基于低功率基站分布密度的分层蜂窝网络基站休眠方法.pdf
桂香****盟主
亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于低功率基站分布密度的分层蜂窝网络基站休眠方法.pdf
本发明公开了一种基于低功率基站分布密度的分层蜂窝网络基站休眠方法,包括以下步骤:S1、基于宏基站所处的宏小区中低功率基站的分布密度执行宏基站的休眠判决;S2、在完成所有宏基站的休眠判决后,执行宏小区中低功率基站的休眠判决。本发明解决了现有的基站休眠策略不适用于同时存在不同类型基站的分层网络的问题;根据分层网络的特点,充分利用了低功率基站的优势,使得宏基站的休眠更具灵活性;在休眠判决中设置的动态偏置值,特别是在用户量上升时期,有效地降低了系统阻塞率,并满足用户QoS需求;始终以能耗最小为目标进行判决,在保证
蜂窝网络中的基站和基站的休眠控制方法.pdf
本发明提供一种基站和分布式基站休眠方法,所述分布式基站休眠方法包括进入休眠状态判断方法,相邻基站之间休眠协调流程,休眠后用户切换流程,基站休眠导致的用户切换准入控制方法。该方法在网络业务量高时,关闭业务量低、干扰大的基站,使得小区之间干扰降低,并且提高整个网络的频谱效率;网络业务量低的时候,通过关闭业务量低的基站来节约网络的能耗。本发明提供的方法不需要中央控制节点,比相邻基站业务量低的基站可以自己判断休眠条件并执行,所以复杂度很低;该方法还不需要基站休眠判断过程中用户的参与,不会导致用户终端的电池消耗。
异构蜂窝网络中基于Sarsa学习的基站休眠方法.pdf
本发明涉及异构蜂窝网络领域,具体涉及一种异构蜂窝网络中基于Sarsa学习的基站休眠方法,所述方法包括:建立系统能效模型;根据系统模型、能效模型以及用户重关联规则构建Sarsa学习中的四个要素;通过Sarsa学习模型求解每个状态的最优休眠决策;本发明相比于传统的基站休眠方法采用了无模型的方法,适用于现实生活中用户分布的多态性和复杂性,并且考虑了休眠基站所服务的用户的重关联保证用户的服务连续性,提出了基于Sarsa学习的FBS动态休眠策略,最大化累积回报值,达到提升网络能效的目的。
异构蜂窝网络中基于SMDP的家庭基站休眠方法.pdf
本发明属于异构蜂窝网络领域,具体为异构蜂窝网络中基于SMDP的家庭基站休眠方法,所述方法包括:制定用户关联机制;计算系统的能耗;根据用户关联机制与所述系统的能耗,建立SMDP模型;求解最优休眠决策;本发明相比于传统的基站休眠方法更符合实际中基站负载的动态变化的情况,不仅充分利用了家庭基站的资源,缓解了宏基站的负载压力,同时也更好地降低了系统能耗。
异构蜂窝网络中毫微微基站的联合休眠与功率控制方法.pdf
本发明涉及移动通信技术异构蜂窝网络领域,具体涉及一种异构蜂窝网络中毫微微基站的联合休眠与功率控制方法,包括:初始化信道模型各参数,建立能耗优化模型;利用径向基神经网络对宏基站业务量进行预测,得到径向基预测值;利用误差修正值对径向基预测值进行优化,得到修正预测值;根据修正预测值计算基站休眠比,并对毫微微基站进行比例随机休眠;将未休眠基站视为粒子,其位置就是基站的当前功率值,将能耗优化模型的拉格朗日形式作为评价函数,利用粒子群算法迭代求出最优毫微微基站群发射功率。本发明实现了对毫微微基站群进行合理休眠及有效的