在毫米波设备间资源分配网络

文摘

最近,移动无线通信经历了爆炸式增长的数据流量可能不支持当前第四代(4 g)网络。第五代(5克)利用网络将克服这个挑战更高的频谱中可用毫米波(mmwave)乐队来提高网络吞吐量。集成的毫米波通信设备间通信可以使5 g计划提供超宽带视频是附近视频分享等服务,流媒体数据,关注社会网络。此外,当前的蜂窝网络流量也可以卸载D2D用户设备从而减少加载在基站(BSs),这将增加系统容量。然而,mmwave D2D沟通与许多挑战,其中包括信号阻塞,用户移动性,高昂计算资源分配算法,复杂性和增加interuser干扰密集D2D用户场景。提出审查现有的信道和功率分配方法和数学资源优化解决方案技术。此外,本文论述了挑战阻碍实现有效的分配计划mmwave D2D沟通和给开放研究问题进行进一步的研究。

1。介绍

的mmwave D2D通信是一个5 g网络使能技术来满足装满数据要求。高数据速率链接和定向覆盖mmwave网络使它适合通过D2D提供近距离服务通信。mmwave乐队的方向性特征之间的干扰最小化D2D双密集D2D对网络场景中(1]。

然而,mmwave沟通的挑战信号堵塞导致了更多的信号损失对于室内网络场景。此外,当移动用户的允许,那么整个网络的性能就会受到影响,由于需要频繁的手越过从一个细胞到另一个基站的和频繁更新D2D用户位置的变化。因此,mmwave D2D将用一些修改在系统和硬件来实现,如调度算法和使用定向天线。整合mmwave和D2D通信的主要好处是提供超宽带视频应用程序和服务,把流量从当前的蜂窝系统,更高的吞吐量和系统容量,更高的能源效率,降低能源消耗2,3]。然而,由于较低的天线高度BSs和窄波束宽度相比,的mmwave D2D沟通更容易受到信号阻塞从建筑,树木,墙壁,和人类的身体;这是成功运作的主要挑战mmwave D2D通信的乐队。

尽管挑战在mmwave D2D沟通,D2D交流mmwave乐队提供了更多的好处相比,其通信增速低于GHz乐队。当设备在近距离直接沟通结果在改善能力和减少延迟相比BS-enabled沟通。此外,还有最小化的回程网络从而增加网络的负载能力。执行直接D2D通信传输能量较低导致更好的能源效率。D2D技术也能提高覆盖率和细胞边缘用户吞吐量可能会经历较弱的接待作为继电器的信号。

大多数的研究已经开展了D2D通信主要考虑带内D2D沟通。在带内D2D通信中,细胞的D2D用户设备复用频谱资源用户设备下面6 GHz (4,5]。已发表的调查D2D沟通住在带内D2D沟通,哪里有复杂的造型干扰来自D2D用户移动用户设备。在[6),调查D2D通信涉及的概念,例如网络发现,干扰管理、提供间接服务和安全的网络。调查还提出vehicle-to-vehicle (V2V)沟通,mmwave光谱,social-aware D2D网络,同时无线信息和权力转移为带内D2D通信领域,需要进一步的研究。在[7),全面分析带内D2D挑战和开放的基础上,论述了研究问题的模式选择、设备发现,无线电资源和干扰管理、移动性管理、隐私和安全计划,没有考虑带内D2D调查中给出(8- - - - - -12]。

在[13),带内的概述D2D通信资源分配方案是由分类资源优化目标、约束和数学相关的解决方案。这些研究表明,实际D2D通信将在mmwave乐队时切换到微波波段有nonline视线条件(仿真结果)。这个调查的主要目标如下:(1)提供相关问题mmwave D2D网络资源分配机制的综合分析,提出技术提供更好的结果(2)描述的挑战与资源分配技术在mmwave D2D沟通(3)提供开放领域的研究方向mmwave D2D沟通

调查是第一个在该地区的mmwave D2D沟通,有时被称为外圈框石D2D通信方面的资源分配方法通过查看资源优化目标、解决方法和性能参数。在[14),概述D2D用例是由分类D2D网络基于商业和公共安全服务。的外圈框石D2D认为在这个调查D2D用户共存与wi - fi直接主导无照D2D通信网络在工业、科学和医疗(ISM)光谱。在[15),一项调查是由考虑D2D通信的路由问题。它也被认为是不同的路由技术适用于D2D通信的中继类型和频谱使用。

然而,本文只覆盖的多次反射路由协议提出了mmwave D2D网络(16- - - - - -18]。的资源分配问题mmwave D2D网络综述没有考虑。

在[19),概述了实现的混合D2D通信网络覆盖mmwave乐队和传统的细胞乐队。也给了mmwave D2D通信传播特性和技术问题。然而,资源分配问题和相关的算法没有考虑综述。

本文的其余部分组织如下。部分2论述了应用mmwave D2D通信部分3使资源配置机制、网络场景,和性能目标,部分4论述了数学方法技术,部分5看着挑战mmwave D2D沟通,部分6论述了数学方法技术的优缺点,部分7处理未来的研究方向,和部分8给出了结论。

2。应用mmwave D2D沟通

可以部署在网络设备间mmwave乐队来减轻干扰的复杂性建模的增速低于GHz乐队。的mmwave D2D发现应用在不同领域提供附近服务如公共安全通信、卸载流量目前的蜂窝网络,可穿戴设备和物联网(神往的),和类似的网络内容分发服务(20.]。这些应用程序已经简要讨论和总结在图1。

2.1。公共安全通信

D2D通信可以用于提高公共安全,以防意外的火灾等灾害爆发,地震和洪水通过整合D2D传统网络基础设施(22,23]。D2D网络一旦出现紧急情况,可以激活设置通信以更快的方式。

2.2。流量卸载

由于设备数量的增加,包括平板电脑、智能手机、可穿戴设备和笔记本电脑,再加上对提供的服务的需求的增加,带来的挑战目前的4 g网络无法满足所需的运输能力和服务质量。因此,部署D2D沟通5 g网络已经表明,可以将当前的流量转移到D2D设备(24]。

这D2D-based流量卸载可以协助减少端到端延时特别是延迟宽容的应用程序。

2.3。可穿戴设备和物联网(物联网)

5 g网络的主要目标是提供连接不同类型的设备。D2D设备可以部署为继电器在建筑和地区没有覆盖的传感器设备,然后允许家电D2D沟通模式从而减少通信基站(BS)。

聪明的手表和医疗监测设备的可穿戴设备可以节省电力,因为他们通过D2D继电器进行通信(25]。因为D2D通信被认为是万能的,它可以很容易地应用于物联网和可穿戴设备提供低功耗短距离通信(26]。

2.4。类似D2D网络

D2D设备之间可以直接通信设备接近彼此传递或共享多媒体内容。这可以通过应用适当的设备发现和配对算法来提高性能目标,如能源效率、密度和速度,和连接。的一些服务可以提供social-aware D2D服务包括当地广告、多媒体内容分享,和玩游戏6,27]。

3所示。在毫米波D2D网络资源分配方案

本节概述的资源分配方法进行了在毫米波D2D网络通过考虑解决方法,网络场景,和性能目标。表1给出了一个比较的频谱和功率分配方法研究了mmwave D2D网络。资源分配的解决方案方法部分详细介绍4。

Chang和腾28)有一个能源效率最大化的目标(EE)和减少传输能量。毫米波优化问题是数学上制定作为一个非线性规划的权力分配问题,解决了迭代算法的考虑全双工中继。本研究提出一个修改的瓶颈效应消除功率算法来最小化传输能量,进一步提高能源效率,同时保持端到端网络吞吐量。迭代功率分配算法和瓶颈效应消除功率算法结合运用Gale-Shapley (GS)和匈牙利的匹配算法。模拟结果表明,继电器功耗降低45.9%,D2D对降低61.6%。此外,EE相比提高了32.3%,传统的技术应用于(45]。

冯et al。29日)考虑资源共享机制和模式选择优化和对数率在单细胞mmwave蜂窝网络中基于时分双工(TDD)。在这个网络场景中,多次反射D2D继电器或多波束反射在TDD模式下阻塞用户。优化问题分为两部分。一部分是处理资源共享的解决方案,而其他处理自适应模式选择。资源共享的解决方案是混合整数规划(MIP)函数被改建为凸规划的功能。优化函数被应用拉格朗日方法,解决了最优的解决方案。模拟结果显示一些性能相比,传统的分配技术。

在[30.],提出了缓解和干扰频谱资源分配方案在一个户外mmwave细胞有上行细胞和D2D沟通最大化的获得率和密度承认用户设备之间的权衡和干扰约束。制定一个数学优化问题是一个非线性的整数函数这是很难找到一个解决方案。这种复杂性提出了一个启发式算法克服了上行干扰减轻这样的解决优化函数可以确定。

马等。31日)提出了一个relay-enabled mmwave D2D沟通提供一个解决方案的用户设备的电池容量限制和高数据率要求在新兴应用程序与客观的最大化系统吞吐量和减少总传输功率。函数被制定为一个多目标组合优化问题解决同时选择继电器和权力的分配。优化函数满足的约束D2D最小数据率和总传输功率和总传动功率继电器。这种性质的优化问题可以被解决通过分支界限法,外近似,或弯管机分解技术。

这些方法有一定程度的复杂性的挑战在决定解决多项式。这是克服提出匹配理论为基础的解决方案。加权两偶图施工应用作为一个一对一的匹配游戏提供的解决方案可以很容易地追踪等资源优化问题。提出算法的结果显示一些性能改进与增强随机搜索(ARS)和分布式中继选择算法。

在[32资源分配),户外mmwave D2D衬底网络被认为是最大化频谱效率,确保细胞内分布相当的资源。率之和最大化问题是制定,确保最优的资源分配。进行了这项研究,目的是允许多个用户资源共享方案在不降低了频谱效率达到一种改进的系统吞吐量。减少复杂性,阈值是对每个资源块交通环境适应的用户。操作的频率是与强调28 GHz network-assisted D2D沟通。的功率分配问题D2D用户位于相同的单元中通过迭代来解决水填充算法通过考虑干扰资源块经历与次优结果被获得。

在[33),毫米波网络密集部署的小细胞被认为是优化D2D链接子通道分配过程。率之和访问mmwave网络和个人D2D链接率最大化通过制定和信道指配coalitional游戏。结果表明,提出的信道分配算法提供了一个改进的性能比其他信道分配技术。

在[34),一个E-band D2D undelay毫米波网络被认为是提出了一个算法来优化资源配置过程。这项研究被认为是一个城市,目的是提高频谱效率和吞吐量。此外,该算法是在密集网络中减少干扰,其中D2D对重用相同的手机用户的资源块。制定优化函数是由一个启发式算法解决了在室外实际的路径损耗模型73 GHz。该算法提供了更好的整体系统吞吐量和减少干扰。

在[35),一个上行资源分配优化函数是数学上表示为一个非线性优化函数对于微波和mmwave乐队用户来说,在有多个D2D对。率之和最大化通过应用一个联盟形成的游戏。该方案有一个快速的收敛速度和达到纳什均衡与次优的解决方案。该游戏提供改进的结果比其他实用技术。

在[36),混合D2D-enabled蜂窝网络开发工作在微波和毫米波波段。毫米的宏单元有很多小细胞在其覆盖范围。下行传输提出了一个资源共享方案被认为是机会主义式的能源效率的最大化为手机用户通过宏单元或毫米波小细胞QoS D2D对阈值水平的保证。D2D双的功率控制方案制定,自适应,同时保持最低QoS级别和蜂窝用户的干扰阈值。问题是分解成D2D双/客户对微波的功率分配和子载波分配BS细胞相关的用户。D2D分配权力和蜂窝用户的问题解决了基于拉格朗日乘数法的算法,解决了副载波分配匈牙利算法。结果不佳,显示一些改善EE最大化算法相比总和率最大化和消耗功率最小化。一个类似的研究中,在37),与能源效率之间的权衡,EE最大化中断概率,和速度不同的QoS级别和D2D双变异,和手机用户的密度。为优化能源利用无线电资源管理计划制定可实现的速度和能源效率的手机用户以最小的QoS要求和最大输入功率约束。优化问题是新配方凸子问题通过使用拉格朗日乘数法和对偶分解技术。然后,最优功率分配的微波BS和mmwave BS决心利用Karush-Kuhn-Tucker条件。多级水填充算法被应用于确定最优功率分配之间的微波BS和相关的用户。水位取决于发射器和接收器的波束宽度。匈牙利算法应用于解决副载波分配问题为非最优分配策略。

李等人。38)开发了一个基于时间的干扰资源分配机制D2D通信链路吞吐量最大化。资源优化问题建模为Stackelberg博弈与干扰导致链接支付更高的价格相比那些不造成干扰。干扰导致D2D联系预定访问mmwave网络并行传输。优化函数也制定作为一个非合作的纳什游戏D2D率最大化,同时获得一个传输功率控制之间的分布式干扰导致链接。此外,有一个修改定价策略通过设置一个干扰限制在60 GHz载波频率保证传输质量。结果显示改善网络吞吐量相比,提出一个基于顶点着色算法(46]。

Zhang et al。39)提出了一个优化方案毫米波传输能量D2D网络通过集成设备协会和波束宽度的选择。高斯定向天线模型的碾轧特性和反射性质的双线通道模型网络中都集成场景。制定优化问题以减少传输和节能mmwave网络是一个复杂的非线性问题,在确定其解决方案。这个问题与一个处理设备协会分成两个,另一个用于波束宽度的选择。设备关联问题是解决分布式框架而粒子群优化(PSO)算法用于优化波束宽度的计划。结果表明一些改善通过减少传动功率,减少干扰,改善系统的总和率相对于其他干扰缓解方案不考虑设备传输能量。

组成的混合网络的情况下两跳下行D2D继电保护提出了在40)通过集成mmwave和增速低于GHz乐队作为一种避免堵塞和户外城市网络覆盖扩展场景与不同密度的网站部署。资源分配机制在两个副载波结合继电器和梁选择为用户提高数据速率在单元边缘从而确保一致的用户体验。增速低于GHz乐队负责网络控制和通信的可靠性,而mmwave交流提供高吞吐量的提高。多目标的问题是制定和通过图论解决的能力选择一个继电器,分配资源,协调干预。图着色方法解决信道分配和协调的干扰问题,造型邻国之间的交互链接作为一个干涉图,确保正确的选择梁和继电器,资源分配和协调的干扰。结果显示更高的系统吞吐量与一些一致的用户体验。然而,大量的用户错过了两跳连接mmwave intersite距离时,400米以上。另一个挑战是很难确定一个适当的激励用户设备(UE)可以用作接力。

在[42),一个密集的异构D2D网络研究了分配传输角度和时间段D2D发射机的一个密集的网络。这涉及到造型干涉图显示系统中干扰的状态在任何给定的时间。传播角度和时间段分配优化问题是解决图基于理论的迭代算法。仿真结果表明减少复杂性和改进的性能相比,穷举搜索方法。然而,结果是次优算法并不是效率更高或更小数量的D2D设备。这是由于最小调整传输角度在这种情况下,因为大多数D2D链接直接沟通。

在[43),支持全频率复用的干扰控制方案是基于开发Stackelberg博弈在mmwave D2D网络。D2D对共享的上行资源块mmwave小细胞。资源配置优化功能旨在减少干扰和传输能量,同时最大化实现D2D吞吐量。结果显示一个更快的收敛速度和提高性能相比最大和速率分配算法用于(34]。

一层上行mmwave D2D-enabled蜂窝网络的中断概率性能开发分析细胞和集群D2D用户(44]。研究制定模式选择和频谱共享方案优化的故障概率mmwave细胞和D2D链接。结果表明,当网络获得了更高的中断概率与细胞和强化D2D用户或并发传输时多数D2D用户对。

3.1。网络场景

这给了一个对网络模型进行了描述。这需要的手机用户数量、D2D数量对,单细胞或多单元的上行或下行沟通或两者,BSs,模拟区域的尺寸(可以是圆形、六角形或广场)。在[28),网络模型包括一个BS放置在细胞的中心,多个D2D对,和多个均匀分布的全双工中继覆盖范围内的细胞。天线对有一个正交频分多址(OFDMA)子通道与再生中继过程。单细胞半径为300米的两端之间的距离D2D发射机和接收器从50米到200米不等。

在[29日),一个细胞与BS中心服务多个D2D用户为数据传输被认为是作为继电器。网络被认为在时分双工(TDD)运营模式有效的信道估计。细胞覆盖率为50米。在[30.),网络模型有多个D2D用户对和多个移动用户对单个细胞半径500米。移动用户之间的最小射程和D2D用户共享资源为35米的室外环境。相同的网络场景中使用(34]。在[31日),网络模型被认为是全双工多个继电器支持多个D2D用户覆盖范围扩张。研究认为,BS,多个继电器,D2D相同用户对被控制的网络运营商。对于每一个继电器,有两套天线通过再生过程为全双工通信。D2D用户对被分配正交不重叠的通道和一个专门的乐队。这项研究被认为是一个半径为500米的单细胞扇形定向天线模型发射器。

在[32),一个六角形细胞半径500米的BS位于中心被认为是多种细胞和多种D2D对网络场景。D2D对重用蜂窝用户资源时的信道状态信息(CSI)是有利的。D2D设备之间的最大允许范围为20米。细胞分为三个部门,每个部门有100资源块。

在[33),该研究认为网络有多个mmwave小细胞密集的实现。每个小细胞都有自己的BS服务的用户数量。D2D沟通是在一个小细胞和小细胞之间。多个D2D对蜂窝无线电资源的用户共享一个半径为100米的圆形细胞。D2D设备之间的最大距离是5米,IEEE 802.15.3c天线模型用于模拟网络的场景。

在[35),异构单细胞网络被认为是支持通信微波和mmwave乐队。D2D用户对通信专用mmwave乐队但也允许重用微波乐队如果链接干扰水平超出了设置的阈值。网络有多个D2D双和多个移动用户D2D对手机用户的上行资源共享。D2D用户设备之间的距离为 。广场模拟区域被认为是每一方是500 m和b位于中心。

在[36),混合异构移动网络被认为是覆盖mmwave和微波波段双频BS位于中心。多个手机用户和多个D2D对随机分布在细胞内的报道。网络有许多小宏单元的细胞内的报道。宏单元有一个半径为400米,而其中一个小细胞是50米。该网络模型也被用于(37),但与一些修改如定义多个虚拟现实用户设置的手机用户。在[38),mmwave微微细胞中心被认为是一个微微网控制器。网络有多个无线用户设备被认为在半双工通信。

不同的用户之间的通信设备是实现通过应用super-frame结构组成的一个灯塔,数据传输和争用访问。此外,该网络模型有多个D2D双随机分布的假定相互干扰。理想的平顶天线阵列模型用于定向天线所有用户设备。细胞的半径为50米,从5 - 15 m D2D设备之间的距离不同。

从这个分析可以看出,有需要实现双波段相结合的混合网络蜂窝用户,D2D对,全双工继电器、小细胞,宏单元在室外和室内环境。D2D双密度的增加所带来的影响,手机用户,继电器,小细胞网络性能应详细研究的能源效率和可实现的能力。然而,这些研究中的大部分人认为单细胞网络场景。因此,本研究需要扩展到多单元的网络场景和考虑所有干扰存在于这种网络设置。表2显示了绩效评估的比较基于网络场景中,通信方向,评价方法和解决方案的技术和工具。

3.2。业绩目标

这些指标应该是优化的mmwave D2D通信网络如表所示2。

这些性能目标被认为是在大多数mmwave D2D通信网络,可以描述如下。

(1)能源效率(EE)。这是传输的比特总数每焦耳的能量消耗的信号传输和发射机和接收机电路(47]。5 g网络实现应该达到一个能源效率的能源效率的至少100倍目前的蜂窝网络(48]。该指标的值越高越好性能进而导致延长电池寿命和节能为给定的5 g无线网络。

(2)吞吐量。这是定义为最大数据速率可以实现通过求和所有可用的链接D2D用户组或手机用户。它是在每秒(Mbps)。它也可以被称为率之和,可实现率,或一个网络的能力。这是一个重大指标5 g网络,因为它预计将有一个最低20 Gbps的峰值数据速率和最小的用户数据速率的100名议员支持超宽带视频应用mmwave D2D通信(47]。

(3)连接密度。这是设备的数量,单位面积上的连接。自从5 g网络将以强化用户数量(手机用户和D2D用户)和小细胞在室外和室内环境,这使得连接密度是一个重要的指标的实现mmwave D2D通信网络。

4所示。数学优化技术

有不同的数学方法方法被应用在无线网络中资源分配问题与不同程度的复杂性和收敛到一个解决方案。数学技术已经用于分配资源和速率,网络吞吐量、和能源效率最大化,最小化干扰,能源消耗,延迟或延迟mmwave D2D通信将在以下部分中讨论。

4.1。非线性优化技术

能源效率的优化mmwave D2D通信网络属于一类优化问题称为部分程序。分式规划问题的目标函数是一个比两个实值函数。如果分子和分母都是可微的,那么pseudoconcave能源效率函数,及其解决方案可以通过应用非线性优化技术如拉格朗日方法或马条件下,迭代冲水,和对分法。非线性解技术并不能保证收敛到最佳点,他们往往长时间计算即。收敛速度慢。拉格朗日方法基于马条件被广泛应用于解决问题与移动通信网络的资源分配。

拉格朗日技术已经应用于确定解决方案mmwave D2D资源优化问题的能源效率(28,36,37)和速度(29日,37],耆那教徒的公平性指数[28,29日),传输能量的最小化28),停机的概率D2D用户(36,37),和网络容量41]。然而,计算复杂性的非线性优化技术将会增加由于网络致密化和流动性,使他们不适合在未来的无线网络将以密集的用户和密集的小细胞。

4.2。博弈理论

一个游戏可以被定义为一个数学技术可以用于建模和分析不同的多个玩家之间的交互。无线通信网络采用博弈论在造型作为游戏的网络交互。在这些无线网络,节点或移动设备作为决策者的玩家可以竞争或合作最大化他们的回报。制定游戏的主要目标是战略之间的相互依存的网络节点或设备计算、存储和频谱资源的存在干涉一个无线网络。游戏有建模和分析问题的能力与资源分配在D2D-enabled毫米波通信网络。

游戏可以分为非合作的或合作游戏。在非合作的游戏中,竞争的战略决策是由相互作用的球员选择自己独立策略或行动来增强自己的效用或减少干扰或损失(成本)。非合作的博弈已应用于D2D衬底蜂窝通信控制功率(49],频谱共享[50),用户协会(51),协议设计和资源分配(52]。合作博弈研究的行为理性的玩家可以组建一个联盟或实施合作行为。球员形成合作组织或集群这种类型的游戏。

这个游戏已经成为一种很有前途的工具D2D网络来提高性能。尽管合作或联盟游戏的好处存在一个挑战足够的造型,复杂性,和用户公平性强化mmwave D2D网络。合作博弈已应用于D2D衬底网络安全(53),中继选择和资源配置54),功率控制(55- - - - - -57),干扰管理(58),和联合网络资源配置和干扰管理(59]。

由于细胞D2D资源重用的用户,有准确的干扰建模的挑战在衬底网络系统。这是解决利用mmwave乐队实现D2D网络超宽带视频应用程序来减轻干扰引起的多个D2D用户置于下面的通信网络。在mmwave D2D沟通、资源分配和干扰管理问题已经找到了解决办法合作博弈理论。例如,在mmwave D2D网络游戏理论已被用于解决优化问题和利率最大化(33,35)、网络吞吐量和D2D用户密度最大化(38]。

然而,这些博弈论的资源分配方法在mmwave D2D研究没有考虑多单元的网络场景中,哪里有需要考虑注液电池干扰,干扰用户对多个D2D之间,和D2D用户和mmwave小细胞基站的干扰。未来网络的多单元的网络场景中是非常有用的,因为它将为细胞边缘用户减少能源消耗。

4.3。匹配理论

这是数学的一个分支,已经被应用于无线网络性能分析建立在相互和动态之间的关系不同的理性和自私的用户(60]。它已经被应用于无线网络发展低复杂度和高性能分散的协议(61年]。它也被应用在微波和毫米波网络资源分配优化。

在[31日),匹配理论应用于解决中继选择问题D2D通信mmwave乐队最大化系统吞吐量和最小化总传输功率。一个多目标函数的组合优化来执行联合功率分配和继电器选择同时满足最小D2D数据速率,聚合D2D设备”,和继电器的传动功率约束。由于弯管机分解的复杂性,外近似,和分支界限法技术,一对一的匹配与加权两偶图建设应用提供可控的解决方案联合继电器和功率分配问题。结果显示某种程度的提高而增强随机搜索(ARS)和分布式中继选择算法。然而,集中资源分配方案在本研究提出将不适合合作,自我组织,分散和自治网络功能是必需的。此外,这项研究并没有考虑能源效率和能源消耗指标的方式解决的挑战未来无线设备的电池寿命。

然而,匹配理论应用在无线网络资源分配问题需要发展的网络场景,妥善处理的内在属性,可能包括干扰和延迟。此外,如果有不稳定的匹配,它可以导致BS交换,其首选的移动用户,另一个作为资源和用户受益于交换导致不稳定的网络操作。

4.4。图论

图论是数学工具,可以应用在建模和分析无线网络的相互作用和关系。它已经被应用于无线网络制定功率控制算法,干扰管理和拥塞控制与计算复杂性。此外,图论模型可以应用于干扰关系一样interference-aware图形应用interference-aware资源分配算法来减少D2D用户设备之间的干扰。

图论技术已应用于无线网络包括图形色彩和图分区。图着色已经应用在D2D网络执行干扰管理、信道分配、资源分配。图分区已被应用于执行聚类的网络节点或移动设备。图着色技术可以确定解决方案广泛的实用的无线网络优化问题。

图论已经申请下行D2D的底层通信网络中的资源分配(62年]。提出的资源分配算法,是基于信道指配interference-aware图给了附近的最优结果的解决方案。这帮助BS获得当地每个沟通意识和干扰链接通道方面的收益。然而,一个干涉图变得复杂当D2D用户的数量上升,设想在未来5 g无线网络。

图论也已经申请mmwave D2D沟通(40两跳连接)的挑战时,对一些用户intersite距离超过400米。因此,对于图论的好处最大化,算法需要开发基于新集群的机制。这将包括通过结合模式选择、QoS要求,和能源效率在发达资源分配算法。

4.5。启发式和Metaheuristic技术

的演进经历了在计算机科学领域的关键技术和解决方案的复杂性增加无线通信资源分配优化问题导致需要专业软件设计技术对大规模或密集的网络优化功能。动态规划等数学方法,拉格朗日优化启发式技术,和metaheuristic方法,如算法和遗传算法,用于在无线通信干扰管理和资源分配算法。遗传算法和PSO算法的优点避免过早收敛到局部最适条件由于随机搜索机制。此外,他们适用于大规模的网络问题,哪里有与冲突的约束多目标优化问题。

GA已经申请D2D通信的底层细胞通信(63年)最大化频谱效率和减少干扰。然而,本研究认为单细胞网络场景的假设不注液电池干扰,这不过是一个可能的网络场景在实际D2D无线通信网络。

PSO算法应用于(39)传动功率最小化和可实现的数据速率最大化通过考虑设备协会和波束宽度选择60 GHz mmwave D2D网络。这些研究可以扩展到其他性能指标如能源效率和能源消耗来提高未来移动设备的电池寿命。

5。挑战mmwave设备间通信

本节涉及的问题可能会阻碍部署mmwave D2D通信网络从满足他们的业绩目标。这涉及到的数学解算法应用,造型的频道,扩大网络(致密化)。他们详细讨论如下。

5.1。数学技术

有许多算法被认为是在文献中快速但启发式在本质上这意味着获得的结果可以远离最优解决方案。因此,现有算法的应用程序可能无法满足严格的性能要求第五代(5克)D2D网络。数值优化已经被用于开发算法,用于在D2D找到解决方案网络提供最优或次优的解决方案和移动设备没有流动的假设。因此,考虑到mmwave D2D网络场景和一些流动将导致更复杂的优化函数具有较高的复杂性。当前使用的数学工具可能不适合在一个实际的动态mmwave D2D网络收敛时间长。

此外,该算法已经应用到目前为止所基于的假设理想实现的数学优化问题,这样可以容易处理的问题。然而,这些假设不能在实际D2D网络环境中工作。此外,在强化mmwave D2D网络,有多种D2D设备,多个mmwave pico细胞,和mmwave毫微微细胞底层微波炉宏单元网络管理算法,可以复杂由于计算复杂度,增加基站的集中式网络管理开销,并增加成本,收集所需的信息。

5.2。信道建模

大多数的研究在文献中已经考虑一个细胞和所有通信链路建模为一个单一的路径损耗参数精度不足。没有精确的独立路径损耗指数和链接之间的距离与单一路径模型。因此,需要确定准确的路径损耗模型,包含mmwave小细胞的致密化。这些细胞的致密化会导致细胞的一些违规行为模式和堵塞mmwave通信带来的干扰成分不能被描述为一个单一的路径损耗指数。

5.3。网络致密化

网络致密化已成为一个主要支持5 g技术解决方案指数增长的交通需求。实现未来的5 g网络的部署将低成本和小细胞低功耗操作在毫米波频段特别是在交通需求更高的地区。这将包括有密集的小细胞的数量和密度的用户数量由每一个细胞。自从小细胞的数量上升,他们会在靠近D2D用户操作在其覆盖范围减少了intersite距离。这将产生严重的注液电池干扰邻近的细胞和细胞之间和用户操作在同一mmwave乐队。这种干扰会降低ultradensified网络的能力。取消干扰和干扰协调方案可以有效的抑制这种干扰的解决方案。然而,由于干扰信号来自节点和设备的几何与接收器,附近的干扰变得不那么发散和空间相关性。这减少了干扰消除和减轻干扰协调方案的有效性。此外,在mmwave乐队之初网络操作采用定向天线,产生光束可以用来减轻干扰邻近的节点或设备之间。 However, these directional antennas rely on information about the physical locations of the transmitting nodes or devices and their corresponding receivers. These nodes or devices change their positions dynamically due to user mobility which in turn increases the network overhead. Therefore, there is need to consider beamwidth selection and beam alignment techniques jointly together with the resource allocation or scheduling techniques for energy-efficient D2D communication in ultradense networks where both are utilizing the mmwave band. The backhauling in a network with dense millimeter-wave small cells can be a challenging issue for developing energy-efficient resource allocation schemes with backhauling constraint [64年]。

6。数学技术的优缺点

的mmwave D2D资源优化技术比较表3通过给每个技术的优缺点的基础上,计算复杂度和易于收敛于一个解决方案。

7所示。未来的研究方向

7.1。机器学习

的mmwave D2D通信网络将具有多通道条件和网络参数的变化。D2D设备和基站应该了解这些变化,以便采取适当行动。D2D设备之间的干扰,干扰毫微微细胞之间和D2D设备,毫微微细胞之间和干扰mmwave乐队中所有工作需要准确地为改善系统性能在吞吐量方面,能源效率,和延迟。因此,机器学习工具可应用于模型这个复杂的干扰和无线电资源分配优化问题没有明确的规划。机器学习可以克服一些挑战,指出在现有的算法。现有的资源分配算法无法处理或应用一些数据来解决优化问题的一些有意义的信息或模式中嵌入数据可能会丢失。这让他们很难适应网络环境的变化导致系统性能,从最优的结果。另外,大多数当前的算法开发的数值优化工具,结果最优或接近最优解考虑inband或外圈框石D2D网络场景在一个静态环境。这些发达算法也与高复杂性和理想是基于一些假设的数学问题容易处理制定。这种假设可能并不持有的实际mmwave D2D无线网络。 With all these challenges, machine learning enables the development of computationally intelligent techniques with less complexity and overhead [65年]。

一些研究inband D2D增速低于GHz乐队的通信网络应用机器学习技术。在[66年),合作的强化学习算法开发执行自适应功率分配D2D通信D2D和蜂窝用户的吞吐量最大化通过保持一个适当的干扰水平。在[67年),联合力量适应和模式选择策略是基于开发的可替换主体q学习算法被认为是。这项研究被认为是一个现实的场景中,基站有不完整的知识频道D2D用户和手机用户只有私人SINR信息。附近的最优结果,并展示了他们的一种改进的性能。然而,这项研究没有考虑链接eNB和D2D副之间的收益,D2D对之间制定的奖励功能,这是非常有用的在一种改进的传动功率的确定,和SINR水平,对于吞吐量最大化。

在[68年D2D用户),功率控制方案被认为是通过使用一个分布式q学习算法结合分布式和协作的q值的更新。资源分配方案是最大化吞吐量D2D对单细胞网络和手机用户。该算法表现更好的随机资源分配。然而,这项研究没有考虑相关的渠道获得相应的报酬函数。

在[69年),传输功率控制方案基于深度学习被认为是加权D2D总和率最大化。D2D用户共享无线资源的手机用户上行沟通与一个资源块在系统模型中考虑。研究结果表明,该方法获得high-weighted率和较低的计算时间与数值迭代优化方法。

然而,所有这些研究已进行微波D2D置于下面的网络可以扩展到mmwave D2D交流mmwave pico细胞减轻干扰。D2D用户之间的干扰和干扰D2D用户和mmwave pico细胞应该考虑能源效率和能源消费最大化的关键性能指标在未来5 g网络延长电池寿命。此外,基于强化学习的资源分配可以扩展为一个多单元的网络场景mmwave乐队的每一个细胞都可以建模为一个代理。

7.2。信道建模

的mmwave D2D沟通需要一些额外的分析和清楚地了解mmwave D2D链接的乐队。这也包括波束切换方法的实验验证,包括天线阵列的实际实现。的改善mmwave D2D通道造型将涉及多个通道建模方法或组合多种建模方法(混合)而不是处理一种建模方法。这将克服挑战与5 g系统的建模与开发模型的准确性和复杂性的权衡。例如,多个斜率路径损耗模型提供了一个更好的洛杉矶和仿真结果链接近似强化毫米波系统中由于不规则的细胞模式和阻塞特性相比单一路径损耗指数。研究还可以将基于机器学习波束形成的多用户模式mmwave D2D与时变系统在各种洛杉矶和仿真结果环境场景(70年]。

7.3。集群D2D用户

集群可以应用在mmwave D2D D2D交流设备接近彼此通过公共资源共享提供节能。D2D集群有助于整合物理关系和社会D2D用户终端之间的交互。异构网络场景通过无线电其他设备之间的资源共享。D2D集群也可以帮助减少交通信号,并提供改进的能量性能比传统的蜂窝系统(71年,72年]。D2D集群,然而,大多数的研究如(73年),已经考虑D2D沟通使用wi - fi直接形成集群。

为mmwave D2D沟通,集群已用于性能分析mmwave D2D沟通的SINR中断概率,概率,报道和区域频谱效率(74年- - - - - -76年)和覆盖。因此,有需要延长mmwave D2D集群D2D沟通通过考虑性能指标如能耗、能源效率、丢包率、延迟在静态和动态环境中。

7.4。绿色通信

5 g的主要挑战mmwave D2D网络将移动D2D设备的能源消耗。目标的关键是提高能源效率通过增加D2D率或降低电力消耗。能量收获是一种很有前途的解决方案,使移动设备用户设备的电池容量是有限的获取能量,延长电池寿命。因此,部署mmwave D2D网络需要分析的节能资源分配算法集成mmwave D2D网络,通过融合能量收获。

能源的优化函数收获mmwave D2D网络将考虑电池容量等约束和QoS和传输能量阈值。离线和在线资源分配优化问题因果知识也应该考虑。此外,节能的睡眠/唤醒eNB机制可以设计和基于q学习的整合D2D交流mmwave pico细胞(77年]。

7.5。用户移动性

大多数的研究进行毫米波设备间通信为细胞和D2D用户考虑静态环境。这个场景可能适合室内用户,哪里有最小的流动性,但对于户外网络场景中,假设可能不成立。因此,需要考虑用户移动资源分配优化机制,最大化D2D总和率和能源效率和减少延迟和inter-D2D对的干扰。

8。结论

资源分配的纸给了审查毫米波D2D网络基于一个新的分类组成的六种不同的数学技巧展示的分类。发现大部分的这些技术可以提供更好的结果,尽管他们是基于假设仿真期间减少计算复杂度。在实际系统中,这些假设不能持有部署D2D对毫米波波段。此外,这些研究主要处理单细胞网络场景,需要一个扩展多单元的网络。多单元的场景可以分析通过考虑能源效率、吞吐量、延迟和连接密度性能指标。调查也指出了的挑战,是阻碍实现最优结果与实际网络场景的所有功能纳入研究。开放的研究应该探索的问题进一步的研究社区在网络设备间实现一种改进的性能在毫米波波段也被赋予更好的性能mmwave D2D实现。

的利益冲突

没有利益冲突的出版物。

引用

1. 钱云会y l .魏r .问:胡和g .吴”关键元素使毫米波通信5 g无线系统,”IEEE无线通信,21卷,不。6,136 - 143年,2014页。视图:出版商的网站|谷歌学术搜索
2. y . j . Liu川,西山英彦(h . n .加藤和n Kadowaki”设备间通信在LTE-advanced网络,实现有效的负载均衡”IEEE无线通信,21卷,不。2,页57 - 65,2014。视图:出版商的网站|谷歌学术搜索
3. s . j . Liu, n .加藤h . Ujikawa铃木和k”设备间通信提高质量的软件定义的多层LTE-A网络经验,“IEEE网络卷,29号4,46 - 52点,2015页。视图:出版商的网站|谷歌学术搜索
4. p·马赫、z . Becvar和t . Vanek“带内OFDMA蜂窝网络中设备间通信:一项调查和挑战,”IEEE通信调查和教程,17卷,不。4、1885 - 1922年,2015页。视图:出版商的网站|谷歌学术搜索
5. 阿里和a·艾哈迈德,“资源配置,干扰管理和设备间的通信方式选择:一项调查,“交易在新兴的通信技术,28卷,不。7,3148年,页2017。视图:出版商的网站|谷歌学术搜索
6. r·安萨里c . Chrysostomou s a·哈桑et al。”5 g D2D网络:技术,挑战和未来前景,”IEEE系统杂志卷,99年,页1 - 15,2017。视图:谷歌学术搜索
7. f·贾米尔,z哈米德,f . Jabeen s Zeadally和m . A . Javed”设备间通信的一项调查显示:研究问题和挑战,”IEEE通信调查和教程,20卷,不。3、2133 - 2168年,2018页。视图:出版商的网站|谷歌学术搜索
8. A . Asadi问:王,诉的形象,“在蜂窝网络设备间通信的一项调查,”IEEE通信调查和教程,16卷,不。4、1801 - 1819年,2014页。视图:出版商的网站|谷歌学术搜索
9. n . j . Liu加藤,j . Ma和n Kadowaki”LTE-advanced网络设备间通信:一项调查,”IEEE通信调查和教程,17卷,不。4、1923 - 1940年,2015页。视图:出版商的网站|谷歌学术搜索
10. m . Haus m·瓦格a . y .叮,y, s . Tarkoma和j·奥特,“安全和隐私在设备间(D2D)沟通:复习一下,”IEEE通信调查和教程,19卷,不。2、1054 - 1079年,2017页。视图:出版商的网站|谷歌学术搜索
11. r . Alkurd r . m . Shubair, Abualhaol,“调查设备间通信:挑战和设计问题,”12 IEE学报》国际会议上新的电路和系统,河,三,魁北克,加拿大,2014年6月。视图:谷歌学术搜索
12. m . Wang和z燕”,一项调查在D2D通信安全,”移动网络和应用程序,22卷,不。2、195 - 208年,2017页。视图:出版商的网站|谷歌学术搜索
13. s . Yu w·埃贾兹·,正在l .关,a . Anpalagan”D2D通信资源分配方案:概述,分类,和挑战,”无线个人通信,卷96,不。1,第322 - 303页,2017。视图:出版商的网站|谷歌学术搜索
14. t·沙阿,s·f·哈桑,在公元前。甜美、p h . j .庄和m . y .钟“设备间通信:当代的一项调查,”无线个人通信,卷98,不。1,第1284 - 1247页,2018。视图:出版商的网站|谷歌学术搜索
15. f·s·谢赫和r . Wismuller路由在种移动设备间(D2D)网络:一项调查,“IEEE通信调查和教程,20卷,不。4、2622 - 2657年,2018页。视图:出版商的网站|谷歌学术搜索
16. j·金姆和a . f .莫氏利施“Quality-aware毫米波设备间种路由5 g蜂窝网络,”《IEEE国际会议交流2014年6月,悉尼,澳大利亚,。视图:谷歌学术搜索
17. n . Eshraghi b Maham诉Shah-Mansouri,“多媒体应用,毫米波设备间种路由”《IEEE国际会议交流吉隆坡,马来西亚,2016年5月。视图:谷歌学术搜索
18. s . Riolo d潘诺博士,迪马利亚,“一个新的集中访问控制方法mmwave D2D通信、”《IEEE 13无线和移动计算国际会议上,网络和通信2017年10月,罗马,意大利,。视图:谷歌学术搜索
19. g . Misra Agarwal, s . Misra和k·阿加瓦尔,”在5 g无线蜂窝网络设备间毫米波通信(下一代前途的无线蜂窝技术)”《IEEE国际会议信号处理、通信、电力和嵌入式系统Paralakhemundi Odisha,印度,2016年10月。视图:谷歌学术搜索
20. j . Furqan z哈米德,f . Jabeen s Zeadally和m . Javed”设备间通信的一项调查显示:研究问题和挑战,”IEEE通信调查和教程,20卷,不。3、2133 - 2168年,2018页。视图:出版商的网站|谷歌学术搜索
21. d, l, y Yuan-Wu, s, g . Li和g .冯”在蜂窝网络设备间的通信,”IEEE通讯杂志,52卷,不。4,49-55,2014页。视图:出版商的网站|谷歌学术搜索
22. h·w . Yu, j .阮e . Blasch a . Hematian和w·高,“调查公共安全通信:用户端和网络方面的解决方案和未来的发展方向,”IEEE访问》第六卷,第70425 - 70397页,2018年。视图:出版商的网站|谷歌学术搜索
23. 诉高,美国Yuzgez、c . Bayilmis和k . Kucuk”D2D通信和能源效率对LTE的公共安全网络”学报》第三届IEEE计算机科学与工程国际会议(UBMK)我,Federacija Bosna黑塞哥维那,波斯尼亚和黑塞哥维那,2018年。视图:谷歌学术搜索
24. l . g .赵s . Chen气、l .赵和l . Hanzo”Mobile-traffic-aware出售能源大规模D2D-enabled spectral-efficient蜂窝网络,”IEEE无线通信,18卷,不。6,3251 - 3264年,2019页。视图:出版商的网站|谷歌学术搜索
25. h .太阳,z, r .问:胡和y .钱,“可穿戴在5 g通信:挑战和支持技术,”IEEE车辆技术杂志,13卷,不。3、2332 - 2345年,2018页。视图:出版商的网站|谷歌学术搜索
26. p .帕瓦尔和a . Trivedi”基于设备间通信的物联网系统:好处和挑战,”IETE技术评审,36卷,不。4、362 - 374年,2019页。视图:出版商的网站|谷歌学术搜索
27. m·艾哈迈德·m·瓦y . Li m . Sheraz d·金和z汉,“调查社会意识到设备间的通信,IEEE通信调查和教程,20卷,不。3、2169 - 2197年,2018页。视图:出版商的网站|谷歌学术搜索
28. w . Chang和J.-C。腾,“节能继电器匹配与瓶颈效应消除权力调整为全双工中继协助D2D网络使用mmwave技术,”IEEE访问》第六卷,第3309 - 3300页,2018年。视图:出版商的网站|谷歌学术搜索
29. m·冯毛,和t .江”处理链接堵塞mmwave网络:D2D传送或多波束反射?“在学报》第28届IEEE年度个人Intermnational研讨会,室内和移动无线电通信2017年10月,蒙特利尔,魁北克,加拿大。视图:谷歌学术搜索
30. z Guizani和n·哈姆迪”,频谱资源管理和干预缓解D2D通信误码率的意识mmwave 5 g衬底网络”21 IEEE学报》研讨会上计算机和通信,墨西拿,意大利,2016年6月。视图:谷歌学术搜索
31. 马b、h . Shah-Mansouri和v . Wong“全双工中继转发mmwave D2D沟通的5 g网络为基础,“IEEE通信,17卷,不。7,4417 - 4431页。视图:谷歌学术搜索
32. gdp Swetha g . r .没吃,“公平的资源分配在mmwave D2D沟通5 g网络”美国第16届地中海特设网络研讨会,Med-Hoc-Net 2017Budva,黑山共和国,2017年6月。视图:谷歌学术搜索
33. 李y, y妞妞,h·史,r .他和z中,“联盟形成游戏基于满足分配设备间衬底mmwave小细胞,”第二届美国大西洋Radio-Scientifique国际无线电科学会议大加那利岛,西班牙,2018年6月。视图:谷歌学术搜索
34. z Guizani和n .哈姆迪”Mmwave E-band D2D通信5 g衬底网络:功率分配对D2D和细胞的影响用户吞吐量,”《IEEE计算机和通信(ISCC)研讨会上,墨西拿,意大利,2016年6月。视图:谷歌学术搜索
35. y y, b . Ai,妞妞,k .关“资源分配设备间通信的底层异构移动网络使用coalitional游戏,”IEEE无线通信,17卷,不。6,4163 - 4176年,2018页。视图:出版商的网站|谷歌学术搜索
36. h·佩尔维斯•,是pml - q s a纳克维问:镍、和l . Musavian”自适应功率控制机制与mmwave D2D使混合蜂窝网络小细胞:一种优化方法,”学报2016年IEEE Globecom研讨会美国,华盛顿特区,2016年12月。视图:谷歌学术搜索
37. s a·r·纳·h·佩尔维斯•,是pml - q s a·哈桑et al。”D2D-enabled多层HetNets节能意识无线电资源管理”,IEEE访问》第六卷,第16622 - 16610页,2018年。视图:出版商的网站|谷歌学术搜索
38. y, z, w . Wang和h . Wang”并发传输Stackelberg博弈mmwave D2D通讯网络为基础,”《IEEE国际会议交流,巴黎,法国,2017年5月。视图:谷歌学术搜索
39. z, c, h, m . Wang和美国的太阳,“权力优化辅助mmwave D2D通讯干扰管理网络,”IEEE访问》第六卷,第50682 - 50674页,2018年。视图:出版商的网站|谷歌学术搜索
40. j .邓o . Tirkkonen r . Freij-Hollanti t . Chen和n . Nikaein”的机会转发干扰资源分配和管理综合mmwave /增速低于GHz 5 g网络,”IEEE通讯杂志,55卷,不。6,94 - 101年,2017页。视图:出版商的网站|谷歌学术搜索
41. j .乔x沈,j·马克,y,他和l . Lei“启用设备间通信在毫米波5 g蜂窝网络,”IEEE通讯杂志,53卷,不。1,第215 - 209页,2015。视图:出版商的网站|谷歌学术搜索
42. m . s . l . Wang Liu, y, b .郑,”联合资源分配算法mmwave设备间网络异构天线阵列,”第十届IEEE国际研讨会论文集在无线通信和信号处理2018年10月,杭州,中国。视图:谷歌学术搜索
43. j . Ning l·冯·周et al .,“干扰控制基于Stackelberg博弈D2D底层5 g mmwave小细胞网络”IEEE国际会议通信学报》(ICC)2019年5月,上海,中国。视图:谷歌学术搜索
44. e .作风和m . c . Gursoy”中断概率分析D2D-enabled mmwave蜂窝网络与集群用户”第88届IEEE车辆技术研讨会论文集美国,芝加哥,IL, 2018年8月。视图:谷歌学术搜索
45. 马b、h . Sha-Mansouri和v . Wong“功率高效继电器选择匹配的方法在全双工D2D网络”在通信学报IEEE国际会议(ICC)吉隆坡,马来西亚,2016年5月。视图:谷歌学术搜索
46. w·拉赫曼·j·汉,c .杨·m·艾哈迈德和x道,“对设备间通信调度算法在60 GHz网络”《IEEE无线通信和网络会议2014年4月,伊斯坦布尔,土耳其,。视图:谷歌学术搜索
47. 大肠Dahlman, . . s . Parkvall j . Skold教授,5 g NR:下一代无线接入技术、学术出版社,伦敦,英国,2018年。
48. w·香、k .郑和x沈,5 g移动通信瑞士巴塞尔,施普林格,2016年。
49. 陈x, r .问:胡j .全和g .吴”节能资源分配D2D通信的底层蜂窝网络,”《IEEE国际会议交流,伦敦,英国,2015年6月。视图:谷歌学术搜索
50. w·钟,b方,z .钱”游戏理论资源分配D2D MIMO异构网络,”无线个人通信,卷84,不。1,第285 - 273页,2015。视图:出版商的网站|谷歌学术搜索
51. g·李、赵y和d·李“博弈论的用户协会在超密度网络与设备间继电器、”无线个人通信,卷95,不。3、2691 - 2708年,2017页。视图:出版商的网站|谷歌学术搜索
52. s . t . Su b . y .黄c . y . Wang c·w·叶和h . y .魏”协议设计和游戏设备间无线资源分配理论解决方案,“IEEE车辆技术,卷66,不。5,4271 - 4286年,2017页。视图:谷歌学术搜索
53. 问:周,w . Lu,陈,l·杨和k . Wang”促进安全与效率D2D衬底沟通,”《IEEE全球通信会议2017年12月,新加坡滨海湾。视图:谷歌学术搜索
54. 赵c高,y, y,陈,“两级联合中继选择和博弈论方法在网络编码辅助D2D通信资源分配,”IEEE移动计算,16卷,不。10日,2697 - 2711年,2017页。视图:出版商的网站|谷歌学术搜索
55. j·g . Zhang, w·亨,x,和g·王,“分布式功率控制D2D通信的底层细胞网络采用Stackelberg博弈”《IEEE无线通信和网络会议美国,旧金山,2017年3月。视图:谷歌学术搜索
56. y汉道x, x张“权力分配设备间衬底与毫微微蜂窝通信采用Stackelberg博弈,”《IEEE无线通信和网络会议巴塞罗那,2018年4月。视图:谷歌学术搜索
57. x,美国马,张平,“Stackelberg博弈social-aware权力分配合作D2D通信为基础,“IEEE访问》第六卷,第49885 - 49877页,2018年。视图:出版商的网站|谷歌学术搜索
58. 王r . y . Liu, z汉,“Interference-constrained定价D2D网络,”IEEE无线通信,16卷,不。1,第486 - 475页,2017。视图:出版商的网站|谷歌学术搜索
59. 朱j . Hu w·亨,y, g . Wang x,和j .吴”重叠联盟形成游戏联合干扰管理和资源分配在D2D通信,”IEEE访问》第六卷,第6349 - 6341页,2018年。视图:出版商的网站|谷歌学术搜索
60. d . f . Manlove”下的匹配算法的偏好,“EATCS简报》,1卷,不。112年,2014年。视图:谷歌学术搜索
61. 到了去年,y, l .歌曲和z汉,“匹配理论:在无线通信中的应用,IEEE信号处理杂志,33卷,不。6,103 - 122年,2016页。视图:出版商的网站|谷歌学术搜索
62. l·r·张x Cheng杨,娇,“Interference-aware基于资源共享设备间通信的底层蜂窝网络,”IEEE无线通信和网络研讨会论文集(WCNC 13)2013年3月,上海,中国。视图:谷歌学术搜索
63. h . Takshi g·杜根,h·亚斯兰,”联合优化设备资源和权力的分配基于遗传算法,”IEEE访问》第六卷,第21183 - 21173页,2018年。视图:出版商的网站|谷歌学术搜索
64. 艾哈迈德·m·m . s . Faruque”5 g回程:需求、挑战和新兴技术,”宽带通信网络:最新进展和教训练习,IntechOpen,伦敦,英国,2018年。视图:谷歌学术搜索
65. 任江c, h, y, z汉,K.-C。陈,l . Hanzo“下一代无线网络机器学习范例,”IEEE无线通信,24卷,不。2、98 - 105年,2017页。视图:出版商的网站|谷歌学术搜索
66. m·汗·m·m·阿拉姆y Le Moullec和e . Yaacoub”合作强化学习在设备间通信自适应功率分配”《IEEE 4日世界物联网论坛,新加坡,2018年2月。视图:谷歌学术搜索
67. 朱裘y, z, y, g .孟和g .谢”联合模式选择和权力与强化学习适应,”学报》第十五届IEEE国际研讨会上无线通信系统(ISWCS 18)2018年8月,里斯本,葡萄牙,。视图:谷歌学术搜索
68. x z粉丝,顾、美国聂和l .张“D2D沟通,基于q学习的功率控制算法”《IEEE国际Symposum角色,室内和移动无线电通信瓦伦西亚,西班牙,2016年9月。视图:谷歌学术搜索
69. w·k·m·李和d·h·曹”,深度学习在置于下面的传输功率控制设备间通信,”IEEE系统杂志,2018年,页1 - 4。视图:谷歌学术搜索
70. 方面他,亚历克斯,p . Varkey y,问:什么,和d . Tujkovic“深度学习协调波束形成高度机动毫米波系统”IEEE访问》第六卷,第37348 - 37328页,2018年。视图:出版商的网站|谷歌学术搜索
71. g . l . Wang Araniti, c .曹w . Wang和y . Liu”设备间用户集群基于物理和社会特征,“国际期刊的分布式传感器网络,11卷,不。8,2015。视图:出版商的网站|谷歌学术搜索
72. m·阿什拉夫w . y .唷,m .哇,和k·g·李,“智能节能device-to-multidevice合作集群多播的内容,“国际期刊的分布式传感器网络,12卷,不。4、2016。视图:出版商的网站|谷歌学术搜索
73. a . Paramonov o·侯赛因,k . Samouylov a . Koucheryavy r . Kirichek y Koucheryavy,“集群优化带外D2D通信,”无线通信和移动计算卷,2017篇文章ID 6747052, 11页,2017年。视图:出版商的网站|谷歌学术搜索
74. e .作风和m . c . Gursoy”上行性能分析在D2D-enabled mmwave蜂窝网络与集群用户,”IEEE无线通信,18卷,不。2、1085 - 1100年,2019页。视图:出版商的网站|谷歌学术搜索
75. 刘w .咦,y, a . Nallanathan”D2D毫米波网络的建模和分析集群与泊松过程,”IEEE通信,卷65,不。12日,第5588 - 5574页,2017年。视图:出版商的网站|谷歌学术搜索
76. 刘w .咦,y, a . Nallanathan”的建模和分析集群D2D毫米波通信、”《国际会议上计算、网络和通信毛伊岛,美国,2018年3月,你好。视图:谷歌学术搜索
77. 问:吴,g . y . Li w·陈,d . w . k . Ng和r . Schober”的概述可持续绿色5 g网络,”IEEE无线通信,24卷,不。4、72 - 80年,2017页。视图:出版商的网站|谷歌学术搜索

版权

版权©2019榛子Onkundi Ombongi等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。