在5 G移动通信网络中,大量采用绿色和电网能源混合供电的通信基站可以显著降低运营成本。针对异构网络混合能源供电基站的用户接入问题,文中提出了基于绿色能源感知的综合效用函数接入算法(Green Energy Perception Comprehensive utility function,GEPC)和结合调节的综合效用函数接入算法(Green Energy Perception based Comprehensive unility function Adjustment algorithm,GEPCA)。用户首先根据基站的绿色能源状况、接入信噪比等接入选择参数加权计算出效用值,选择效用值最小的基站接入,用户接入基站后,通过基站对接入用户进行调节来实现降低总能耗费用的效果。MATLAB仿真表明:GEPC算法在低负载时相比于RSRP(基于用户接收信号强度)、SINR(基于用户最大信干噪比)算法可以更有效地降低总能量消耗费用;在高负载时GEPCA算法和NEAT(绿色能源用户感知接入)算法相比显著提高了绿色能源的利用率,使之达到90%,同时有利于实现异构网络的负载均衡。
基于高阶奇异值分解(High Order Singular Value Decomposition,HOSVD)降噪的信道预测算法对天线数较少引起的秩不足问题比较敏感,同时也难以应付较大多普勒频移的情况,从而引起信道估计性能和预测性能的急剧下降、损失信道容量.针对这一问题,提出了一种改进的使用HOSVD降噪的信道预测算法.该算法先利用多输入多输出(Multiple-input Multiple-Output,MIMO)信道固有的空时相关性对采样得到的信道状态信息(Channel State Information,CSI)进行矩阵重排和数据平滑处理,随后基于信道的多维结构特性,使用HOSVD降低噪声的影响,继而重构信道矩阵,最后利用递归最小二乘滤波器对未来时刻的信道状态进行预测.仿真表明,所提算法的估计误差和预测误差性能均明显优于对比算法,这是因为所提算法通过矩阵重排和空时平滑,虚拟地增加了天线数,降低了秩缺失问题对估计和预测精度的影响,从而有效补偿了因误差所致的信道容量的损失.同时,对比天线数和多普勒频移对不同算法性能的影响可见,所提算法也能在大多普勒频移和天线数较少等不利条件下提供较好预测性能和信道容量,具有一定的优越性.
