[00523254]密集小蜂窝网络高能效及高谱效的关键技术研究

　　随着新型网络的不断涌现和密集部署，如何构建通用的密集网络模型，推导其理论容量，为不同网络进行统一的理论指导，是未来移动通信网络亟待解决的问题之一。此外，在5G倡导绿色通信的大背景下，如何实现异构密集网络能效和谱效的最大化，也是一个重要且极具挑战性的问题。

　　该项目从理论上对随机几何和图论进行了发展和创新，建立通用的异构密集网络模型，推导其容量；进一步，从网络编码、小区关联、资源管理等角度对异构密集网络架构下的能效/谱效问题开展研究。主要研究内容如下：

　　1.通用的异构密集网络建模与性能分析：

　　（1）针对通用的异构密集网络场景，提出小区位置不规则部署的复杂网络分析模型，并推导了其容量。该模型与泊松点过程相比，更具有普适性和合理性；

　　（2）针对移动节点辅助（如车载和蜂窝协作通信）的网络场景，构建了车-车通信和车

　　-基站通信的混合密集网络模型，推导基站协作概率、小区切换率和切换开销，并得到最小化切换开销下的最优车载通信半径；

　　（3）针对多跳异构密集网络场景，提出基于随机传输半径的多跳传输模型，推导了其成功传输概率，并利用最优化理论分析得到最小传输开销下的最优转发函数。

　　2.异构密集网络的能效和谱效分析：

　　（1）针对异构密集网络中干扰严重的问题，提出了一种基于网络编码复用的传输方案；进一步为解决多用户流业务的竞争问题，提出基于反馈的恢复协议来降低网络冲突概率，仿

　　真表明所提出的恢复协议与VACCINE协议相比网络时延降低了26%，资源占用率降低了25%；

　　（2）针对实际异构密集网络站点和用户分布相关性强的问题，在backhaul时延受限的条件下，通过设计最优的联合接入与缓存策略实现最小化用户时延。仿真表明所提出的策略与传统MPC-MS方案相比时延减小22%；

　　（3）针对不同网络/业务的用户优先级不同的问题，利用因子图模型设计分布式置信信息传播算法，得到了异构密集网络中的用户体验和负载均衡最优的网络频谱资源调度。