Performance of Multi-Antenna MMSE Receivers in Non-homogeneous Poisson Networks
提出了一种计算多天线线性最小均方误差（MMSE）接收机无线链路信干噪比（SINR）的累积分布函数（CDF）的方法，该方法考虑了天线间独立瑞利衰落和多个干扰源在平面上按非齐次泊松点过程分布的情况。该技术用于计算强度函数的几种不同模型的SINR的CDF，特别是幂律强度函数、圆对称高斯强度函数和由有界域中的多项式描述的强度函数。此外，它示出，如果接收器天线的数量与强度函数线性缩放，则SINR在概率上收敛到由底层强度函数的“形状”确定的极限。这项工作推广了已知的结果，均匀泊松网络的非均匀泊松网络。
2011-09-14 cs.IT math.IT
Distribution Bounds on the Conditional ROC in a Poisson Field of Interferers and Clutters
本文提出基于随机几何的分析框架，推导条件虚警概率的均值、方差及上界，并用贝塔分布近似元分布，为雷达设计提供百分位级ROC保证。
2025-05-27 cs.IT eess.SP math.IT
Spatio-Temporal Analysis of SINR Meta Distribution for mmWave Heterogeneous Networks Under Geo/G/1 Queues
网络性能的细粒度分析对于系统设计至关重要。在本文中，我们专注于在毫米波异构网络中的信号与干扰加噪声比（SINR）的Meta分布的基站（BS）在每一层被建模为泊松点过程（PPP）。通过利用随机几何和排队论，我们的空间和时间的随机性，而毫米波通信的特殊特性，包括不同的路径损耗规律的视线和非视线链路和定向波束形成，被纳入分析。我们推导出的时刻的条件成功传输概率（STP）。通过考虑业务的时间随机到达，建立了一个方程来推导Meta分布，并以递归的方式获得Meta分布。数值结果揭示了关键的网络参数，如SINR阈值和阻塞参数，对网络性能的影响。
2022-01-19 cs.IT math.IT
Asymptotic Analysis of Normalized SNR-Based Scheduling in Uplink Cellular Networks with Truncated Channel Inversion Power Control
该文利用随机几何方法，给出了基于归一化信噪比的上行蜂窝网络调度的信号干扰噪声比（SINR）、互补累积分布函数（CCDF）和平均数据率。上行链路分析与下行链路分析的本质不同之处在于，进行每用户发射功率控制，并且干扰源在除目标小区之外的每个小区中最多由一个发射用户组成。此外，由于多用户分集的效果根据调度中涉及的用户数量而在小区与小区之间变化，因此需要用户数量的分布以获得调度的平均性能。本文推导出的SINR CCDF相对于典型的调度用户集中在两个不兼容的情况下，调度器选择一个用户从所有用户在相应的Voronoi小区或不选择用户附近的小区边缘。在每种情况下，SINR CCDF在调度中涉及的用户数量的分布上被边缘化，如果BS密度足够大或足够小，则这是渐近正确的。通过仿真，验证了两种情况下分析结果的准确性，并对调度增益进行了评估，以确定多用户分集增益。
2018-02-06 cs.IT math.IT
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
Performance of Multi-Antenna Linear MMSE Receivers in Non-homogeneous Poisson and Poisson Cluster Networks
提出了一种技术来评估无线链路的性能与多天线线性最小均方误差（MMSE）接收机的存在下，根据非齐次泊松过程或泊松簇过程分布在平面上的干扰。累积分布函数（CDF）的信号与干扰加噪声比（SINR）的一个代表性的链路推导出两种类型的网络假设独立的天线之间的瑞利衰落。几个代表性的空间节点分布被认为是，推导的CDF进行了验证，通过数值模拟。此外，对于非齐次泊松网络，它表明，信号干扰比（SIR）收敛到一个确定性的非零值，如果在代表性的接收机的天线数量与标称干扰密度线性增加。这表明，在系统假设成立的情况下，可以通过随用户密度线性增加接收器天线的数量来扩展此类网络。这里提出的结果是有用的多天线无线网络的性能与非均匀的空间节点分布和网络的集群用户，经常出现在实践中，但很少有结果是可用的。
2014-04-07 cs.IT math.IT
A Unifying Framework for Local Throughput in Wireless Networks
随着电磁频谱竞争的加剧，表征干扰对无线网络性能的影响非常重要，传统上通过其吞吐量来衡量。本文提出了一个统一的框架，在无线网络中的本地吞吐量的特点。我们首先从连通性的角度分析了探测链路的吞吐量，其中，如果数据包不与来自其范围内的节点（称为可听包）的其他数据包发生冲突，则数据包被成功接收。然后，我们从信号与干扰加噪声比（SINR）的角度来表征吞吐量，其中，如果SINR超过某个阈值，则成功接收到分组，考虑到网络中所有发射节点的干扰。我们的主要贡献是推广和统一分散在文献中的各种结果。特别地，所提出的框架包括任意无线传播效应（例如，Nakagami-m衰落、Rician衰落或对数正态阴影）以及任意业务模式（例如，时隙同步、时隙异步或指数到达间隔业务），从而允许我们得出比先前在文献中可用的更一般的关于网络性能的结论。
2010-07-16 cs.IT cs.NI math.IT
The Meta Distribution of SINR in UAV-Assisted Cellular Networks
在无人机（UAV）上安装紧凑、轻便的基站是一种具有成本效益且灵活的解决方案，可在现有地面网络上提供无缝覆盖。虽然无人机辅助蜂窝网络的覆盖概率已经得到了广泛的研究，它只提供了信号与干扰加噪声比（SINR）的一阶统计。在本文中，分析高阶统计的信干噪比和特征的差异之间的各个环节，我们提供了一个Meta分布（MD）为基础的分析框架，无人机辅助蜂窝网络，其中的概率视距信道和现实的天线方向图考虑到空到地传输。为了准确地描述无人机干扰，我们放宽了广泛应用的均匀离轴角（OBA）假设，并推导出OBA的精确分布。使用随机几何，可操纵和垂直天线的情况下，我们获得数学表达式的时刻的条件成功概率，SINR MD，和平均本地延迟。此外，我们还研究了网络密度趋于无穷大时矩的渐近行为。数值结果验证了理论结果的严密性，并表明一致OBA假设低估了网络性能，特别是在无人机的中等高度区域。我们还表明，当无人机配备可操纵天线，网络覆盖和用户公平性可以同时优化通过仔细调整无人机参数。
2023-01-30 cs.IT eess.SP math.IT
Modeling and Analysis of Uplink Non-Orthogonal Multiple Access (NOMA) in Large-Scale Cellular Networks Using Poisson Cluster Processes
非正交多址（NOMA）通过叠加不同的消息信号为多个用户提供服务。在接收机处通过应用连续干扰消除（SIC）对所需消息信号进行解码。利用泊松簇过程理论，我们提供了一个分析多小区上行NOMA系统的框架。具体地说，我们的特点是在排名$m$（从它的服务BS的距离）在一个小区中的所有用户之间的NOMA用户的速率覆盖概率和小区中的所有用户的平均速率覆盖概率。由于第$m$用户的信号与干扰加噪声比（SINR）依赖于有效的SIC，因此我们考虑三种情况，即，完全SIC（其中比第$m$用户强的$m-1$用户的信号被成功解码）、不完美SIC（其中比第$m$个用户强的$m-1$个用户的信号可能被成功解码也可能不被成功解码），不完全最坏情况SIC（其中，每当其相对的$m-1$较强用户的解码不成功时，第$m$个用户的信号的解码总是不成功）。导出的表达式被定制为捕获在等效正交多址（OMA）系统中的秩$m$处的用户的性能。最后，数值结果验证了推导的表达式。
2016-11-10 cs.IT cs.NI math.IT
Fractional Power Control for Decentralized Wireless Networks
我们考虑一种新的方法，功率控制在分散的无线网络，称为部分功率控制（FPC）。传输功率被选择为当前信道质量上升到指数-s，其中s是0和1之间的常数。选择s = 1和s = 0分别对应于信道反转和恒定功率传输的常见情况。在（0，1）中选择s允许评估这两个极端之间的所有中间策略，我们看到通常两个极端都不是理想的。我们推导出了分散式（ad hoc或免许可）网络中相对于目标SINR的中断概率以及由此产生的传输容量（平均可以达到该SINR的用户数/m^2）的闭式近似值。使用这些近似值，这是相当准确的典型系统参数值，我们证明，使用1/2的指数最小化中断概率，这意味着信道强度的平方根倒数是一个明智的发射功率缩放的网络具有相对较低的密度的干扰。我们还数值表明，这种选择的s是强大的网络参数的变化范围很广。直觉上，s=1/2在帮助弱势用户与确保他们不会干扰网络之间取得平衡。
2008-04-28 cs.IT math.IT
On the Delay Performance of Interference Channels
深入了解无线网络的排队性能对未来无线通信的发展至关重要。无线信道的随机性质通常导致时变传输速率。在这样的环境中，干扰日益成为一个关键的制约因素。获得一个表达模型，提供服务，这样的渠道有重大意义的设计和优化未来的网络。然而，干扰信道关于其较高层性能并没有被很好地理解。处理干扰信道的特殊困难来自于所涉及的发射机的信号的随机衰落过程的叠加（即，用于感兴趣的信号和用于干扰器的信号）。从分布的信号与干扰加噪声比（SINR），我们推导出统计特性的底层服务过程中的梅林变换。然后，我们适应最近的随机网络演算衰落信道的方法来获得单跳和多跳无线干扰网络的排队性能的措施。我们解决方案的特殊情况包括噪声限制和干扰限制系统。我们分析的一个关键发现是，对于给定的平均信号和平均干扰和功率，被干扰系统的性能不仅取决于干扰和功率相对于感兴趣信号功率的相对强度，而且还取决于干扰结构（即，的数量）以及绝对水平。
2016-04-03 cs.IT cs.NI math.IT
Meta Distribution of the SIR in Large-Scale Uplink and Downlink NOMA Networks
我们开发了一个分析框架，推导出Meta分布和时刻的条件成功概率（CSP），这是定义为{成功概率为一个给定的实现发射机}，在大规模的同信道上行链路和下行链路非正交多址接入（NOMA）网络与一个NOMA集群每个小区。CSP的矩可以转化为各种网络性能指标，例如标准成功率或信号干扰比（SIR）覆盖概率（这是$1$ -st时刻），平均本地延迟（这是静态网络设置中的$-1$ -第一时刻），和Meta分布（其是条件成功概率的互补累积分布函数，并且可以通过使用$1$ -st和$2$ -st来近似。的时刻）。对于上行链路NOMA，使框架听话，我们提出了两个点的空间位置的处理模型，通过利用基站（BS）/用户对相关函数。我们通过比较每个模型的二阶矩测量与通过模拟获得的簇间（或细胞间）干扰的实际点过程来验证所提出的模型。对于下行NOMA，我们推导出封闭形式的解决方案的时刻的CSP，成功（或覆盖）的概率，平均本地延迟，和Meta分布的用户。作为开发的分析框架的应用程序，我们使用的封闭形式的表达式来优化下行链路NOMA用户的功率分配，以最大限度地提高一个给定的NOMA用户的成功概率有和没有延迟的限制。对于两用户NOMA场景，得到了发射功率的闭式最优解。我们注意到，在延迟约束下最大化成功概率可以显著影响低SIR阈值的最佳功率解决方案，并有利于正交多址接入（OMA）。
2018-04-08 cs.IT math.IT
Transmission capacity of wireless networks
传输容量（TC）是无线网络的性能指标，它测量每单位面积成功传输的空间强度，但受到允许中断概率的约束（当接收器处的SINR低于阈值时发生中断）。本书对作者及其合作者在过去十年中开发的TC框架进行了统一处理。分析的数学框架（在第2章中回顾）是随机几何：泊松点过程模型的位置的干扰，（稳定）散粒噪声过程表示在接收器看到的聚合干扰。第3章介绍了TC结果（精确的，渐近的，和边界）在一个简单的模型，以说明框架的一个关键优势：分析易处理性产生明确的性能依赖于关键模型参数。第四章介绍了对这个基本模型的改进-信道衰落、可变链路距离和多跳。第5章介绍了四个非常适合TC的网络设计案例研究：i）频谱管理，ii）干扰消除，iii）信号阈值传输调度，以及iv）功率控制。第6章研究了节点具有多个天线时的TC，这与忽略干扰的经典结果进行了对比。
2012-01-03 cs.IT cs.NI cs.PF
A Framework for Enterprise Network Dimensioning
Department of Electrical Engineering, IIT Delhi（印度理工学院德里分校电气工程系）
该研究针对室内企业网络的无线节点部署问题，结合随机几何、优化与聚类方法，提出加权k-调和均值聚类策略及\texttt{SeqMinCut}算法，为企业5G规划提供了系统设计规则与策略。
2026-08-20 cs.IT math.IT
On protocol and physical interference models in Poisson wireless networks
本文分析了泊松无线网络环境下协议与物理干扰模型之间的联系。如果在接收机周围的参数化保护区内没有干扰器，则在协议模型下传输成功，而如果接收机处的信号与干扰加噪声比（SINR）高于阈值，则在物理模型下传输成功。参数化协议模型形成用于预测在物理模型下相同传输尝试的成功或失败的决策规则族。对于泊松无线网络，我们采用随机几何来确定与此估计问题相关的先验，证据和后验分布。有了这些数据，我们将继续开发五组结果：i）协议和物理模型成功指标的最大相关性，ii）从协议观察估计物理成功的最小贝叶斯风险，iii）错误拒绝（I型）和错误接受（II型）概率的接收器操作特征（ROC），iv）瑞利衰落与无衰落对相关性和ROC的影响，以及v）在具有固定节点集合的无线网络的设置中多个先前协议模型观测的影响，其中节点在每个时隙中采用时隙Aloha协议。
2016-09-17 cs.IT cs.PF math.IT
Spatio-Temporal Analysis of Cellular Networks with Cell-Center/Edge Users
各种类型业务的出现带来了蜂窝网络中业务量的爆炸式增长以及多样化的业务特性。全面了解各种业务状况对网络性能的影响对于下一代无线网络的部署至关重要。在本文中，我们开发了一个数学分析模型，利用排队论和随机几何的交通和地理位置的随机性，可以捕获。我们分别推导出了小区中心用户（CCU）和小区边缘用户（CEU）的条件成功概率的b阶矩和Meta分布的闭式表达式。然后，考虑随机到达业务量，建立固定点方程，得到Meta分布的精确值，揭示了随机到达业务量对排队状态的影响.此外，推导了CCU和CEU的平均本地延迟，并得到了CCU和CEU的平均本地延迟保持有限的相应区域。最后，通过数值计算，分析了临界网络参数对Meta分布和平均局部时延的影响。
2020-06-16 cs.IT math.IT
A Fine-Grained Analysis of mmWave Heterogeneous Networks
对启用缓存的网络进行细粒度分析对于系统设计至关重要。在本文中，我们专注于在毫米波异构网络中的信号与干扰加噪声比（SINR）的Meta分布，在每一层中的基站（BS）被建模为泊松点过程（PPP）。利用随机几何的方法，导出了条件成功概率的矩，并在此基础上导出了Meta分布的精确表达式及其贝塔近似。此外，关键的性能指标，成功概率，条件成功概率的方差，平均本地延迟和网络抖动。毫米波通信的区别特征，包括视线和非视线链路的不同路径损耗规律和定向波束成形被纳入分析。仿真结果揭示了阻塞参数、偏置因子、天线阵元数和天线密度等关键网络参数对性能的影响。
2020-09-16 cs.IT math.IT
Power Optimization in Random Wireless Networks
考虑发射机-接收机对的无线网络，其中发射机调整其功率以在存在干扰的情况下维持目标SINR水平。在本文中，我们分析了最佳的功率矢量，实现这一目标，在大型，随机网络中获得的“擦除”有限部分的节点从一个规则的发射机-接收机对格。我们表明，这个问题是相当于所谓的安德森模型的电子运动在肮脏的金属已被广泛用于在随机环境中的扩散分析。一个标准的近似这个模型是所谓的相干势近似（CPA）的方法，我们适用于评估的第一和第二阶样本内统计的最佳功率矢量在一维和二维系统。这种方法等同于随机矩阵理论和自由概率的传统技术，但虽然一般准确（并与数值模拟一致），但它无法完全描述系统：特别是，以这种方式获得的结果无法预测功率控制何时变得不可行。在这方面，我们发现，无限系统总是不稳定的目标SINR超过一定的值，但任何有限的系统只有一个小的概率变得不稳定。这种不稳定的概率是成比例的尾巴的系统的本征值分布的计算指数精度使用的安德森模型及其与随机介质中的随机行走的关系内开发的方法。最后，使用这些技术，我们还计算了系统的功率分布下的功率控制和Foschini-Miljanic功率控制算法在随机擦除的存在下的收敛速度的尾部。总的来说，在本文中，我们试图在直觉论证和形式证明之间取得平衡。
2013-12-17 cond-mat.stat-mech cs.IT cs.SI
On the Analysis of Platooned Vehicular Networks on Highways
IIT Kanpur（印度理工学院坎普尔分校）
本文分析了高速公路车辆编队网络的动态及其对V2V和V2I通信性能的影响，通过建模和仿真探讨了编队对通信可靠性与负载分布的影响。
2026-07-21 cs.IT math.IT
