论文部分内容阅读
为应对Sub-6GHz频谱资源短缺和网络致密化的严峻挑战,毫米波（Millimeter Wave,mm Wave）通信能够支撑5G新型业务如虚拟现实（Virtual Reality,VR）的1Gbps高速传输,是5G关键通信技术之一。然而,在超密集网络（Ultra-Dense Network,UDN）场景中,基站间差异化的回传能力和复杂的毫米波波束间干扰使网络吞吐量的提升面临挑战。进一步,考虑用户移动性,如何动态感知毫米波波束间干扰、实现差异化的业务内容的高效传输亟需解决。因此,本文围绕非移动和移动场景下的毫米波干扰消除与波束资源分配展开研究,目标是提升频谱资源利用效率。本文主要贡献包括两方面:（1）针对UDN场景中流量负载均衡和干扰消除缺乏联合优化、网络吞吐量提升受限的难题,提出了基于多对多匹配的基站与用户间协同的网络吞吐量优化算法,能够保证线性计算复杂度。提出了基于凸优化理论的基站毫米波波束发射功率优化算法,得到了最优发射功率的理论凸上界和凸下界,并证明了该凸问题可收敛至KKT（Karush-Kuhn-Tucker Conditions）点。经仿真验证,所提算法相较于传统算法,可提升网络吞吐量71.9%,且平均成功传输概率可达89.0%;（2）针对动态车联网场景中差异化VR业务内容传输效率低的难题,提出了基于干扰预测的V2I（Vehicle to Infrastructue）车辆选择算法,通过动态感知基站内干扰,提高V2I通信累积吞吐量和车辆缓存内容片段数量。进一步,提出了利用联盟博弈理论的分布式计算框架的V2V（Vehicle to Vehicle）车辆内容分发算法,在保证线性复杂度情况下提高了收发车辆间的内容分发效率。经仿真验证,所提算法的内容平均成功传输概率可达72.63%,相较于传统算法提高了 53.4%。