论文部分内容阅读
随着超高清视频、3D视频和虚拟增强现实等新业务的接入,将对系统吞吐量提出更高的要求。超密集网络由于其提升系统吞吐量的巨大潜力,被认为是5G通信网络系统的关键技术之一。OFDMA多小区系统的小区间干扰问题不仅是4G通信网络系统中宏小区和微小区面临的难题,也是5G通信网络系统中超密集网络大规模部署必须克服的关键问题。干扰协调方法是现有解决小区间干扰问题的主要方法。传统的干扰协调方法虽然能一定程度上减小小区间干扰问题,但是存在灵活性差、频谱资源利用率低和系统吞吐量提升不足等缺点。针对小区间干扰问题,本文首先基于协同量子粒子群算法提出一种子载波和功率联合分配的协同随机量子粒子群算法。通过频谱和功率的联合分配提高系统吞吐量资源利用率。接着分析了用户都聚集于小区外围的场景下协同随机量子粒子群算法的不足。在分数频率复用方法的框架上,提出基于协同随机量子粒子群算法的自适应频率复用方法。在继承分数频率复用方法有效减小区间干扰优点的同时,充分提高系统吞吐量。本文的主要工作如下:(1)建立OFDMA多小区系统模型。在发射功率一定的条件下,以多小区系统整体最大吞吐量为目标,以最小信号噪声比为约束,建立频谱和功率联合分配的系统模型。(2)基于协同量子粒子群算法提出子载波和功率联合分配的协同随机量子粒子群算法。从三方面改进了协同量子粒子群算法不适应于系统联合资源分配的缺点:改进粒子群算法中的罚函数策略,使得功率分配能够满足条件约束;改进量子遗传算法的离散解分配策略,使得子载波分配的取值范围扩大到全部用户;提出随机协同策略,使得能够得到较好的全局最优解。仿真结果表明,与传统的分步求解算法相比,增加了 12.3%吞吐量,提高18%的吞吐量功率比。(3)提出基于协同随机量子粒子群算法的自适应频率复用方法。首先划分小区内部用户和小区外围用户。根据系统各区域的人数分布划分频谱。然后通过协同随机量子粒子群算法分别调整内部用户和外围用户的频谱和功率,最大化系统的吞吐量。仿真结果表明,与传统的干扰协调方法相比,本文方法提高了 42.9%的吞吐量,提升了 46.64%的吞吐量功率比,降低了 67.78%的无效子载波占比。