论文部分内容阅读
大量的机器与机器通信(machine-to-machine,M2M)终端将存在于通信网络中,远远超过人与人通信(human to human,H2H)终端数量。与H2H终端不同,M2M终端特点是数量大、以上行传输为主、多数业务时间容忍度高以及低移动性等。然而,传统移动通信网络中的资源分配算法主要是为H2H通信设计,无法满足M2M业务新的需求。本文主要研究了M2M和H2H共存场景下的资源分配算法,主要包括以下三个方面:(1)提出了一种基于背包模型的上行资源调度算法。针对4G网络中存在着大量的H2H终端与M2M终端,本文将“依赖背包”问题模型引入到资源分配算法中,通过分析M2M终端与H2H终端的的特点,首先为H2H业务和时延敏感的M2M业务调度资源;当仍有资源剩余时再为尽力而为的M2M业务分配资源,降低终端设备的能量损耗,延长工作时间。仿真结果验证该算法保障了H2H业务和M2M业务的QoS需求,同时提高4G网络上行链路的资源利用率和系统吞吐量,具有一定的优越性。(2)提出了一种以最大化有效容量为目标的资源调度算法。针对在未来的5G网络中存在大量的H2H终端与M2M终端的场景,本文将多背包问题模型引入到资源分配算法中,通过分析5G网络中海量终端、多种业务存在的特性,将无线网络资源虚拟化,使业务可以同时使用多个基站的物理资源。旨在未来有海量M2M与H2H终端存在时,可以保障时延敏感型业务的QoS需求和解决为大量终端服务问题。仿真结果表明该算法可以最大限度地利用时间、频率、功率三维资源,同时满足M2M终端与H2H终端的业务需求,提高5G网络上行链路的传输性能。(3)设计并完成了超密集无线网络资源管理与控制平台,系统由终端用户、eNodeB(Evolved Node B)小基站、平台服务器和数据库四部分组成。该平台主要研发了超密集无线网络中网络拓扑、用户切换、无线资源分配算法、切换控制,实现了与基站通信的协议制定、基站资源周期性上传显示、eNodeB小基站和终端用户拓扑图的展示以及基于吞吐量最大化的动态频谱分配策略和切换参数控制。测试结果表明,资源管理平台能够对超密集无线网络资源进行有效的控制和管理。最后,对本文研究进行了归纳总结,并对未来工作的深入方向和思路进行了展望。