论文部分内容阅读
随着用户服务质量(QoS，Quality of Service)需求的快速提高及用户数量的迅速增长，移动通信网络的规模越来越大，网络结构也愈发复杂，这使得网络优化需要涉及众多参数，最终造成网络优化和设计越来越困难。为了在未来移动通信网络中解决上述问题，网络运营商与下一代移动通信网络联盟(NGMN，Next Generation Mobile Network)一起于2006年提出了自组织网络(Self-Organizing Network，SON)的概念，并希望将其应用于长期演进(LTE，Long Term Evolution)网络及其演进版本中。SON的核心思路是通过在无线接入网络中引入自组织技术，进而实现无线接入网络的自规划、自配置、自优化、自调整、自诊断和自修复功能，最终减少人工干预，达到降低网络运营维护的目的。本论文将主要针对SON中自优化领域内的相关问题进行研究，包括负载均衡问题，呼叫准入控制(CAC，CallAdmission Control)与机会调度问题，小区间干扰协调问题、及能量效率优化算法等。 论文第二章研究了LTE网络中最小化网络负载的负载均衡算法。首先提出一个多目标优化问题（MOP，Multi-objective Optimization Problem），目标函数为负载均衡指示变量和网络平均负载，限制条件为系统资源数及用户QoS需求。然后利用线性加权和法将此问题转化为一个单目标优化问题(SOP，Single-objectiveOptimization Problem)。在分析新问题最优解的复杂度和开销后，提出了最小化网络负载的负载均衡算法。仿真结果表明所提算法可在占用更少系统资源的条件下，有效降低新通话阻塞率并提高网络频谱效率。 其次，论文第三章研究了LTE网络中考虑机会调度与QoS保障的呼叫准入控制算法。使用基于累积分布函数调度(CS，Cumulative Distribution Functionbased Scheduling)作为基本调度策略。在利用机会轮询(ORR，OpportunisticRound Robin)法计算CS的统计性能下界后，推导出CS/ORR法的多用户分集增益（MDG，Multi-user Diversity Gain）。然后提出一个适用于不同QoS需求的CS与ORR法相结合的CAC算法，其可保守预估满足用户QoS需求所需资源数。仿真结果表明联合考虑机会调度与用户的QoS需求，所提算法可有效降低新通话阻塞率，为用户提供更好的QoS保障，只会略微降低一点网络总吞吐量。 第三，为了消除小区间干扰(ICI，Inter-cell Interference)，进一步提升边缘用户吞吐量，论文第四章采用了部分频率复用(FFR,Fractional FrequencyReuse)技术，并结合前两章内容，对具有不同QoS需求的负载均衡算法进行研究。首先提出一个MOP，其目标函数分别是针对有QoS需求用户的小区内及小区间的负载均衡指示变量，和针对无QoS需求用户的总效用函数，限制条件为系统资源数和用户QoS需求。对该问题最优解的复杂度和开销分析之后，提出一个分布式、低开销的负载均衡算法结构，其包括一个混合调度策略、一个提供QoS保障的基于CS与ORR法相结合的CAC算法和一个有QoS认知的小区内及小区间切换的负载均衡算法。仿真结果表明所提算法结构可有效逼近最优解，对有QoS需求的用户可显著降低新通话阻塞率;对无QoS需求的用户可明显提升总效用函数及边缘用户吞吐量，仅以牺牲少许网络总吞吐量为代价。 第四，随着高数据速率业务的广泛应用及能量消耗的快速增加，能量效率(EE，Energy Efficiency)已成为LTE网络一个新的研究热点。由于EE和频谱效率(SE，Spectral Efficiency)的性能是互相耦合的，在某些场景下甚至是互相冲突的。因此，如何优化网络的EE和SE是个值得研究的课题。论文第五章对LTE网络无干扰环境下的EE-SE联合优化算法进行了研究，和以往文献不同，本章力求同时优化网络的EE和SE。首先提出一个MOP并分析其帕累托最优解的特性。再通过线性加权和法将此MOP转化为一个SOP并证明其既非准凹也非准凸。然后提出一个应用粒子群优化(PSO，Particle Swarm Optimization)方法的能效算法，仿真结果表明所提算法可有效降低总发射功率，提升EE，只需牺牲一点SE为代价。 最后，论文第六章研究了LTE网络有干扰环境下的EE-SE联合优化算法。首先提出一个MOP，然后利用线性加权和法将此MOP转化为一个SOP。通过调整加权系数，可分别将其转换为SE最大化问题、EE最大化问题及EE-SE之间的折衷(EST,EE-SE Tradeoff)问题。利用两个凹函数之差规划(DCP，Differencebetween Two Convex Functions Programming)可提出求解SE最大化问题的最优化算法。同时利用DCP和分式规划(FP，Fractional Programming)可提出求解EE最大化问题的最优化算法。利用PSO方法可提出求解EST问题的联合优化算法，仿真结果表明通过适当调整加权系数，所提算法可有效均衡网络的EE和SE，因此可将其应用于未来能效网络的设计中。