一、下一代无线通信网络的移动性管理完全解决方案(论文文献综述)
杜雨[1](2021)在《无基础设施依托的移动性管理技术研究》文中研究指明目前的商用网络大都建设在有固定基础设施的网络架构之上,固定基础设施的架构为网络提供了安全性与高质量服务,但相应的限制了网络的灵活性,在一些比较需要网络灵活性的场合,比如军事、救灾环境下,固定基础设施来不及搭建或被摧毁,网络在这些场景难以快速建立。同时,现有的大部分网络都是通过集中式的管理单元进行管理,该方法可以简化网络管理,避免管理数据在全网泛洪造成巨大开销。然而,随着互联网网络流量的增加,核心单元的负荷越来越重,这限制了网络的可扩展性。同时,若集中式单元遭到攻击,很可能导致整个网络的瘫痪,大大降低了网络的安全性。本文针对上述问题提出一种无基础设施依托的分布式网络架构,在此基础上设计了针对网络架构的移动性管理方案,完成主要工作如下:(1)由于移动核心网络没有固定的基础设施,在通信场景中依赖于高动态和弱连接。为了满足用户终端通过各种异构方式访问移动核心网络的需求,建立统一的网络移动性管理模型,设计简单灵活的移动性管理体系架构。(2)针对无基础设施依托的网络架构设计相应的移动性管理方案,包括初始接入流程、保障流程和切换流程。其中,在保障流程中,设计了一种位置推送方案——基于锚节点位置推送,当用户在分布式网络中完成位置更新后将位置信息向网络推送,保证网络中任意节点要向该用户发送数据时能正确找到用户的位置。实验表明:采用锚节点推送方案要比传统的移动IP方案具有更低的信令开销。(3)针对此架构,首先设计一种高效可靠的接入和切换控制算法,即综合考虑RSRP(Reference Signal Receiving Power,参考信号接收功率)和负载的面向多目标切换算法,实验表明:使用该算法在切换决策的时候会同时考虑接入点RSRP和接入点用户服务两个因素,使用户在获得相对较好的服务的同时,网络负载也尽可能的均衡,降低由于节点加入、退出和切换网络入的网络开销,满足低时延高可靠、移动性等不同类型业务的服务质量体验。其次,在此架构算法的基础上提出一种适应特殊环境需求的切换算法---基于先验知识的多属性切换算法,通过预测用户的移动趋向和移动区域,并结合网络负载和参考信号接收功率判决参数一同进行多属性分析,从而对切换算法进行优化,完成最优目标网络的切换。实验表明:使用该算法提高了用户的切换成功率和网络整体吞吐量,并降低了网络负载率和平均切换次数。(4)最后为了验证所提方案的可行性以及性能,本文在OPNET仿真平台下,利用C++编写代码对所提方案进行了仿真实现与性能评估试验。结果表明,虽然分布式网络的开销要高于有固定核心网络的开销。但是通过合理的协议设计,可以有效的减少网络多余的开销,并且提高网络的安全性。综合比较来看,本文所提出的网络架构以及协议方案适用于抗灾救险、军事战争等环境下的网络搭建。
王超[2](2021)在《基于强化学习的无线网络移动性管理技术研究》文中进行了进一步梳理随着无线通信技术和网络设备的不断发展与创新,用户终端以及接入点的数量和性能都实现了跨越式的提升,同时也促进了全球覆盖以及无缝切换的无线通信目标的逐步实现。高密度部署的地面蜂窝基站在一定程度上满足了人们日常生活中日益增长的流量需求;无人机基站作为地面蜂窝网络的补充通信技术引入到低空异构网络后,缓解了用户终端在偶发人群聚集场景中激增的通信流量;各种类型卫星作为通信服务站为诸如海洋、沙漠等人烟稀少的地区提供了有效的网络覆盖。数量庞大、种类繁多的服务基站使网络管理复杂度呈指数型增长,尤其是移动用户设备在不同基站的覆盖范围之间切换时,如何选择合适的接入点才能够保证良好的用户服务质量,成为亟待解决的问题。面对节点密度不断增加,网络中移动性管理问题已成为新兴网络架构下的研究热点。由于无线网络环境的随机变化是对信道特征产生影响的主要因素,因此通过网络历史信息来学习并执行不同环境对应的管理决策,是优化移动性管理方案的重要研究方向。本文关于移动性管理问题的研究思路是从无线网络的空间维度层层递进,从地面高密度蜂窝网络场景,扩展到引入无人机基站的低空异构网络场景,以及包含不同高度轨道的天地一体化网络(Space-Terrestrial Integrated Networks,STIN)。针对不同类型网络中用户设备与基站之间信道特征的差异,在各网络场景下开展的移动性研究工作各有侧重。本文在地面蜂窝网络中结合强化学习思想提出了智能切换管理方案,在低空异构网络中优化了邻小区列表的配置流程,以及在天地一体化网络中优化了移动节点的位置信息管理。本文的主要贡献总结如下:1.提出了基于强化学习框架的超高密度蜂窝网络移动切换优化方案针对地面蜂窝网络中基站高密度部署的场景,为了解决移动用户面临的频繁切换以及乒乓切换效应等切换性能较低的问题,本文利用强化学习算法中学习代理与环境交互,并结合历史信息评估接入点的长期性能,以实现最优决策的思路,考虑到多臂赌博机模型对随机信道模拟的契合程度,设计了一种基于强化学习算法的移动性管理策略,目的是在切换延迟、掉话率两方面优化超高密度网络下的移动切换性能。除此之外,针对3GPP提出的传统切换协议,本文从累计遗憾值理论上界的角度出发,证明了其性能与强化学习中∈-贪心算法的等价性。最后,以系统仿真实验的方式搭建了实际通信场景,验证了所提算法的有效性。仿真实验结果表明,与传统切换方案相比,本文提出的基于级联赌博机的切换管理算法在延迟以及掉话率等方面有效地提升了切换性能,并能保证在反馈信息延迟或者缺失的场景下的鲁棒性。2.优化了低空异构网络中邻小区列表配置算法针对引入了无人机基站的低空异构网络场景,本文分析了不同类型基站与用户设备之间的信道特征,用于提高用户评估候选基站的准确性。利用强化学习算法将历史切换信息用于估计候选基站的传输功率以及负载能力,避免了基站的瞬时性能对切换决策的干扰,以便于更精确地预测候选基站是否满足切换条件。在此基础之上,将级联模型与赌博机模型结合设计出邻小区列表配置算法,通过对基站传输功率、负载这两组未知随机分布的估计,确定邻小区列表(Neighbor Cell List,NCL)中候选基站的数量以及顺序。最后,通过设计系统级别仿真对本文所提算法在优化NCL性能方面进行验证,并与传统基于接受信号强度的方案以及相关研究中基于动态阈值的解决方案进行比较。实验结果表明,本文所提出的算法在切换准备阶段可以计算出更为精简的NCL,一方面降低了传输过程中的信令开销,另一方面减少了扫描候选基站的次数,从而降低了切换过程准备阶段的延迟,避免了延迟过高导致的掉话现象。3.提出了天地一体化网络中节点位置信息管理优化算法为了维护天地一体化网络架构下节点的位置信息,本文采用了全局唯一标识符(Global Unique Identifier,GUID)与网络地址(Network Address,NA)分离的方式。在此基础之上,设计了一种基于分域、分簇的网络管理区域划分机制,以分布式的方式建立起节点GUID/NA映射解析服务系统,提升网络地址解析过程的效率。本文基于该框架开展了两项工作,一方面利用在线学习的思想,设计出一种基于稀疏置信上界算法,将网络节点的GUID/NA映射信息分配并存储在适当的卫星节点,仿真实验结果表明所提出的算法可以显着提高跨域节点位置解析查询的匹配率。另一方面设计了一种高效的位置信息更新策略,解决天地一体化网络中网络拓扑随时间不断变化给位置节点更新带来的挑战。仿真实验结果表明,与现有的内容更新方法相比,本文提出的更新算法可以避免更新路径中的星地链路以及不必要的节点,从而有效地降低了更新成本。
郑少勇,向炳洁[3](2020)在《面向微波毫米波频段协同的共口径天线研究综述》文中指出针对面向5G、6G等下一代移动通信系统中所需的微波毫米波频段协同共口径天线进行总结和展望。首先介绍了采用多端口的频段协同共口径天线的主要实现方式。其次,重点介绍系列单端口频段协同天线的原理、实现方法以及性能指标,并进一步介绍对应频段协同电路的实现。最后,对微波毫米波频段协同天线的后续发展进行展望。
徐惠臣[4](2020)在《5G移动通信系统上行链路参考信号的应用研究》文中研究表明毫米波通信、大规模多天线系统、超密集组网等新技术是第五代(5G,5th Generation)移动通信系统的关键性支撑技术。这些新技术要求5G无线接入网络实时、准确地获取用户终端的位置信息。通过对上行链路参考信号进行测量直接获取用户终端位置信息的方式可以满足这个要求。因此,上行链路参考信号在5G移动通信系统,特别是移动性管理问题中具有广泛的应用空间。本文主要研究上行链路参考信号在5G移动通信系统中的应用。首先,本文描述了上行链路参考信号在5G移动通信系统中的潜在应用场景,综述了上行链路测量、移动性管理方案和用户终端的位置管理等问题的研究现状,并介绍了5G系统网络架构以及基于下行链路测量的移动性管理技术。其次,本文描述了蜂窝移动通信系统的部署场景,介绍了基于上行链路参考信号的移动性管理的基本原理,建立了蜂窝移动通信系统部署场景的数学模型,设计了一种适用于移动性管理的上行链路参考信号,并研究了一种基于上行链路参考信号的移动性管理基本方案。然后,本文研究了无线资源控制非激活状态下的移动性管理增强方案,并将上行链路参考信号应用于用户终端的位置管理,提出了一种基于无线接入网通知区的上行链路移动性管理增强方案。本文在密集城区和高速移动两种部署场景中对基于无线接入网通知区的上行链路移动性管理增强方案的性能进行仿真分析。仿真结果表明,基于无线接入网通知区的上行链路移动性管理增强方案继承了基于上行链路参考信号的移动性管理基本方案在寻呼丢失率和用户终端功率损耗等方面的性能优点,同时降低了驻留小区基站、相邻基站和最后服务基站之间的信令交互开销。最后,本文研究了无线资源控制连接状态下的移动性管理增强方案,将上行链路参考信号应用于预切换方案,提出了一种基于上行链路参考信号的预切换方案。本文对基于上行链路参考信号的预切换方案的性能进行仿真分析。仿真结果表明,相比于传统的基于下行链路测量预切换方案,基于上行链路参考信号的预切换方案能够显着降低预切换过程的信令开销。而相比于基于上行链路参考信号的移动性管理基本方案,基于上行链路参考信号的预切换方案能够显着降低切换失败率。
刘翔[5](2020)在《基于智能波束切换机制的5G-NR移动性管理研究》文中研究说明毫米波(millimeter wave,mm Wave)频率拥有巨大的带宽,为5G通信系统提供前所未有的数据速率。利用大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术提供的阵列增益可以有效补偿路径传输损耗。基站和终端多波束的引入需要波束间精确快速对准,这一操作可能会增加链路建立的延迟,并对高频移动性管理过程,如初始访问、波束切换和跟踪带来很大影响。本文研究5G典型场景下的高频移动性波束管理优化算法,旨在大幅度提升系统性能。基于目前对毫米波技术和5G通信发展趋势的研究,本文主要研究内容为:(1)分析了毫米波大规模阵列天线的技术背景、研究现状以及高频波束移动性管理的基本原理。考虑5G网络中需要权衡的因素和性能指标,进一步研究基于3GPP NR协议的关于波束移动性管理的配置参数,旨在减小基站切换率、降低乒乓切换率和系统切换时延。(2)根据组网模式配置是否支持LTE覆盖,本文考虑非独立和独立5G网络模式。对于非独立组网模式,其核心网配置两种基站,用户终端可以通过切换数据路径克服一个链路的中断。相反,独立组网模式不包含LTE覆盖,与前者相比,LTE连接可用于向g NB报告最佳波束指向,UE不需要等待g NB扫描所有波束之后再执行初始接入操作,可以降低UE初始接入网络时延。同时,考虑符合3GPP标准的下行链路配置,可以减少UE侧的能耗。本文考虑下行链路非独立组网模式为高频移动性管理性能提升提供有效保障。(3)在传统波束切换算法的研究基础上,提出了更加高效的场景化高频移动波束切换优化算法。首先根据5G不同典型场景特点,构建具体的网络场景模型、用户移动模型、配置场景参数等;通过结合切换时延和信令开销性能指标,对不同毫米波场景细分场景和网络部署,区别对待低速和高速运动场景特点,提出基于波束切换的触发机制和切换准则,确定高频移动性波束管理优化算法。结合不同典型场景以及终端移动模型特点,对不同波束管理优化算法和基线方案进行性能仿真验证对比,仿真结果表明,所提算法在保证用户满足通信需求的前提下,可以降低小区切换时延,减少非必要的小区切换次数,并显着降低乒乓切换率。相对于传统的波束切换算法,所提出的场景化高频波束移动性管理算法在系统切换时延和信令开销指标方面,整体性能提升≥30%。
贺小雨[6](2020)在《面向时延优化的网络切片智能资源管理算法研究》文中研究指明5G时代,面对通信业务的爆炸式增长,网络应当能够同时支持大量来自垂直行业的多样化业务场景,因而网络切片技术应运而生。该技术通过在同一物理网络中建立多个逻辑虚拟网络,为不同业务场景提供定制化服务。由于物理资源的有限性和业务请求的动态性,不合理的资源分配将导致系统时延增加,用户体验下降,因此亟需建立高效新颖的智能资源管理机制,能够根据系统环境的变化动态调整资源分配策略。因此,本文的工作重点是在网络切片环境下优化资源管理方案,主要研究内容和创新工作总结如下:针对5G网络切片环境下由于业务请求的随机性和未知性导致的资源分配不合理从而引起的系统高时延问题,提出了一种基于迁移演员-评论家(Actor-Critic,A-C)学习的切片资源管理方案。首先,该方案建立基于VNF放置以及计算资源、链路带宽资源和前传网络资源联合分配的时延最小化模型,并将其转化为离散时间马尔科夫决策过程(Markov Decision Process,MDP)。然后,在该MDP中采用A-C学习算法与环境进行不断交互动态调整服务功能链(Service Function Chain,SFC)资源分配策略,优化系统时延。进一步,为了实现并加速该A-C学习方案在其他相似目标任务中(如业务请求到达率普遍更高)的收敛过程,采用迁移A-C学习算法实现利用源任务学习的SFC资源分配知识快速寻找目标任务中的资源分配策略。仿真结果表明,该方案能够减小且稳定SFC业务数据包的队列积压,优化系统时延,并提高资源利用率。针对接入网切片场景下用户终端(User Equipment,UE)的移动性和数据包到达的动态性导致的资源管理方案优化问题,并考虑到网络全局信息在优化过程中的必需性和难以获悉的实际情况,提出了一种基于异步优势演员-评论家(Asynchronous Advantage Actor Critic,A3C)学习的切片资源管理方案。首先,该方案建立基于区块链的资源管理机制,通过区块链技术实现可信地共享并更新网络全局信息,监督并记录SFC资源分配过程。然后,建立UE移动和数据包到达时变情况下的无线资源、计算资源和带宽资源联合分配的时延最小化模型,并进一步将其转化为MDP问题。最后,在所建立MDP中采用A3C学习方法,实现资源分配策略的求解。仿真结果表明,该方案能够更加合理高效地利用资源,优化系统时延并保证各个UE的需求。
李佳霖[7](2020)在《智慧协同网络路径动态适配技术的研究与实现》文中提出异构网络融合成为下一代新型网络的发展趋势,融合多种异构网络来提供便捷高效的网络服务,是当前主流的研究方向。现有网络架构在高速移动应用场景下,因其自身的局限性和无线链路的复杂性,难以灵活地协同异构网络,从而造成服务质量差、用户体验不佳和资源利用率低等弊端。本文基于智慧协同网络的研究,针对高速移动环境下,通信环境的快速时变性和异构网络的共存的现状,以资源适配的方式提高通信业务满意度。论文主要工作如下:(1)提出了基于智慧协同网络的车地通信系统业务与资源动态适配设计。本文完善了智慧协同网络架构模型,该模型构建四层网络架构,文中详细分析了除应用层外各层的具体功能以及层间交互过程。在此模型架构下,设计并实现了具有三种路径通信模式的车地通信系统,包括多路径适配模式,多路径聚合模式,以及单路径隧道模式。在多路径适配模式下提出了网络资源与业务服务适配模型。(2)针对两种业务标识需求场景,提出了基于强化学习的动态资源分配算法,实现了两种场景下的业务服务与网络资源适配。针对单标识服务需求场景,本文提出并实现了单标识业务资源模糊适配方案。将业务服务层中的业务分为应急通信业务和普通通信业务,以应急通信业务为目标标识业务,设计并实现了模糊逻辑Q学习算法,基于环境状态计算长期累积收益后得到全局最优解,并加入双层模糊逻辑控制,来生成路径动态适配策略。针对多标识服务需求场景,本文提出并实现了多标识业务资源适配方案。其业务服务层将服务需求划分为更加细致的多种类别,适用于高速移动环境下更为复杂的服务需求。此方案中的平均场多行为体价值策略算法,对每个行为体的强化学习都考虑其他行为体的动作策略,从而进行中心化的训练和分布式的执行,利用平均场论将多行为体间相互作用简化为该行为体与其它所有行为体的均值之间的作用,进行最后的网络资源动态匹配策略下发。(3)本文在实际环境下对基于智慧协同网络的车地通信系统通信模式进行了测试,为多路径适配模式网络仿真参数设置提供依据。在单业务动态适配方案测试中,通过对比其他高速移动环境下的资源适配方案,表明了本文的模糊逻辑Q学习算法能实现更高的业务服务满意度,满足了高速移动场景下的应急通信需求。而多业务动态适配方案在大规模的业务服务需求场景中,与其他方案对比结果表明,新提出的平均场多行为体价值策略算法表现出优越的性能。
马慧生[8](2020)在《面向协作式自动驾驶的5G车联网无线传输技术及优化方法研究》文中提出协作式自动驾驶(Cooperative Autonomous Driving)融合了自主式智能和车联网技术(本文特指Vehicle-to-Everything,V2X),可以实现协作感知和协同操作,能够有效提升自动驾驶汽车的智能化水平,增强安全性和舒适性,降低能源消耗,改善通行效率。由于协作式自动驾驶对时延、可靠性、速率和覆盖范围等通信指标要求很高,以LTE-V2X(Long Term Evolution-V2X)和DSRC(Dedicated Short Range Communication)为代表的现有车联网技术难以满足需求。为此,业界在 201 5 年左右开始对基于 5G(5th Generation Mobile Networks)的V2X演进技术进行研究。本文围绕从原理设计和设备研发到商业部署运营再到技术演进发展过程中,5G-V2X无线传输技术及其优化方法研究中存在的4个关键技术问题展开。这些问题包括:5G-V2X原型系统无线传输方案设计与验证;商用异系统共存场景功率分配;城市级(Citywide)5G-V2X网络负载预测;以及复杂优化模型的通用求解工具。本文的主要研究工作和创新如下:(1)在5G-V2X原型系统无线传输方案设计与验证研究方面,分析了协作式自动驾驶对5G-V2X通信的低时延高可靠与高流量高移动性联合需求,提出了包括基于分层异构网络架构的移动性管理机制,基于移动边缘计算的本地化数据传输机制,以及基于信道处理优化和快速重传的低时延高可靠机制在内的5G-V2X无线传输设计方案;通过仿真和现场实验,验证了所提方案满足系统性能指标要求。支撑了国内首个包括V2V在内的所有链路达到5G-V2X指标要求的车队协作式自动驾驶功能验证。(2)在商用异系统共存场景功率分配研究方面,首先结合如何激励运营商向非签约用户共享授权频谱资源这一现实问题,从经济学角度对边链路(Sidelink)与上行链路(Uplink)共享频谱资源场景下的功率分配模型进行分析,定义了一种新的经济能效度量指标;在此基础上,提出了一种基于斯坦科尔伯格博弈(Stackelberg Game)的功率分配方案。其中,宏基站通过优化干扰定价获得最大效用,而V2X终端通过优化经济能效获得最大效用。通过问题转化证明了斯坦科尔伯格均衡的唯一性,求解出宏基站的最优定价和V2X终端的最优发送功率。(3)在城市级(Citywide)5G-V2X网络负载预测研究方面,首先综合基于深度学习的交通流量预测和无线网络流量预测两个领域研究成果,分析了在一个模型下同时对城市级5G-V2X网络中各区域网络负载涉及的用户数量、迁移趋势和网络流量等多个时变属性进行联合预测的可行性;然后,分析了现有卷积神经网络模型对网格化区域划分的依赖带来的局限性,并对非规则区域划分下多个时变属性联合预测问题进行定义;在此基础上,提出了一种基于置换的样本重构方法和置换时空残差网络模型,将现有模型的应用范围拓展到非规则划分场景,并支持多个时变属性联合预测;最后证明了所提方法和模型解决了非规则划分问题,提升了模型预测精度,并具有良好的泛化性能。(4)在复杂优化模型的通用求解工具研究方面,首先选择了以通用性较强的群体智能工具布谷鸟搜索(Cuckoo Search,CS)算法为研究对象,对其在车联网无线传输最优化问题研究中的应用,以及CS算法现有主要改进和变体进行了分析,设立了优化算法收敛速度和精度的研究目标;在此基础上,提出了一种融合子群体划分策略、灰狼优化和动态自适应步长等机制并具有全局收敛性的改进CS算法;最后通过仿真结果证明了所提算法在收敛速度、收敛精度等方面明显优于现有标准CS算法、基于重复周期渐近自学习和自演化扰动的改进CS算法,以及其他多种群体智能算法。本文在上述功率分配、网络负载预测和求解工具优化等方面的研究成果不仅对5G-V2X适用,而且对于正在规模商用的LTE-V2X也具有重要的理论意义和应用价值。
刘倩[9](2020)在《超密集网络中基于虚拟小区的干扰和移动性管理》文中研究指明超密集网络(Ultra-Dense Networks,UDN)技术通过密集部署新型的下一代无线接入点(Next-Generation NodeBs,gNBs),满足下一代移动通信系统超高传输速率、超高容量、超低时延的需求,实现网络性能的大幅提升。UDN中用户与gNBs的距离被极大地缩小,为虚拟小区技术的实施提供了基础条件。通过在UDN中部署虚拟小区技术,用户的网络服务模式可从“以基站为中心”转换为“以用户为中心”,从而消除小区边缘用户,进一步提升网络性能。鉴于UDN的不规则网络拓扑结构和以用户为中心的组网架构,传统的规则网络建模方法已不再适用。研究亟需新型的方法建模UDN中大量随机分布的gNBs,并对虚拟小区用户的性能进行准确分析。此外,虚拟小区用户在UDN中面临更复杂的干扰环境和更频繁的切换。这些挑战所带来的虚拟小区优化、大量切换信令开销、高传输时延和高切换失败率等问题都会严重影响用户的性能。为了应对UDN中基于虚拟小区的干扰和移动性管理的挑战,本论文采用随机几何理论对以用户为中心的虚拟小区架构进行建模和干扰分析,并基于此架构分别提出一项负载感知的干扰管理方案和一项主动式的移动性管理方案,为UDN中用户提供以其为中心的网络服务和高效的干扰移动性管理。本论文的主要研究成果和贡献如下:1.UDN中虚拟小区的随机几何建模和干扰分析利用随机几何建模理论和工具,对UDN中以用户为中心的虚拟小区进行建模分析,推导典型用户的信号与干扰加噪声比(Signal to Interference plus Noise Ratio,SINR)分布和用户 SINR 的“meta”分布。本部分研究的主要创新点为:1)采用非相干联合传输(Non-Coherent Joint Transmission,NCJT)技术构建虚拟小区;2)使用两项性能评价指标对UDN中虚拟小区用户的干扰性能进行全面地分析。用户的SINR分布是空间平均的性能指标,体现用户通信链路的平均性能。用户SINR的“meta”分布则能给出通信链路的成功传输概率在衰落期间的完整分布。仿真实验结果显示UDN中典型虚拟小区用户的SINR分布和SINR的“meta”分布能良好匹配真实值。准确的虚拟小区建模和干扰分析,为后续基于虚拟小区的干扰和移动性管理研究提供理论分析的基础。2.UDN中基于虚拟小区的干扰管理方案针对UDN中虚拟小区用户所面对的复杂干扰环境,提出一项负载感知的干扰管理方案。本部分研究的主要创新点为:1)考虑非完美信道状态信息(Channel State Information,CSI)和不同资源分配方案对用户的影响,将非完美CSI所带来的信道估计误差建模为新的干扰源;2)寻找最优的虚拟小区半径,以使得用户的系统频谱效率最大;3)考虑网络负载对虚拟小区构建的影响,提出一项基于模糊逻辑理论的最优基站激活策略。所提出的干扰管理方案根据gNBs的不同密度,为用户确定最优的虚拟小区半径,以最大限度降低干扰对用户的影响。管理方案还可针对不同的网络负载情况,使用最优基站激活策略调整激活门限阈值和资源分配方案,从而合理地激活服务gNBs,实现传输速率性能和资源开销之间的平衡。3.UDN中基于虚拟小区的移动性管理方案针对UDN中虚拟小区用户所面对的频繁切换和大量信令开销等问题,提出一项轨迹预测辅助的主动式移动性管理方案。本部分研究的主要创新点为:1)提出一项融合长短期记忆神经(Long Short-Term Memory,LSTM)网络和航海导航技术(Dead Reckoning,DR)优势的LSTM-DR轨迹预测算法;2)使用真实的出租车轨迹数据库训练LSTM-DR算法,并验证该算法的准确性;3)为集中控制器设计四项管理功能模块,根据车辆的轨迹预测信息为用户提供主动式的移动性管理;4)根据用户的移动速度和激活偏好,为用户选择合适的协作服务gNBs;5)优化基于虚拟小区架构的切换信令流程。仿真实验结果显示:提出的轨迹预测算法相对于LSTM和DR算法具有更好的预测精度和鲁棒性;轨迹预测辅助的主动式管理方案可极大地降低UDN中虚拟小区用户的切换数目、信令开销和和切换失败率。
丁煜[10](2020)在《低时延低轨卫星移动性管理技术》文中提出随着无线通信技术的迅猛发展与移动互联网、物联网服务的不断延伸,低轨卫星网络以其广泛的覆盖面积、相对较低的传播时延、灵活的组网方式与越来越低的卫星发射及使用成本,逐渐从传统地面通信网络的补充演变为人们日益增长的通信需求的新的主要承载,同时也成为未来天地一体化网络的重要组成部分。移动性管理技术是低轨卫星网络的基础与支撑性技术,其保证了用户在移动过程中会话的连续性。在保证功能性外,当前针对低轨卫星网络移动性管理技术的研究更侧重于性能的提升,考虑到低轨卫星网络所具有的特点,如网络拓扑高动态性、卫星对地高速相对运动造成用户的频繁切换等因素使得传统移动性管理技术的时延指标不再满足未来网络中低时延应用的要求。同时,我国低轨卫星网络建设还面临着地面站部署受限的附加限制。因此,以我国天地一体化网络建设项目为背景,设计一套适用于低轨卫星网络的低时延移动性管理方案具有较高应用价值与研究意义。本文主要研究工作与成果如下:阐述了移动性管理技术原理并对其在低轨卫星网络环境中的发展现状进行综述、分析了当前低轨卫星网络移动性管理方案同时指出其不足并明确了本文研究课题需解决的问题。具体地,本文研究了四种典型的移动性管理协议,详细分析了协议交互机制并对各协议的切换时延指标作了定量分析。分别从定量与定性的角度分析了移动性管理协议从哪些方面影响了用户的通信时延,并据此总结出低轨卫星网络中移动性管理协议时延优化所面临的问题,并通过仿真直观地展示了低轨卫星网络环境下前文总结的问题对四种移动性管理协议下用户端到端通信时延的影响。本文特别针对移动性管理协议时延指标作出优化,提出了一种基于分簇的低轨卫星网络分布式移动性管理方案,能在无需全球布设地面站的条件下实现对移动用户的分区域位置管理。方案主要创新点包括:1.基于地理位置区的卫星网络分簇设计。该设计增加了卫星网络对地面移动用户的服务时间从而降低了移动用户的切换频率。2.移动用户状态信息簇内共享机制。该机制在缩短协议切换处理耗时的同时能有效避免因簇规模过大而导致的地面移动用户信息在簇内过于频繁地同步的问题。3.网络边缘用户“虚切换”机制。该机制避免了因地面管理区与卫星覆盖区不一致导致的网络边缘用户被动切换时会话中断,降低了用户通信时延。4.分布式移动性管理架构。能有效解决现有集中式移动性管理技术中普遍存在的次优路由、单点失败等问题,降低了低轨卫星网络中用户端到端通信时延。同时,为准确描述用户在低轨卫星网络中的行为,本文建立了卫星星群服务时间模型与移动用户会话模型,在此基础上对方案关键问题进行了详细地数学分析并对协议切换时延进行了量化分析。最后,本文在早期开源项目OAI-PMIPv6基础上对源代码进行大量改造、适配与功能添加,实现了本文方案策略并使其能运行于当前Linux开发环境。此外,本文设计并搭建了方案测试与验证网络,验证了方案的可行性与功能完整性。
二、下一代无线通信网络的移动性管理完全解决方案(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、下一代无线通信网络的移动性管理完全解决方案(论文提纲范文)
(1)无基础设施依托的移动性管理技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文的主要工作 |
1.4 论文章节安排 |
第二章 移动通信网络架构和移动性管理技术概述 |
2.1 现有移动通信网络架构及演进 |
2.1.1 民用通信网络架构 |
2.1.2 军用通信网络架构 |
2.2 移动通信网络中的移动性管理技术 |
2.2.1 移动通信网络中的位置管理 |
2.2.2 移动通信网络中的切换管理 |
2.3 移动性管理研究现状与存在的问题 |
2.3.1 集中式移动性管理 |
2.3.2 分布式移动性管理 |
2.4 本章小结 |
第三章 无基础设施依托的分布式网络移动性管理设计 |
3.1 架构设计目标 |
3.2 无依托分布式网络架构 |
3.2.1 网络整体模型架构 |
3.2.2 网络架构特性 |
3.3 架构主要实体及功能 |
3.3.1 核心网功能实体 |
3.3.2 接入网层功能实体 |
3.3.3 子网层功能实体 |
3.4 无依托分布式网络架构的移动性管理协议流程 |
3.4.1 初始接入流程 |
3.4.2 保障流程 |
3.4.3 切换流程 |
3.5 本章小结 |
第四章 无依托网络架构中位置管理和切换算法的研究与设计 |
4.1 无依托网络架构的IP地址规划和管理方案 |
4.2 无基础设施依托的位置管理技术研究 |
4.2.1 位置信息上报 |
4.2.2 子网信息推送 |
4.2.3 位置推送与移动IP方案开销对比 |
4.3 无基础设施依托的切换算法研究 |
4.3.1 基于信号接收功率的切换算法研究 |
4.3.2 基于网络负载的切换算法研究 |
4.3.3 综合考虑RSRP和负载的面向多目标切换算法研究 |
4.4 基于先验知识的多属性切换调优算法研究 |
4.4.1 用户移动区域判断 |
4.4.2 用户移动趋势预测 |
4.4.3 基于先验知识的多属性切换算法 |
4.4.4 系统模型及仿真分析 |
4.5 节点保障切换的路由策略 |
4.6 本章小结 |
第五章 仿真实验及结果分析 |
5.1 试验平台概述 |
5.1.1 总体概述 |
5.1.2 平台流程 |
5.1.3 网络建模 |
5.2 试验平台设计 |
5.2.1 ICI设计 |
5.2.2 实体功能设计 |
5.3 仿真验证与性能评估 |
5.3.1 仿真场景及参数设置 |
5.3.2 无固定核心网架构典型场景下仿真评估结果 |
5.3.3 与基于固定核心网的性能分析比较 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
个人简历、在学期间的研究成果及发表的学术论文 |
(2)基于强化学习的无线网络移动性管理技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及研究意义 |
1.2 研究现状 |
1.2.1 下一代无线通信网络简介 |
1.2.2 无线网络移动性管理 |
1.2.3 强化学习类算法在无线网络中的应用 |
1.2.4 现有研究工作的局限性 |
1.3 本文主要工作 |
1.3.1 基于强化学习框架的超高密度蜂窝网络移动切换优化 |
1.3.2 低空异构网络中邻小区列表构造与优化 |
1.3.3 天地一体化网络中移动节点位置管理优化 |
1.4 论文结构 |
第二章 理论与技术背景 |
2.1 无线通信网络中的移动性管理技术 |
2.1.1 无线通信网络移动性管理协议类型 |
2.1.2 切换管理与位置管理技术 |
2.1.3 移动性管理技术难点 |
2.2 强化学习算法 |
2.2.1 多臂赌博机模型 |
2.2.2 有限状态马尔科夫决策过程 |
2.3 本章小结 |
第三章 基于强化学习的超高密度网络移动切换优化方案 |
3.1 引言 |
3.1.1 基于优化理论的移动性管理方案 |
3.1.2 基于切换协议的移动性管理方案 |
3.1.3 基于学习算法的移动性管理方案 |
3.2 系统模型及问题描述 |
3.2.1 地面蜂窝网中用户移动性接入场景 |
3.2.2 问题建模 |
3.3 基于强化学习的移动用户切换算法设计 |
3.3.1 基于3GPP协议的移动性管理方案 |
3.3.2 代价感知的级联Bandit算法 |
3.3.3 算法性能分析 |
3.4 性能评估 |
3.4.1 仿真环境设置 |
3.4.2 实验结果分析 |
3.5 本章小结 |
第四章 低空异构网络邻小区列表优化 |
4.1 引言 |
4.2 系统建模及问题描述 |
4.2.1 系统模型 |
4.2.2 问题描述 |
4.3 基于Bandit理论的邻小区列表构造 |
4.3.1 低空网络下邻小区列表构造场景 |
4.3.2 基于代价感知邻小区列表构造算法 |
4.3.3 算法性能分析 |
4.4 算法性能评估 |
4.4.1 仿真环境设置 |
4.4.2 对比算法以及性能指标 |
4.4.3 实验结果分析 |
4.5 本章小结 |
第五章 天地一体化网络中移动用户位置管理优化 |
5.1 引言 |
5.2 系统设计 |
5.2.1 基于GEO/LEO卫星的网络区域划分 |
5.2.2 网络节点ID设计及网络地址映射机制 |
5.2.3 GUID-NA映射对解析查询机制 |
5.3 节点位置信息分配在线学习算法 |
5.3.1 系统模型 |
5.3.2 问题描述 |
5.3.3 基于稀疏UCB算法的节点位置信息分配方案 |
5.4 节点位置信息更新策略 |
5.4.1 问题描述 |
5.4.2 位置信息更新策略设计 |
5.5 性能评估 |
5.5.1 仿真环境设置 |
5.5.2 实验结果分析 |
5.6 本章小结 |
第六章 总结 |
6.1 本文总结 |
6.2 研究展望 |
参考文献 |
附录A 数学推导和理论证明 |
A.1 定理3.3.1证明 |
致谢 |
在读期间发表的学术论文 |
(3)面向微波毫米波频段协同的共口径天线研究综述(论文提纲范文)
0 引言 |
1 多端口频段协同天线 |
1.1 传统多端口大频率比双频天线 |
1.2 基于结构复用的多端口大频率比双频天线 |
1.3 基于SIW的多端口大频率比双频天线 |
2 单端口大频率双频天线 |
2.1 “信号导向”工作原理 |
2.2 大频率比双频天线设计I |
2.3 大频率比双频天线设计II |
3 单端口大频率比双频器件 |
3.1 大频率比双频滤波器设计 |
3.2 独立可调双频滤波器设计 |
3.3 大频率比双频耦合器设计 |
3.4 大频率比双频多功能器件设计 |
4 结束语 |
(4)5G移动通信系统上行链路参考信号的应用研究(论文提纲范文)
摘要 |
Abstract |
缩略词表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 上行链路测量 |
1.2.2 移动性管理方案 |
1.2.3 位置管理 |
1.3 论文研究的主要内容及安排 |
第二章 5G系统网络架构与移动性管理技术 |
2.1 5G系统核心网架构及相关概念 |
2.1.1 5G系统核心网架构 |
2.1.2 非独立组网系统架构 |
2.2 5G系统无线接入网架构及关键技术 |
2.2.1 5G系统无线接入网架构 |
2.2.2 基于云接入网的集中式部署 |
2.2.3 控制平面与用户平面分离式部署 |
2.2.4 多连接部署 |
2.3 基于下行链路测量的移动性管理技术 |
2.3.1 无线资源控制状态 |
2.3.2 RRC_INACTIVE状态下的移动性管理 |
2.3.3 RRC_CONNECTED状态下的移动性管理 |
2.4 本章小结 |
第三章 基于上行链路参考信号的移动性管理方案 |
3.1 蜂窝网络系统模型 |
3.1.1 蜂窝移动通信网络部署场景 |
3.1.2 基于上行链路参考信号的移动性管理的基本原理 |
3.1.3 参考信号接收功率的数学建模 |
3.2 上行链路参考信号设计 |
3.2.1 上行链路参考信号的序列设计 |
3.2.2 上行链路参考信号的帧结构 |
3.3 基于上行链路参考信号的移动性管理基本信令流程 |
3.3.1 RRC_INACTIVE状态下的移动性管理基本信令流程 |
3.3.2 RRC_CONNECTED状态下的移动性管理基本信令流程 |
3.4 本章小结 |
第四章 RRC_INACTIVE状态下移动性管理增强方案 |
4.1 系统模型 |
4.1.1 无线接入网通知区 |
4.1.2 寻呼丢失率 |
4.1.3 用户终端功率损耗 |
4.1.4 无线接入网通知区更新与寻呼信令开销 |
4.2 基于无线接入网通知区的上行链路移动性管理增强方案 |
4.2.1 无线接入网通知区的配置与拓扑结构 |
4.2.2 基站间的移动性管理信令流程 |
4.2.3 基站内的移动性管理信令流程 |
4.2.4 接入网通知区更新信令流程 |
4.2.5 无线接入网发起的寻呼流程 |
4.3 性能仿真与分析 |
4.3.1 寻呼丢失率 |
4.3.2 用户终端功率损耗 |
4.3.3 测量报告信令开销 |
4.3.4 无线接入网通知区更新与寻呼信令开销 |
4.4 本章小结 |
第五章 RRC_CONNECTED状态下移动性管理增强方案 |
5.1 基于上行链路参考信号的预切换方案 |
5.1.1 基于上行链路参考信号的预切换判决算法 |
5.1.2 基于上行链路参考信号的预切换原理 |
5.2 基于上行链路参考信号的预切换信令流程 |
5.2.1 基站间的预切换信令流程 |
5.2.2 基站内的预切换信令流程 |
5.3 性能仿真与分析 |
5.3.1 预切换判决错误率 |
5.3.2 平均信令开销 |
5.3.3 切换失败率 |
5.3.4 乒乓切换率 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 下一步研究工作 |
致谢 |
参考文献 |
作者硕士期间发表的研究成果 |
(5)基于智能波束切换机制的5G-NR移动性管理研究(论文提纲范文)
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.3 本文研究内容及章节安排 |
2 毫米波通信关键技术 |
2.1 毫米波技术简介 |
2.1.1 毫米波通信优势 |
2.1.2 毫米波传输面临的挑战 |
2.2 MASSIVE MIMO应用于毫米波 |
2.2.1 波束形成基本原理 |
2.2.2 Massive MIMO波束形成技术 |
2.3 毫米波波束移动性管理 |
2.3.1 波束管理基本概念 |
2.3.2 波束管理基本操作 |
2.3.3 波束管理下行测量信号 |
2.3.4 毫米波波束扫描 |
2.3.5 毫米波波束切换 |
2.4 本章小结 |
3 5G NR波束管理网络架构及系统模型 |
3.1 网络架构 |
3.2 参数配置和性能指标 |
3.2.1 低时延初始接入模型 |
3.2.2 系统性能指标 |
3.2.3 阵列结构参数配置 |
3.2.4 移动终端参数配置 |
3.3 本章小结 |
4 场景化高频移动性管理优化算法 |
4.1 移动性波束管理研究 |
4.1.1 3GPP NR移动性管理 |
4.1.2 mmWave波束扫描 |
4.2 基于波束切换的5GNR移动性管理研究 |
4.2.1 波束切换传统方案 |
4.2.2 改进的基于门限值的基线方案 |
4.3 高频移动性管理波束切换优化算法 |
4.3.1 高频移动性管理触发机制 |
4.3.2 高频移动性管理切换准则 |
4.3.3 基于触发机制和切换准则的波束切换优化算法 |
4.4 场景化性能仿真 |
4.4.1 低速运动网络场景性能仿真 |
4.4.2 高速列车网络场景性能仿真 |
4.5 本章小结 |
5 总结与展望 |
5.1 本文内容总结 |
5.2 未来工作展望 |
参考文献 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(6)面向时延优化的网络切片智能资源管理算法研究(论文提纲范文)
摘要 |
abstract |
注释表 |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 5G网络切片技术概述 |
1.2.1 网络切片的概念 |
1.2.2 网络切片体系架构 |
1.2.3 SFC资源分配 |
1.3 网络切片的关键技术研究 |
1.4 网络切片研究现状与面临的挑战 |
1.4.1 接入网切片场景的资源管理 |
1.4.2 智能资源管理 |
1.5 本文研究内容与结构安排 |
1.5.1 本文研究内容 |
1.5.2 论文结构安排 |
第2章 网络切片环境下的资源管理研究 |
2.1 引言 |
2.2 切片资源管理概述 |
2.2.1 SFC |
2.2.2 资源类型 |
2.3 切片资源管理算法研究现状 |
2.3.1 不同优化目标的资源管理 |
2.3.2 核心网和接入网切片资源管理 |
2.3.3 智能资源管理算法 |
2.4 目前算法所存在的问题 |
2.5 本章小结 |
第3章 基于迁移A-C学习的服务功能链资源分配算法 |
3.1 引言 |
3.2 系统模型 |
3.2.1 系统场景 |
3.2.2 物理网络模型 |
3.2.3 问题描述 |
3.3 基于A-C学习的资源分配算法 |
3.3.1 MDP |
3.3.2 A-C学习过程 |
3.4 迁移A-C学习过程 |
3.5 仿真与性能分析 |
3.6 本章小结 |
第4章 基于A3C学习的服务功能链资源分配算法 |
4.1 引言 |
4.2 系统架构 |
4.2.1 接入网切片场景的SFC资源分配框架 |
4.2.2 基于区块链的资源管理机制 |
4.3 问题建立 |
4.3.1 物理网络模型 |
4.3.2 资源分配模型 |
4.3.3 优化模型 |
4.4 SFC资源分配的共识过程 |
4.4.1 共识过程 |
4.4.2 优化的PBFT算法 |
4.5 基于A3C学习的SFC资源分配算法 |
4.5.1 MDP |
4.5.2 A3C学习过程 |
4.6 仿真与性能分析 |
4.6.1 仿真参数设置 |
4.6.2 仿真结果分析 |
4.7 本章小结 |
第5章 结束语 |
5.1 主要工作与创新点 |
5.2 未来研究工作 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(7)智慧协同网络路径动态适配技术的研究与实现(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 论文研究内容 |
2 相关工作 |
2.1 智慧协同网络架构 |
2.2 多径传输与资源动态调度机制 |
2.3 强化学习原理及相关算法 |
2.4 模糊逻辑控制原理 |
2.5 本章小结 |
3 车地通信系统业务与资源动态适配设计 |
3.1 车地通信系统的通信模式设计 |
3.1.1 需求分析 |
3.1.2 通信模式 |
3.1.3 信令分析 |
3.2 网络资源与业务服务适配模型设计 |
3.3 单标识业务资源模糊适配方案设计 |
3.3.1 资源适配模型基本定义 |
3.3.2 资源适配算法设计 |
3.4 多标识业务资源适配方案设计 |
3.4.1 资源适配模型基本定义 |
3.4.2 平均场近似 |
3.4.3 资源适配算法设计 |
3.5 本章小结 |
4 车地通信系统业务与资源动态适配实现 |
4.1 车地通信系统的通信模式实现 |
4.1.1 多路径适配模式实现 |
4.1.2 多路径聚合模式实现 |
4.1.3 单路径隧道模式实现 |
4.2 单标识业务资源模糊适配实现 |
4.2.1 最优策略改进模块 |
4.2.2 模糊逻辑处理模块 |
4.2.3 探索策略选择模块 |
4.3 多标识业务资源适配实现 |
4.4 本章小结 |
5 车地通信系统的通信模式与动态适配方案测试 |
5.1 车地通信系统的通信模式测试 |
5.1.1 测试环境搭建 |
5.1.2 功能测试 |
5.1.3 性能测试 |
5.2 单类标识业务动态适配方案 |
5.2.1 测试对比方案 |
5.2.2 仿真测试 |
5.3 多类标识业务动态适配方案 |
5.3.1 测试对比方案 |
5.3.2 仿真测试 |
5.4 本章小结 |
6 结论 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(8)面向协作式自动驾驶的5G车联网无线传输技术及优化方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 主要概念定义和内涵 |
1.1.2 V2X技术发展现状和趋势 |
1.2 研究的主要问题 |
1.2.1 问题来源 |
1.2.2 本文研究的4个主要问题 |
1.3 主要研究工作与创新 |
1.4 论文组织结构 |
参考文献 |
第二章 面向协作式自动驾驶的5G-V2X无线传输方案设计与验证 |
2.1 引言 |
2.2 面向协作式自动驾驶的5G-V2X原型系统无线传输方案设计 |
2.2.1 基于分层异构网络架构的移动性管理机制 |
2.2.2 基于移动边缘计算的本地化数据传输机制 |
2.2.3 基于信道处理优化和快速重传的低时延高可靠机制 |
2.3 仿真分析 |
2.3.1 仿真设置 |
2.3.2 仿真结果 |
2.4 现场测试 |
2.4.1 测试配置 |
2.4.2 测试过程和结果 |
2.5 本章小结 |
参考文献 |
第三章 频谱共享场景下基于斯坦科尔伯格博弈的功率分配技术研究 |
3.1 引言 |
3.2 场景模型与经济能效指标 |
3.3 斯坦科尔伯格博弈模型构建 |
3.4 模型求解与功率分配方案 |
3.4.1 斯坦科尔伯格均衡 |
3.4.2 问题转化 |
3.4.3 功率分配方案 |
3.5 仿真结果及分析 |
3.6 本章小结 |
参考文献 |
第四章 基于深度学习的城市级5G-V2X网络负载预测方法研究 |
4.1 引言 |
4.2 技术需求与问题定义 |
4.2.1 多时变属性联合预测 |
4.2.2 非规则区域划分 |
4.2.3 问题定义 |
4.3 基于置换的样本重构与问题转化 |
4.3.1 基于置换的样本重构 |
4.3.2 问题转化 |
4.4 置换时空残差网络模型 |
4.4.1 模型设计 |
4.4.2 性能指标 |
4.5 实验与分析 |
4.5.1 实验目标和数据集选择 |
4.5.2 数据预处理和参数设置 |
4.5.3 模型训练 |
4.5.4 实验结果与分析 |
4.6 本章小结 |
参考文献 |
第五章 车联网无线传输优化问题研究中的布谷鸟搜索算法及其改进 |
5.1 引言 |
5.2 布谷鸟搜索及其应用与算法变体 |
5.2.1 布谷鸟搜索算法介绍 |
5.2.2 在车联网无线传输技术研究中的应用 |
5.2.3 算法变体 |
5.3 基于子群体间协作的改进布谷鸟搜索算法 |
5.3.1 子群体划分和出发点选择策略 |
5.3.2 灰狼优化算法引入 |
5.3.3 动态自适应步长 |
5.3.4 算法流程与收敛性分析 |
5.3.5 算法应用实例 |
5.4 仿真分析 |
5.4.1 仿真设置 |
5.4.2 仿真结果 |
5.4.3 仿真总结 |
5.5 本章小结 |
参考文献 |
第六章 总结与展望 |
6.1 论文研究工作总结 |
6.2 对未来工作的展望 |
附录 英文缩略词对照表 |
致谢 |
攻读学位期间取得的研究成果 |
(9)超密集网络中基于虚拟小区的干扰和移动性管理(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与动机 |
1.2 国内外研究现状 |
1.2.1 超密集网络技术 |
1.2.2 虚拟小区技术 |
1.2.3 基于虚拟小区的干扰和移动性管理 |
1.2.4 研究发展趋势 |
1.3 研究内容与主要贡献 |
1.4 论文组织结构 |
第二章 UDN中虚拟小区的随机几何建模和干扰分析 |
2.1 随机几何建模无线网络 |
2.1.1 点过程 |
2.1.2 干扰的统计特性 |
2.1.3 用户的SINR分布 |
2.1.4 用户SINR的“meta”分布 |
2.2 虚拟小区的随机几何建模和干扰分析 |
2.3 虚拟小区用户的SINR分布 |
2.3.1 干扰的伽马近似 |
2.3.2 用户的SINR分布计算 |
2.3.3 有用信号的拉普拉斯变换 |
2.3.4 仿真分析 |
2.4 虚拟小区用户SINR的“meta”分布 |
2.4.1 网络建模 |
2.4.2 条件成功概率P_s(θ) |
2.4.3 用户SINR的“meta”分布计算 |
2.4.4 仿真分析 |
2.5 小结 |
第三章 UDN中基于虚拟小区的干扰管理方案 |
3.1 引言 |
3.2 网络模型 |
3.3 虚拟小区用户SINR建模和分析 |
3.3.1 典型用户的SINR |
3.3.2 干扰与噪声的伽马近似 |
3.3.3 有用信号的拉普拉斯变换 |
3.3.4 用户的SINR分布 |
3.4 虚拟小区的最优半径 |
3.5 基于模糊逻辑的最优基站激活策略 |
3.5.1 效用函数 |
3.5.2 基于模糊逻辑的γ参数选择 |
3.5.3 最优基站激活策略 |
3.6 仿真分析 |
3.6.1 最优虚拟小区半径 |
3.6.2 最优基站激活策略 |
3.7 小结 |
第四章 UDN中基于虚拟小区的移动性管理方案 |
4.1 引言 |
4.2 系统模型 |
4.2.1 网络模型 |
4.2.2 车辆轨迹数据库 |
4.3 主动式移动性管理方案 |
4.3.1 基于LSTM-DR的轨迹预测架构 |
4.3.2 管理模块功能设计 |
4.3.3 基站激活选择算法 |
4.3.4 切换信令流程 |
4.4 仿真分析 |
4.4.1 预测结果 |
4.4.2 移动性管理方案性能 |
4.5 小结 |
第五章 总结与展望 |
5.1 论文总结 |
5.2 未来研究工作 |
缩略语 |
参考文献 |
致谢 |
攻读博士学位期间科研成果与学术论文发表情况 |
(10)低时延低轨卫星移动性管理技术(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 低轨卫星通信系统发展现状 |
1.2.2 低轨卫星网络的移动性管理技术研究现状 |
1.3 本文的主要工作和创新点 |
1.4 本文结构安排 |
第二章 低轨卫星网络移动性管理技术时延优化面临的问题 |
2.1 移动性管理技术 |
2.1.1 移动性管理技术概述 |
2.1.2 几种典型移动性管理技术的简介 |
2.1.3 具体移动性管理协议切换时延分析 |
2.2 移动性管理技术时延优化面临的问题 |
2.2.1 移动性管理协议对用户通信时延的影响 |
2.2.2 问题总结 |
2.2.3 仿真分析 |
2.3 本章小结 |
第三章 基于分簇的低轨卫星网络分布式移动性管理方案 |
3.1 低轨卫星网络组成 |
3.2 现有低轨卫星网络移动性管理方案分析 |
3.3 基于分簇的低轨卫星网络分布式移动性管理方案CBLS-DMM |
3.3.1 系统架构 |
3.3.2 系统功能划分 |
3.3.3 方案流程详述 |
3.3.4 针对网络边缘用户的“虚切换”机制 |
3.4 方案建模与关键问题分析 |
3.4.1 方案建模 |
3.4.2 方案关键问题分析 |
3.5 协议切换时延分析 |
3.5.1 用户状态更新时延 |
3.5.2 用户状态簇内同步时延 |
3.6 方案仿真与分析 |
3.6.1 仿真流程及参数设定 |
3.6.2 仿真结果及分析 |
3.7 本章小结 |
第四章 基于Linux的 CBLS-DMM方案实现 |
4.1 方案实现 |
4.1.1 框架概述 |
4.1.2 关键信令消息格式设计 |
4.2 基础准备工作 |
4.2.1 Linux内核简介 |
4.2.2 Linux内核裁剪 |
4.2.3 Linux内核编译与安装 |
4.2.4 源码移植工作 |
4.3 方案测试运行 |
4.3.1 实验环境设计 |
4.3.2 程序运行效果 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简介 |
四、下一代无线通信网络的移动性管理完全解决方案(论文参考文献)
- [1]无基础设施依托的移动性管理技术研究[D]. 杜雨. 石家庄铁道大学, 2021(02)
- [2]基于强化学习的无线网络移动性管理技术研究[D]. 王超. 中国科学技术大学, 2021(09)
- [3]面向微波毫米波频段协同的共口径天线研究综述[J]. 郑少勇,向炳洁. 移动通信, 2020(06)
- [4]5G移动通信系统上行链路参考信号的应用研究[D]. 徐惠臣. 东南大学, 2020(01)
- [5]基于智能波束切换机制的5G-NR移动性管理研究[D]. 刘翔. 北京交通大学, 2020(03)
- [6]面向时延优化的网络切片智能资源管理算法研究[D]. 贺小雨. 重庆邮电大学, 2020(02)
- [7]智慧协同网络路径动态适配技术的研究与实现[D]. 李佳霖. 北京交通大学, 2020(03)
- [8]面向协作式自动驾驶的5G车联网无线传输技术及优化方法研究[D]. 马慧生. 北京邮电大学, 2020(01)
- [9]超密集网络中基于虚拟小区的干扰和移动性管理[D]. 刘倩. 北京邮电大学, 2020
- [10]低时延低轨卫星移动性管理技术[D]. 丁煜. 西安电子科技大学, 2020(05)