导读:本文包含了基站协同论文开题报告文献综述及选题提纲参考文献，主要关键词:小基站,微基站,宏基站,建网成本
基站协同论文文献综述
耿鹏飞[1]（2019）在《诺基亚:宏微基站协同 探索5G时代的新“蓝海”》一文中研究指出小基站将在5G时代扮演更加重要的角色,主要体现在覆盖延伸、容量提升以及垂直行业区域性覆盖等方面。由于高速度、广覆盖、低功耗的特性,5G在业界被寄予无限的发展希望,也成为大家最为关注的话题之一。然而,由于5G部署在高频段,传播损耗大、覆盖距离近,所以5G如果想要达到和4G同样的覆盖效果,就需要更多的5G基站。为此,业界也在积极探索一种更合理的部署方式,宏基站广覆盖+小基站"补(本文来源于《通信世界》期刊2019年22期）
徐智[2]（2019）在《面向基站选址系统的数据可视化技术与协同过滤算法研究》一文中研究指出在当今计算机科学技术高速发展与大数据的背景下,各类软件工程系统面临许多新的挑战:如何让系统用户在面对海量数据时,直观高效地获取有用的信息;如何构建合理的算法模型,来帮助系统用户做更优的决策;如何将新型算法与工程实践结合等。而数据可视化、协同过滤等技术可以很好的解决上述问题,从而提高系统的工作效率。以通信领域中常见的一类软件系统——基站选址系统为例,本文研究了其中的工作流数据模型,并根据数据属性设计了新型的数据可视化方案;对于协同过滤算法运用在系统中的存在的问题,本文提出了改善矩阵稀疏度与冷启动问题的解决方案。最后对可视化方案进行了工程化的实现。本文的主要研究内容如下:首先,本文研究了基站选址系统中的工作流数据,定义出可视化模型,并据此设计了将地理属性和时序属性分开可视化然后结合的可视化方案。在对地理属性可视化时,针对数据量大而出现的点重迭问题,本文提出了一种结合点半径属性的空间变形算法,在总体重迭距离最小的情况下完成对数据点位置的重新排布,并用实验证明了算法的有效性;随后基于桑基图设计了新的可视化形式,来对时序属性部分进行可视化,并与地理属性可视化部分结合,很好地完成了对工作流数据的可视化。其次,在应用协同过滤算法来为选址系统的任务推荐处理人时,针对算法出现的评分矩阵稀疏和冷启动导致推荐不准确的问题,本文提出了一种结合任务属性的预测填充算法,将系统中流程任务数据的地理属性、状态属性,以及被处理人处理时的时序属性综合考虑,量化成影响因子,计算任务间相似度进而预测矩阵评分,迭代地对矩阵进行填充,从而降低矩阵稀疏性,并解决了冷启动问题,提高推荐准确度。实验结果证明了算法的有效性。最后,本文对结合了数据可视化技术的基站选址系统进行了工程化的设计与实现。(本文来源于《北京邮电大学》期刊2019-05-31）
杨敏杰[3]（2019）在《基站功率的分布式多目标协同优化方法研究及应用》一文中研究指出功率是LTE网络的重要资源,合理配置基站小区发射功率能大幅度提升网络的性能。LTE网络的小区功率优化可以归结为多目标优化问题,需要考虑多种目标和约束,且依赖于网络配置信息和测量报告数据。采用进化算法求解功率优化问题时,随着网络规模的增大,优化过程计算开销急剧增长,其中多目标适应度评估耗时最多。为了解决实际大规模LTE网络功率优化这一难点问题,本文研究小区功率分布式协同优化,完成了以下4部分工作:(1)通过分析功率优化问题的特性和网络测量数据,建立多目标多约束的功率优化数学模型,优化目标包括最小化网络的弱覆盖、过覆盖、重迭覆盖和网内干扰,约束条件包括功率配置的唯一性和取值区间;(2)为降低适应度评估的计算开销并保证优化过程收敛性,设计了基于数据驱动MOEA/D的功率优化算法,以优化目标作为适应度函数,将进化迭代优化过程分解为一系列学习周期和评估周期。在学习周期内,神经网络代理根据样本在线学习适应度评估函数。在评估周期内,优化算法采用代理快速近似计算个体的适应度值;(3)提出面向大规模网络、基于协同进化的分布式优化方法。首先,根据小区间干扰关联性将大规模网络优化区域分解为多个小区簇,每个小区簇被分派到1个计算节点上,各计算节点采用数据驱动MOEA/D优化各自小区簇内的小区功率;在小区簇的迭代优化过程中,各小区簇定期相互交流当前最优个体,实现全体小区簇的协同功率优化;全体小区簇迭代进化完成后,挑选每个小区簇的多个优化解,根据多个解公共部分差异最小化原则构造全区域优化解;(4)依据上述研究内容,设计并实现了LTE网络基站小区功率优化软件系统。采用实际大规模LTE网络数据分别验证了上述数据驱动进化算法和基于协同进化的分布式功率优化机制。结果表明,数据驱动的优化方法能在不影响优化过程收敛性、不降低优化解质量的前提下,有效减少优化过程计算开销、提高优化速度;分布式的协同优化方法能在可接受的时间内,针对包含高达数千个优化小区的大规模网络,求解出高质量的功率优化方案。上述研究工作说明,本文所描述的数据驱动和分布式多目标协同优化机制面向真实的LTE网络优化需求,为实际大规模LTE网络的小区功率优化提供了一种有效手段。(本文来源于《北京邮电大学》期刊2019-05-29）
刘少珠,陈吉楚[4]（2019）在《博鳌智能网联汽车及5G应用试点项目亮相》一文中研究指出本报博鳌3月27日电（特派 刘少珠 陈吉楚）3月27日，在博鳌智能网联汽车及5G应用试点项目现场，参加博鳌亚洲论坛2019年年会的嘉宾与媒体体验了一把无人驾驶的乐趣，感受了科幻电影中未来世界的生活情景。本次活动是全球首次多品牌、多车型、多技术路线融合(本文来源于《叁亚日报》期刊2019-03-28）
张称金[5]（2018）在《莆田电信联合莆田铁塔协同基站规划》一文中研究指出本报讯 近日，福建莆田电信联合莆田铁塔加快疑难基站协同、规划及建设进度，进一步提升4G网络质量，保障用户移动网络使用感知，为攻坚克难阶段增添新动能。据悉，双方通过提前开展明年覆盖规划、现场查勘、方案编制，共同瞄准攻坚方向，解决浅层覆盖问题，同步(本文来源于《人民邮电》期刊2018-12-20）
叶蔼笙,陈潇,史俊辉,廖祖鹏[6]（2018）在《4G伪基站快速定位及协同优化方案研究》一文中研究指出对4G伪基站特征进行深入分析,提出了基于网管数据挖掘的快速定位方法,结合异频协同优化方案,可有效解决伪基站对运营商网络的干扰。目前该方案已在广东各地市推广,经验证效果良好,有利于及时掌握新型网络隐患,主动开展协同优化。(本文来源于《移动通信》期刊2018年10期）
[7]（2018）在《5G移动通信基站管理思考——融合 协同 创新》一文中研究指出在国家无线电管理局的指导下,5G公众移动通信试验网正在多地筹备和建设中,2020年即将全面商用,5G基站的布局和管理面临着新的挑战和压力,尤其是在上海市这样的特大型密集型城市。上海市无线电管理局结合多年基站管理的一些经验以及上海实际,在5G移动通信基站的管理方面进行了一些思考,下面分叁个方面向各位作一个简要汇报。(本文来源于《中国无线电》期刊2018年09期）
戴维[8]（2018）在《融合 协同 创新 面向未来的5G移动通信基站管理趋势》一文中研究指出当前，在工业和信息化部无线电管理局的指导下，5G公众移动通信试验网正在多地筹备和建设中。2020年，5G将全面商用，届时大量的5G基站将给管理带来新的挑战和压力，尤其是在上海这样的特大型密集型城市。结合多年基站管理经验，上海市无线电管理局在5G移动通信基(本文来源于《人民邮电》期刊2018-09-19）
陈宁,毛善君,李德龙,岳俊[9]（2018）在《多基站协同训练神经网络的PM2.5预测模型》一文中研究指出针对通过数值方法对PM2.5进行预测已经取得了良好的效果,但相关模型重视时间影响因子而对空间影响因素的关联性考虑不足的问题,该文提出了多基站协同训练长短时记忆网络预测模型。该模型以时空数据作为输入,并将多个基站数据进行协同训练。MC-LSTM网络通过采用多基站共享参数的方式,减少了需要训练的网络复杂度,减轻了网络过拟合的风险。利用MC-LSTM网络对北京市21个监测基站数据进行了处理,结果表明:MC-LSTM网络能够同时对各个基站的PM2.5浓度进行预测。(本文来源于《测绘科学》期刊2018年07期）
刘娇[10]（2018）在《面向5G超密集网络基站协同节能关键技术研究》一文中研究指出随着通信系统的快速发展,网络中终端设备呈现爆炸式增长,传统的网络架构将难以满足海量连接对系统容量和数据速率的需求。而超密集网络被认为是解决此问题的一种创新型手段。大规模地部署低功耗小基站节点,在一定程度上能够为用户提供更优质的服务,同时问题也随之显现,即使在低负载时间段,所有节点也都是以最大功率工作,因此在有效解决系统容量和覆盖问题的同时,也带来了严重的能耗问题。在此背景下,能够保证一定服务质量的网络节能技术得到了广泛的关注。本文针对面向5G的超密集网络(UDN:UltraDenseNetwork)节能技术展开研究。在通信网络中,由于用户在时域和空域上波动很大,所以在低负载时间段就会造成网络资源的浪费,而基站休眠技术可以灵活地使低负载小基站休眠,有效地解决能效问题。以保证用户服务质量(QoS:Quality of Service)并通过减少活跃基站的数目来提升网络能效为目标,本文分析了基站休眠方案中分布式算法和集中式算法的原理和性能,在此基础上针对集中式休眠算法随着基站规模的增大其复杂度过高而难以计算的问题,提出了一种基于遗传算法的集中式动态分簇休眠策略。该算法(1)首先在时域上运用多目标的均衡优化算法对时间段进行划分,综合考虑系统能效和算法复杂度来确定分簇决策时间点,每个时间段上保持同一种分簇方式不变。(2)随后在空域上对基站进行合理的分簇。将基站群转化为有向带权连通图,将分簇过程视为基于利益度的利益森林生成过程,并引入排斥因子使得分簇规模均衡。(3)最后在保证用户设备(UE:User Equipment)的服务质量、中断概率等约束条件下,将基站的休眠问题转化为一个0-1整数规划问题,在每个簇中利用遗传算法进行休眠组合的求解。本文分析了完全信息模型下基站的休眠策略,通过MATLAB仿真平台对提出的基于遗传算法的集中式分簇休眠方案在网络能量效率和复杂度方面进行了仿真验证。仿真结果表明,本文所提出的基站休眠方案在保证网络通信服务质量的基础上能够有效地提高网络的能量效率,具备较好的节能效果。与仅采用遗传算法和快速穷举法相比,本文设计的休眠算法能够极大地降低算法计算的复杂度,并且性能衰减可以忽略不计,整体的休眠部署更加合理。(本文来源于《北京交通大学》期刊2018-03-21）
基站协同论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在当今计算机科学技术高速发展与大数据的背景下,各类软件工程系统面临许多新的挑战:如何让系统用户在面对海量数据时,直观高效地获取有用的信息;如何构建合理的算法模型,来帮助系统用户做更优的决策;如何将新型算法与工程实践结合等。而数据可视化、协同过滤等技术可以很好的解决上述问题,从而提高系统的工作效率。以通信领域中常见的一类软件系统——基站选址系统为例,本文研究了其中的工作流数据模型,并根据数据属性设计了新型的数据可视化方案;对于协同过滤算法运用在系统中的存在的问题,本文提出了改善矩阵稀疏度与冷启动问题的解决方案。最后对可视化方案进行了工程化的实现。本文的主要研究内容如下:首先,本文研究了基站选址系统中的工作流数据,定义出可视化模型,并据此设计了将地理属性和时序属性分开可视化然后结合的可视化方案。在对地理属性可视化时,针对数据量大而出现的点重迭问题,本文提出了一种结合点半径属性的空间变形算法,在总体重迭距离最小的情况下完成对数据点位置的重新排布,并用实验证明了算法的有效性;随后基于桑基图设计了新的可视化形式,来对时序属性部分进行可视化,并与地理属性可视化部分结合,很好地完成了对工作流数据的可视化。其次,在应用协同过滤算法来为选址系统的任务推荐处理人时,针对算法出现的评分矩阵稀疏和冷启动导致推荐不准确的问题,本文提出了一种结合任务属性的预测填充算法,将系统中流程任务数据的地理属性、状态属性,以及被处理人处理时的时序属性综合考虑,量化成影响因子,计算任务间相似度进而预测矩阵评分,迭代地对矩阵进行填充,从而降低矩阵稀疏性,并解决了冷启动问题,提高推荐准确度。实验结果证明了算法的有效性。最后,本文对结合了数据可视化技术的基站选址系统进行了工程化的设计与实现。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基站协同论文参考文献
[1].耿鹏飞.诺基亚:宏微基站协同探索5G时代的新“蓝海”[J].通信世界.2019
[2].徐智.面向基站选址系统的数据可视化技术与协同过滤算法研究[D].北京邮电大学.2019
[3].杨敏杰.基站功率的分布式多目标协同优化方法研究及应用[D].北京邮电大学.2019
[4].刘少珠,陈吉楚.博鳌智能网联汽车及5G应用试点项目亮相[N].叁亚日报.2019
[5].张称金.莆田电信联合莆田铁塔协同基站规划[N].人民邮电.2018
[6].叶蔼笙,陈潇,史俊辉,廖祖鹏.4G伪基站快速定位及协同优化方案研究[J].移动通信.2018
[7]..5G移动通信基站管理思考——融合协同创新[J].中国无线电.2018
[8].戴维.融合协同创新面向未来的5G移动通信基站管理趋势[N].人民邮电.2018
[9].陈宁,毛善君,李德龙,岳俊.多基站协同训练神经网络的PM2.5预测模型[J].测绘科学.2018
[10].刘娇.面向5G超密集网络基站协同节能关键技术研究[D].北京交通大学.2018