-
公开(公告)号：CN110062471B
公开(公告)日：2022-04-22
申请号：CN201910331963.2
申请日：2019-04-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种超密集网络中兼顾用户QoS和公平性的下行资源分配方法，包括资源初始分配和资源补偿分配两个阶段。在资源初始分配阶段根据贪婪算法将具有最大接收SINR的时频资源块分配给用户，并根据用户在资源分配后是否满足QoS需求，进行分类标记；对于没有分配到最优时频资源块的用户，则分配次优时频资源块，并将分配次优时频资源块后的用户以是否满足QoS需求同样进行分类标记；若有剩余时频资源块，根据吞吐量最优原则先补偿不满足QoS需求的用户使其全部满足QoS需求；若还有剩余时频资源块则根据吞吐量最优原则再对用户进行补偿。本发明有效解决了超密集网络中资源分配有效性和公平性的平衡问题，能够在保证用户QoS需求的同时最大化系统吞吐量。
-
公开(公告)号：CN109831794B
公开(公告)日：2022-03-11
申请号：CN201910222536.0
申请日：2019-03-22
Applicant: 南京邮电大学
IPC: H04W16/18
Abstract: 本发明公开了一种超密集网络中基于密度与最小距离的基站分簇方法，首先计算超密集网络中各微小区基站的分布密度及分簇密度阈值，使分布密度大于分簇密度阈值的微小区基站构成初始簇中心池；计算初始簇中心池中各微小区基站与较其分布密度高的微小区基站间距离的最小值，定义微小区基站的分布密度与其最小距离的乘积为加权分布密度，由加权分布密度得到待选簇中心池；计算簇中心隔离距离，依次将待选簇中心池中两两之间距离大于簇中心隔离距离的两个簇中心中加权分布密度值较小的簇中心从待选簇中心池中移除；最后将待选簇中心池中簇中心数目及簇中心基站地理位置作为传统K‑means算法的参数，执行K‑means算法得到分簇结果；本发明解决了分簇不均匀的问题。
-
公开(公告)号：CN110062471A
公开(公告)日：2019-07-26
申请号：CN201910331963.2
申请日：2019-04-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种超密集网络中兼顾用户QoS和公平性的下行资源分配方法，包括资源初始分配和资源补偿分配两个阶段。在资源初始分配阶段根据贪婪算法将具有最大接收SINR的时频资源块分配给用户，并根据用户在资源分配后是否满足QoS需求，进行分类标记；对于没有分配到最优时频资源块的用户，则分配次优时频资源块，并将分配次优时频资源块后的用户以是否满足QoS需求同样进行分类标记；若有剩余时频资源块，根据吞吐量最优原则先补偿不满足QoS需求的用户使其全部满足QoS需求；若还有剩余时频资源块则根据吞吐量最优原则再对用户进行补偿。本发明有效解决了超密集网络中资源分配有效性和公平性的平衡问题，能够在保证用户QoS需求的同时最大化系统吞吐量。
-
公开(公告)号：CN109831794A
公开(公告)日：2019-05-31
申请号：CN201910222536.0
申请日：2019-03-22
Applicant: 南京邮电大学
IPC: H04W16/18
Abstract: 本发明公开了一种超密集网络中基于密度与最小距离的基站分簇方法，首先计算超密集网络中各微小区基站的分布密度及分簇密度阈值，使分布密度大于分簇密度阈值的微小区基站构成初始簇中心池；计算初始簇中心池中各微小区基站与较其分布密度高的微小区基站间距离的最小值，定义微小区基站的分布密度与其最小距离的乘积为加权分布密度，由加权分布密度得到待选簇中心池；计算簇中心隔离距离，依次将待选簇中心池中两两之间距离大于簇中心隔离距离的两个簇中心中加权分布密度值较小的簇中心从待选簇中心池中移除；最后将待选簇中心池中簇中心数目及簇中心基站地理位置作为传统K-means算法的参数，执行K-means算法得到分簇结果；本发明解决了分簇不均匀的问题。
-
-
-
Search Results
4
records
(took 0.031 seconds)
