Impact of channel partitioning and relay placement on resource allocation in OFDMA Cellular networks
对诸如流音频/视频、Skype和视频游戏之类的无线应用的需求的巨大增长要求高数据率，而不管用户在蜂窝网络中的位置如何。然而，用户的服务质量（QoS）在小区边界处降级。中继增强型多跳蜂窝网络是提高小区边缘用户性能的一种经济有效的解决方案。固定中继节点（FRN）的优化部署是满足边缘用户QoS需求的关键。我们提出了新的方案，在蜂窝网络中的信道划分和FRN的位置。路径损耗，信号干扰和噪声比（SINR）的用户所经历的，和阴影的影响已被考虑。分析更加强调小区边缘用户（最坏情况）。结果表明，这些方案在频谱效率方面实现了更高的系统性能，并且还增加了小区边缘处的用户数据率。
2012-07-11 cs.NI
Latency Aware Drone Base Station Placement in Heterogeneous Networks
与传统的静态小小区不同，无人机基站（Drone Base Stations，DBS）具有自身的优势，即，部署速度更快，成本更低，配置更灵活，而且由于存在短程视距链接，可能有更好的通信渠道。因此，将DBS应用到蜂窝网络中对于增加网络的吞吐量和改善移动用户（MU）的服务质量（QoS）具有很大的潜力。在本文中，我们专注于如何放置DBS（即，联合确定DBS的位置和关联覆盖），以便通过考虑DBS的能量容量限制，在最小化MU的总平均等待时间比率方面提高QoS。我们将DBS布局问题转化为一个优化问题，并设计了一个时延感知的无人机基站布局（LEAP）算法来有效地解决这个问题。LEAP的性能是通过模拟证明与其他两个基线方法相比。
2017-09-22 cs.NI
Efficient 3-D Placement of an Aerial Base Station in Next Generation Cellular Networks
在意外或临时事件的情况下，陆地基站可能无法完全满足未来蜂窝网络的灵活性和弹性要求。一个有前途的解决方案是通过配备有基站的低空无人驾驶飞行器来辅助蜂窝网络，即，雄蜂细胞虽然无人机小区作为空中基站提供了快速部署的机会，但有效的布局成为关键问题之一。除了无人机小区在垂直维度以及水平维度上的移动性之外，空对地信道与地面信道之间的差异导致无人机小区的放置与地面基站的放置偏离。在本文中，我们首先突出的dronecell布局问题的属性，并制定它作为一个3-D布局问题的目标是最大限度地提高网络的收入。经过一些数学运算，我们制定了一个等价的二次约束混合整数非线性最优化问题，并提出了一个计算效率高的数值解这个问题。我们验证我们的分析推导与数值模拟，并丰富他们的讨论，可以作为研究人员，移动网络运营商和政策制定者的指导方针。
2016-02-26 cs.NI math.OC
Backhaul-aware Drone Base Station Placement and Resource Management for FSO-based Drone-assisted Mobile Networks
在无人机辅助的移动网络中，无人机安装的基站（DBS）响应性和灵活性地部署在任何感兴趣的地方（POI），例如零星的热点和受灾地区，其中现有的移动网络基础设施无法提供无线覆盖。在本文中，DBS是一种空中基站，用于中继附近的宏基站（MBS）和用户之间的业务。此外，自由空间光学（FSO）被应用作为回程解决方案，以显著增加MBS和DBS之间的回程链路的容量。大多数现有的DBS放置解决方案假设基于FSO的回程链路提供足够的链路容量，这可能不是真的，特别是当DBS远离MBS放置时（例如，> 10公里）或在恶劣的天气条件下。在本文中，我们制定了一个问题，以联合优化带宽分配和DBS的位置，考虑基于FSO的回程链路容量约束。设计了一种回程带宽全位置和DBS布局算法（BROAD），并通过大量的仿真验证了算法的性能。
2022-11-28 cs.NI eess.SP
Optimal Relay Placement for Capacity and Performance Improvement using a Fluid Model for Heterogeneous Wireless Networks
在本文中，我们解决的问题，在蜂窝网络中的最佳中继放置假设网络致密化，以最大限度地提高小区容量的目的。在我们的模型中，一小部分无线电资源专用于基站（BS）/中继节点（RN）通信。在剩余资源中，BS和RN同时向用户发送。在该阶段期间，网络在发射机密度和因此网络容量增加的意义上被致密化。在从异构网络的流体模型导出的信号与干扰加噪声比（SINR）的简单公式中考虑了小区间和小区间干扰。然后可以使用模拟退火快速执行优化。性能结果表明，尽管信号质量下降，但由于致密化，小区容量得到了提高。还提供了专用于BS-RN链路的资源部分的界限。
2013-07-16 cs.IT cs.NI math.IT
Green Base Station Placement for Microwave Backhaul Links
无线移动回程网络已经被提出作为有线替代方案由于经济或地理原因而不可用的情况下的替代方案。在这项工作中，我们研究了在一个给定的区域，移动终端分布根据一定的概率密度函数和基站通过微波回程链路通信的基站的位置问题。利用最优传输理论的结果，我们提供了最佳的渐近分布的基站在所考虑的设置通过最小化整个网络的总功率。
2017-07-18 cs.IT cs.NI math.IT
Placement of UAV-Mounted Mobile Base Station through User Load-Feature K-means Clustering
New Mexico Tech（新墨西哥理工学院）；Amir Kabir University of Technology（阿米尔·卡比尔理工大学）；Utah Valley university（犹他谷大学）
蜂窝网络中的临时高业务请求是要解决的具有挑战性的问题。无人机的最新进展适用于覆盖这些类型的交通。无人机载移动基站布局是实现高性能的一个具有挑战性的问题.已经提出了不同的方法;然而，在无人机放置中不考虑用户需要的交通。我们提出了一个新的功能，适用于K-均值聚类，以找到最佳的集群。用户所需的交通被定义为一个新的功能，以分配用户的无人机。我们的仿真结果表明，无人机可以放置在更接近高流量的用户，以实现更高的性能。
2020-10-03 cs.LG cs.NI eess.SP
Efficient 3D Aerial Base Station Placement Considering Users Mobility by Reinforcement Learning
本文考虑了一种空中基站（aerial-BS）辅助的地面网络，其中考虑了用户的移动性。用户移动动态地改变网络，这可能导致性能损失。为了避免这种损失，保证最低的服务质量（QoS），并可能增加的QoS，我们添加了一个空中BS的网络。为了在传统的地面网络和空中BS辅助网络之间进行公平的比较，我们在两个网络中保持BS的总数相同。在这样的网络中获得最佳性能高度依赖于空中BS的最佳布置。为此，需要一种算法，它可以依赖于一般和现实的假设，并可以根据过去的经验决定去哪里。针对这一目标提出的方法是基于折扣奖励强化学习，这被称为Q学习。仿真结果表明，该方法提供了一种有效的布局策略，提高了无线网络的服务质量时，它是必要的，并承诺找到最佳位置的空中基站在离散环境中。
2018-02-13 cs.NI
Q-Learning Based Aerial Base Station Placement for Fairness Enhancement in Mobile Networks
University of Tehran（德黑兰大学）；Carleton University（卡尔顿大学）
在本文中，我们使用一个空中基站（aerial-BS），以提高在动态环境中的用户移动性的公平性。空中基站的最优布局问题是一个非确定性的多项式时间困难（NP-难）问题。此外，由于用户的移动性，网络拓扑结构会不断变化。这些问题加剧了寻求开发一种自适应和快速算法的三维布局的空中基站。为此，我们提出了一种基于强化学习的方法来实现这些目标。仿真结果表明，该方法在合理的计算时间内提高了用户间的公平性，且解比较接近穷举搜索得到的最优解。
2019-09-10 cs.LG cs.NI eess.SP
Service Chaining Placement Based on Satellite Mission Planning in Ground Station Networks
随着卫星数量和种类的增加，要求卫星地面站以灵活、高效的方式为用户提供服务。网络功能虚拟化（NFV）可以提供一种新的范例，以在底层网络上为用户服务按需分配网络资源。然而，现有的工作大多集中在企业数据中心网络的虚拟网络功能（VNF）布局和路由流量问题上，该问题需要在卫星通信场景下进一步研究。在本文中，我们研究了卫星地面站网络中的VNF布局和路由流量问题。我们制定的资源分配的问题作为一个整数非线性规划（INLP）模型和目标是最小化的链路资源利用率和使用的服务器的数量。考虑到卫星定轨和任务规划的信息，分别提出了基于Greedy和IBM CPLEX 12.10的位置感知资源分配（LARA）算法。LARA算法可以通过预测用户业务的运行状况来辅助部署VNF和路由业务流。我们评估我们提出的LARA算法在三个网络的胖树，BCube和VL2的性能。仿真结果表明，LARA算法的性能优于无预测的LARA算法，可以有效地降低卫星地面站网络的平均资源利用率。
2021-03-04 cs.DC cs.NI
Data-Driven 3D Placement of UAV Base Stations for Arbitrarily Distributed Crowds
在本文中，我们考虑了一个无人机（UAV）辅助蜂窝系统，其中包括多个无人机基站（BS）合作的地面BS。在这样的异构网络中，对于蜂窝运营商来说，问题是如何确定合适的UAV-BS的数量、位置和高度以提高系统总速率以及满足任意闪光人群对数据率的需求。我们提出了一个数据驱动的三维布局的无人机基站提供一个有效的布局结果与可行的计算成本。该算法在多项式时间内以最大系统总速率搜索服务区域内UAV-BS的数量、位置、覆盖范围和高度，以保证UE的最小数据率需求。仿真结果表明，与无无人机基站的情况相比，该方法可以提高系统的总速率。
2019-09-25 cs.CC cs.DS cs.NI
Let's Share VMs: Optimal Placement and Pricing across Base Stations in MEC Systems
在移动边缘计算（MEC）系统中，用户将计算密集型任务卸载到基站处的边缘服务器。然而，由于整个网络的需求不均衡，某些地点的需求可能过多，而另一些地点的资源利用不足。为了解决MEC系统中的负载不平衡问题，在本文中，我们提出了虚拟机（VM）共享基站。具体来说，我们考虑跨基站的联合VM放置和定价问题，以匹配需求和供应，并在网络层面上实现收入最大化。为了使这个问题易于处理，我们将其分解为主问题和从问题。对于布局主问题，我们提出了一种基于连续时间马尔可夫链设计的马尔可夫近似算法MAP。对于定价奴隶问题，我们提出了OPA -一种最优虚拟机定价拍卖，其中所有用户都是真实的。此外，考虑到用户的潜在的不诚实行为，我们提出了一个激励兼容拍卖iCAT随着分区机制PUFF，我们证明了激励兼容性和收入保证。最后，我们结合MAP和OPA或PUFF来解决原问题，并分析最优性差距。仿真结果表明，协作基站可以增加高达50%的收入。
2021-01-15 cs.IT cs.NI cs.SY
Bayesian Optimization Framework for Channel Simulation-Based Base Station Placement and Transmission Power Design
针对基于信道仿真的基站部署与功率设计计算成本高的问题，提出基于贝叶斯优化的自适应框架，可在有限仿真迭代下联合优化基站位置与发射功率，吞吐量较传统策略提升18-22%。
2024-10-05 cs.IT cs.NI math.IT
Robust Base Station Placement in Agricultural IoT via Bayesian Optimization
National Institute of Technology Kurukshetra（库鲁克谢特拉国家理工学院）；Thapar Institute of Engineering & Technology（塔帕尔工程与技术学院）；KTH Royal Institute of Technology（瑞典皇家理工学院）
针对农业物联网中植被生长导致的信道变化，提出基于高斯过程贝叶斯优化的基站部署方法，最大化最差季节覆盖率，在50次射线追踪内实现72.8%最差覆盖率。
2026-07-02 cs.NI eess.SP
Backhaul-aware Robust 3D Drone Placement in 5G+ Wireless Networks
使用无人机作为飞行基站是一种很有前途的方法，可以通过在需要时将供应转向需求来增强网络覆盖和区域容量。然而，这种基站的部署可能面临一些需要考虑的限制。无人机基站（drone-BS）部署中的限制之一是可靠的无线回程链路的可用性。本文研究了不同类型的无线回程提供不同的数据率将如何影响服务的用户数。两种方法，即，以网络为中心和以用户为中心，介绍和最佳的3D回程感知放置的无人机BS被发现为每种方法。为此，在以网络为中心的框架和以用户为中心的框架中，分别最大化服务用户的总数和总速率。此外，由于优选的是减少无人机BS移动以节省更多的电池和增加飞行时间并减少信道变化，因此网络的鲁棒性被检查为它相对于用户位移的敏感程度。
2017-03-17 cs.NI
A Predictive On-Demand Placement of UAV Base Stations Using Echo State Network
National Chiao Tung University（国立交通大学）；University of Houston（休斯顿大学）
无人机基站（UAV-BS）在许多动态应用场景中具有广泛的应用潜力。在这些场景中，所服务的用户设备（UE）的移动是不可避免的，因此需要动态地重新定位UAV-BS以提供无缝服务。在本文中，我们提出了一个系统框架，包括UE聚类，UAV-BS放置，UE轨迹预测，和UAV-BS重新定位匹配方案，无缝服务的UE，以及最小化的能量成本UAV-BS的重新定位轨迹。分别设计了基于回声状态网络（ESN）的UE未来轨迹预测算法和基于Kuhn-Munkres的UAV-BS能量有效重定位轨迹算法。我们使用一个真实的开放数据集进行模拟，以进行性能验证。仿真结果表明，该框架具有较高的预测精度，并提供了节能的匹配方案。
2019-10-06 cs.LG cs.NI eess.SP
Content Placement in Cache-Enabled Sub-6 GHz and Millimeter-Wave Multi-antenna Dense Small Cell Networks
本文研究了由多天线sub-6 GHz和毫米波基站组成的支持缓存的密集小小区网络的性能。与现有的仅考虑每个基站处的单个天线的工作不同，当基站具有多个天线时，最优内容放置是未知的。我们首先推导出成功的内容交付概率占在6 GHz以下和毫米波频率的关键信道功能。最大化成功的内容交付概率是一个具有挑战性的问题。为了解决这个问题，我们首先提出了一个约束交叉熵算法，实现了接近最优的解决方案，具有适度的复杂性。然后，我们开发了另一种简单而有效的启发式概率内容放置方案，称为两个阶梯算法，它在缓存最流行的内容和实现内容多样性之间取得了平衡。数值结果表明，优越的性能的约束交叉熵方法和两个阶梯算法产生显着更好的性能比只缓存最流行的内容。sub-6 GHz和mmWave系统之间的比较揭示了mmWave系统的缓存容量和密度之间的有趣权衡，以实现与sub-6 GHz系统类似的性能。
2018-01-17 cs.NI
Free-Placement Optimization of Ground Station Locations for Low-Earth Orbit Satellites
Department of Aeronautics and Astronautics, Stanford, CA（航空航天系，斯坦福大学，加州斯坦福）；Department of Computer Science, Stanford University, Stanford, CA（计算机科学系，斯坦福大学，加州斯坦福）
提出SCORE方法，通过两阶段自由布局优化地面站位置，相比差分进化算法减少5倍函数评估次数并提升13%下行吞吐量，相比固定站点方法提升15%总下行量。
2026-06-12 cs.AI cs.NI cs.SY
On the Fly Self-Organized Base Station Placement
本文研究了用户随机分布的一维网络中的基站部署问题，为了考虑用户的分布情况，优化基站的上行MMSE和速率。此外，由于大量的天线在基站，我们提出了一种新的随机矩阵理论为基础的技术，以获得紧密的近似MMSE和速率在上行链路中。我们调查的合作（CP）的情况下，BS联合解码的消息和非合作（NCP）的计划，其中BS只能解码自己的用户。我们的研究结果表明，CP策略大大优于NCP的情况下。此外，我们表明，存在一个权衡在BS部署关于每个BS的位置。因此，通过位置游戏，我们可以优化每个基站的位置，以最大限度地提高系统性能。
2013-02-21 cs.IT cs.NI math.IT
A Tractable Model for Non-Coherent Joint-Transmission Base Station Cooperation
针对非相干联合传输基站协作问题，提出了一种简单易行的分析模型。除了蜂窝网络的具体方面，如BS密度，信道衰落，平均路径损耗和干扰，该模型还捕获相关的合作机制，包括以用户为中心的BS聚类和信道相关的合作激活。所有BS的位置由泊松点过程建模。使用随机几何工具，信号与干扰加噪声比（$\mathtt{SINR}$）分布与合作的特点是精确的一般保持形式。然后将结果应用于最近感兴趣的实际设计问题。我们发现，增加网络范围的BS密度提高了$\mathtt{SINR}$，而增益增加的路径损耗指数。对于基于导频的信道估计，对于典型值，平均频谱效率在$7$ BS左右的簇大小处饱和，而与回程质量无关。最后，它表明，簇内频率复用是有利的，在中等负载的细胞慷慨的合作激活，而簇内协调调度可能会更好地在轻负载的细胞保守的合作激活。
2014-07-16 cs.IT cs.NI math.IT
Performance laws of large heterogeneous cellular networks
我们提出了一个异构蜂窝网络的模型，假设一个空时泊松过程的呼叫到达，独立标记的数据量，并由不同类型的基站（具有不同的传输功率）表示的独立泊松过程的叠加在平面上。每个站点应用处理器共享策略来服务到达其附近的用户，由受一些随机信号传播效应（遮蔽）扰动的Voronoi单元建模。用户的峰值服务速率取决于其相对于服务站的信号干扰噪声比（SINR）。小区的相互依赖性（由于小区外干扰）经由影响SINR的空间分布的小区负载方程的某个系统来捕获。我们使用这个模型来研究在一个半解析的方式（只涉及静态模拟，处理的排队理论的结果的时间演变）网络性能指标（小区负载，平均用户数）和服务质量感知的用户（平均吞吐量）由不同类型的基站。我们的目标是确定这些性能指标的宏观规律，包括随时间和网络几何形状的平均值。文中给出的规律在实际网络中得到了验证。
2015-03-19 cs.NI math.PR
On Optimal Geographical Caching in Heterogeneous Cellular Networks
在这项工作中，我们研究最佳的地理缓存在异构蜂窝网络中，不同类型的基站（BS）有不同的缓存容量。用户根据已知的概率分布从内容库请求文件。性能度量是总命中概率，其是在平面中的任意位置处的用户将在其所覆盖的BS之一中找到其需要的内容的概率。我们考虑的问题，最佳地放置在所有BS的内容联合。由于这个问题是不凸的，我们提供了一个启发式的计划，找到一种类型的基站的条件下放置在所有其他类型的最佳放置策略。我们证明，这些个人的优化问题是凸的，我们提供了一个解析解。作为一个例子，我们发现的最佳布局策略的小基站（SBS）取决于宏基站（MBS）的布局策略。我们展示了命中概率如何随着SBS部署密度的变化而变化。我们发现，最受欢迎的内容在MBS的启发式几乎是最佳的SBS部署后，最佳的放置策略。此外，对于SBS，不能使用这种启发式方法;最佳放置明显优于存储最受欢迎的内容。最后，我们表明，解决个别问题，找到最佳的放置策略，为不同类型的BS迭代，即反复更新的放置策略，并没有提高性能。
2017-01-23 cs.IT cs.NI math.IT
Gibbsian On-Line Distributed Content Caching Strategy for Cellular Networks
我们开发吉布斯采样为基础的技术，学习在蜂窝网络中的最佳内容放置。基站的集合分散在空间上，每个基站具有小区（可能与其他小区重叠）。移动用户根据某种流行度分布请求从有限的内容集合中下载。每个基站每次只能存储内容的严格子集;如果请求的内容在任何服务基站都不可用，则必须从回程下载。因此，出现了最优内容放置的问题，其可以最小化来自回程的下载速率，或者等效地最大化缓存命中率。使用类似的想法，吉布斯采样，我们提出了简单的顺序内容更新规则，决定是否存储在一个基站的内容在相邻基站的知识的基础上。更新规则被证明是渐近收敛到最佳的内容放置的所有节点。接下来，我们扩展的算法，以解决的情况下，内容流行度和小区拓扑结构最初是未知的，但估计新的请求到达基站。最后，在缓存命中率的改善表现出数值。
2017-11-06 cs.NI
Energy-aware optimization of UAV base stations placement via decentralized multi-agent Q-learning
Trinity College Dublin（都柏林三一学院）
可以部署用作空中基站（UAV-BS）的无人驾驶飞行器，以在网络需求增加、现有基础设施出现故障或发生灾难时提供与地面设备的无线连接。然而，考虑到其有限的机载电池容量，在长时间覆盖任务期间节省UAV的能量是具有挑战性的。基于强化学习（RL）的方法先前已经被用于提高多个UAV的能量利用，然而，中央云控制器被假设为具有终端设备的位置的完整知识，即，所述控制器周期性地扫描并发送用于UAV决策的更新。这种假设在UAV服务于移动地面设备的动态网络环境中是不切实际的。为了解决这个问题，我们提出了一个分散的Q-学习方法，其中每个无人机-BS配备了一个自主智能体，最大限度地提高移动地面设备的连接，同时提高其能源利用率。实验结果表明，该设计在最大化地面设备连接数量和UAV-BS能量利用率方面明显优于集中式方法。
2021-11-04 cs.LG cs.MA cs.NI
Optimal Placement of Baseband Functions for Energy Harvesting Virtual Small Cells
云无线电接入网络（CRAN）中灵活的功能划分极大地克服了前传容量和延迟挑战。在这种架构中，部分基带处理在本地完成，其余部分在中央云中远程完成。另一方面，由于可持续性和经济优势，越来越多地采用能量收集（EH）技术。由于基带处理的功耗在较小基站的总功耗细分中占有很大份额。假定这样的基站由EH供电，除了QoS约束之外，能量可用性还决定将每个基带功能放置在系统中的何处。这项工作的重点是确定基带功能拆分选项在仅由EH供电的虚拟化小小区中的最佳放置的性能界限。该工作应用动态规划（DP），特别是，最短路径搜索被用来确定最佳的功能划分选项，考虑业务QoS要求和可用的能量预算。
2018-05-30 cs.NI eess.SP
A Fluid Approach for Poisson Wireless Networks
在通常考虑的不同网络模型中，六边形网络模型是最流行的。然而，它需要大量的数值计算。泊松网络模型，其中基站（BS）的位置形成一个空间泊松过程，允许考虑基站之间的非恒定距离。因此，它可以更真实地描述运营网络。流体网络模型，其中干扰BS被替换为连续的无穷小干扰者，允许建立用于SINR（信号对干扰加噪声比）的封闭形式的公式。通过与六边形网络的比较，验证了该模型的有效性。这两个模型建立了非常接近的结果。因此，流体网络模型可以用来分析六边形网络。在本文中，我们表明，流体网络模型也可以用来分析泊松网络。因此，无论网络模型的类型如何，通过使用通过考虑流体网络模型而建立的SINR的解析表达式，性能和服务质量的分析变得非常容易。
2014-01-24 cs.IT cs.NI math.IT
On the 3-D Placement of Airborne Base Stations Using Tethered UAVs
减缓使用无人机（UAV）的机载基站（BS）部署的主要挑战之一是有限的机载能量和飞行时间。这种问题的一个潜在解决方案是通过将UAV连接到地面的系绳为UAV提供电源。本文研究了系留无人机（TUAV）的最优布局问题，以最小化TUAV与地面接收机之间的平均路径损耗。考虑到系绳具有最大长度，并且TUAV的发射点（系绳的起始点）被放置在屋顶上，TUAV仅被允许在特定的悬停区域内悬停。除了最大系绳长度之外，该悬停区域还取决于屋顶周围的建筑物的高度，这要求系绳的倾斜角度不低于给定的最小值，以避免缠结并确保安全。我们首先制定这样的设置的优化问题，并提供了一些有用的见解，其解决方案。接下来，我们推导出系绳长度和倾角的最佳值的上限和下限。我们还提出了一个次优的封闭形式的解决方案的系绳长度和它的倾斜角度是基于最大化的视线概率。最后，我们推导出系绳长度的最小倾角的概率分布。我们发现，它的平均值取决于环境从10度在郊区环境中的31度在高层城市环境。我们的数值计算结果表明，推导出的上限和下限的系绳长度和倾斜角的最佳值导致紧次优值的平均路径损耗，只有0-3分贝以上的最小值。
2019-07-09 cs.IT cs.NI math.IT
Analytical Modeling of Uplink Cellular Networks
蜂窝上行链路分析通常通过将所有干扰合并到Wyner型模型中的单个确定性或随机参数的简单方法进行，或者通过复杂的系统级仿真进行，该仿真通常不能提供对观察到各种趋势的原因的洞察。本文提出了一种新的中间方法，使用点处理，这是准确的，也容易评估的积分表达式的基础上的拉普拉斯变换的干扰。我们假设移动台和基站随机放置在网络中，每个移动台与其最近的基站配对。与下行链路分析的相关近期工作相比，所提出的上行链路模型在两个关键特征上不同。首先，考虑用户和基站点过程之间的依赖关系，以确保每个基站在给定的资源块中服务于单个移动台。第二，包括每移动功率控制，这进一步耦合由于位置相关的信道反转的移动台的传输。尽管如此，我们成功地推导出网络中典型链路的覆盖（相当于中断）概率。这个模型可以用来解决各种各样的系统设计问题的未来。在本文中，我们专注于功率控制的影响，并看到部分信道反转应使用在低信号干扰噪声比（SINR），而全功率传输是最佳的在较高的SINR。
2013-03-21 cs.IT cs.NI math.IT
A Tractable Approach to Coverage and Rate in Cellular Networks
蜂窝网络通常通过将基站放置在网格上来建模，移动用户随机分散或确定性地放置。这些模型已被广泛使用，但遭受高度理想化和不太听话，所以复杂的系统级仿真被用来评估覆盖/中断概率和率。长期以来，人们一直希望有更易于处理的模型。我们开发了新的通用模型的多小区信号干扰噪声比（SINR）使用随机几何。在非常一般的假设下，所得到的下行链路SINR CCDF（相当于覆盖概率）的表达式涉及可快速计算的积分，并且在一些实际的特殊情况下可以简化为普通积分（例如，Q函数）或甚至简单的封闭形式表达式。我们还推导出平均速率，然后从静态频率复用的覆盖增益（和平均速率损失）。我们将我们的覆盖预测与网格模型和实际基站部署进行比较，并观察到所提出的模型是悲观的（覆盖范围的下限），而网格模型是乐观的，并且两者都同样准确。除了更易于处理之外，所提出的模型可以更好地捕捉未来网络中基站的日益机会主义和密集的放置。
2011-02-21 cs.IT cs.NI math.IT
