管理、功率调配和定价，通过广泛的仿真验证了这个框架。

    Nov, 2016

  • LTE-A 蜂窝网络下基于中继的设备对设备通信资源分配在信道不确定性下的应用

    本文对 D2D 通信中的资源分配问题进行了研究，提出了一种鲁棒的分布式方案，以最大化网络总速率，并利用机会约束方法在鲁棒性和最优性之间实现权衡。数值结果表明，距离阈值可以明显地改善网络性能。

    Jan, 2014

  • 设备对设备 (D2D) 通信的博弈论资源分配方法

    本文章展示了博弈论模型在 D2D 通信资源分配问题中的应用，并概述了一些重要的开放性研究方向。

    Mar, 2014

  • LTE 网络承载的多播设备对设备通信中的最优资源分配

    本文介绍了一个用于蜂窝网络下的组播设备对设备通信资源分配的框架，主要通过混合整数非线性规划来解决干扰问题和优化资源利用效率，提供了贪心算法和启发式算法来优化研究结果。

    Mar, 2015

  • 带有设备对设备通信的无人机：性能和权衡

    本文研究了利用无人机作为飞行基站为给定地理区域提供即飞即用无线通信的部署，提出了两个无人机工作场景，并对无人机高度、D2D 用户数量等相关参数进行覆盖概率和系统总速率分析，发现最优的无人机高度和覆盖概率存在较强的关联。同时，通过智能移动无人机来实现最小化覆盖整个区域所需的总传输功率，最后讨论了覆盖和延迟之间的权衡。

    Sep, 2015

  • 使用智能中继器进行网络集成设备对设备通信的资源分配

    本文研究了在未来移动网络中，由于自主异构设备的数量不断增加，需要一种有效的资源分配方案来最大化网络吞吐量和实现更高的频谱效率。通过构建优化问题，本文考察了网络集成的设备对设备（D2D）通信，在其中 D2D 流量通过中继节点传输。数值结果表明：当与 D2D 对等方之间的直接通信距离超出一个距离阈值时，中继辅助 D2D 通信显著提高了网络性能，从而最大化端到端传输速率以及基于总功率约束下蜂窝和 D2D 用户设备的转化 QoS 要求。

    Nov, 2013

  • 通过图神经网络的反事实优化进行无线电力控制

    通过利用网络拓扑结构创建图神经网络架构并使用反事实优化方法学习最优功率分配决策，实现在一定网络配置范围内，保证最低速率限制，达到平均用户速率和第 5 百分位用户速率之间的平衡。

    Feb, 2020

  • 基于深度学习的无蜂窝式大规模 MIMO 网络功率控制

    本文提出了一种基于深度学习的功率控制算法，用于解决无蜂窝网络下具有最大最小用户公平性问题的大规模多输入多输出系统中的最大最小速率优化问题，使用无监督学习的方法使深度神经网络学习最佳用户功率分配方案，模型训练快速且灵活，性能显著且具有较低的计算复杂度和快速实现优势，同时提出了一个在线学习阶段，在处理速度较快的情况下实现了接近最优的性能。

    Feb, 2021