TD_SCDMA中基于蚁群算法频率规划的研究与实现

论文摘要

随着TD-SCDMA网络建设的深入,在许多复杂的无线环境条件下同频干扰依然是影响网络质量的较为突出的问题。而在TDSCDMA中N频点的引入,又使频率规划成为了必不可少的一步。因此如何分配现有频率资源才能使同频干扰到达最小成为了近几年业界不断探索的话题。本文就是引入一种新的算法到TD-SCDMA的频率规划中,使同频污染在一定程度上得到了改善。目前,应用到频率规划中的算法非常有限,主要有Graph coloring算法和遗传算法。其中Graph coloring算法易实现,但同频污染问题严重;遗传算法效果好,但算法复杂,较难实现。为了寻找一种既简单又效果好的频率规划算法,改善TDSCDMA中同频污染的问题,使现有的频率规划算法更加丰富。本文引入了一种新算法——蚁群算法。和Graph coloring算法相比,蚁群算法在进行小区优先级排序时不仅考虑了距离因素而且考虑了干扰因素,使分配更加合理。将蚁群算法引用到频率规划中,信息素就相当于干扰,干扰用C/I来衡量。由于小区受的干扰越大（C/I越小）,受限制的分配频点就越多,就越应该提前分配频点即小区优先级越高。即C/I越小,转移概率越大,越应该提前分配频点。本文先介绍了蚁群算法的基本原理和频率规划的基本要求;讨论了该算法在频率规划中应用的可行性并介绍了具体应用的方法及步骤;展示了实验仿真的结果和实际工程对比结果;最后用MATLAB绘制了同频复用距离分布图,更直观的得出蚁群算法是通过增大同频复用距离改善同频污染问题的结论。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景
• SCDMA 的发展对我国的意义'>1.1.1 TD_SCDMA 的发展对我国的意义
• SCDMA 的发展现状'>1.1.2 TD_SCDMA 的发展现状
• SCDMA 的关键技术'>1.2 TD_SCDMA 的关键技术
• 1.2.1 智能天线
• 1.2.2 接力切换
• 1.2.3 联合检测
• 1.2.4 综合采用多种多址方式
• 1.2.5 动态信道分配
• 1.2.6 功率控制
• 1.3 课题研究意义及论文结构
• SCDMA 频率规划基本原理和算法'>第二章 TD_SCDMA 频率规划基本原理和算法
• SCDMA 频率规划的基本原理'>2.1 TD_SCDMA 频率规划的基本原理
• 2.1.1 N 频点
• 2.1.2 同频干扰
• 2.1.3 同频复用距离
• 2.1.4 同频复用比
• 2.1.5 小区优先级和频点优先级
• 2.2 移动通信中频率规划的常用算法
• 2.2.1 基于Graph coloring 算法的频率规划
• 2.2.1.1 Graph coloring 算法的基本原理
• 2.2.1.2 Graph coloring 算法的实现方法
• 2.2.1.3 Graph coloring 算法的实现步骤
• 2.2.1.4 Graph coloring 算法的分析
• 2.2.2 基于遗传算法的频率规划
• 2.2.2.1 遗传算法的基本原理
• 2.2.2.2 遗传算法的实现步骤
• 2.2.2.3 遗传算法的分析
• SCDMA 频率规划'>第三章 基于蚁群算法的TD_SCDMA 频率规划
• 3.1 引入蚁群算法的目的
• 3.2 蚁群算法的原理与实现
• 3.2.1 蚁群算法的基本原理
• 3.2.2 蚁群算法的数学模型
• 3.2.3 蚁群算法的流程图及实现步骤
• SCDMA 频率规划的约束条件'>3.3 TD_SCDMA 频率规划的约束条件
• 3.3.1 频率规划的输入信息
• 3.3.2 频率规划的约束条件
• 3.3.3 分扇区情况下的频率规划
• 3.4 基于蚁群算法频率规划的可行性分析
• 3.5 基于蚁群算法频率规划的数学模型
• 3.6 基于蚁群算法频率规划的实现步骤
• 3.7 编程实现与算法流程图
• 3.8 程序运行示例
• 第四章 实际场景案例及对比评估
• 4.1 典型场景案例
• 4.1.1 场景案例一：密集城区
• 4.1.2 场景案例二：普通城区
• 4.1.3 场景案例三：高速铁路
• 4.2 蚁群算法与Graph coloring 算法的工程对比及评估
• 4.2.1 对三个频点进行频率规划的工程对比
• 4.2.2 对五个频点进行频率规划的工程对比
• 4.2.3 蚁群算法和Graph coloring 算法的对比评估
• 第五章 总结展望
• 5.1 研究工作总结
• 5.2 未来工作展望
• 致谢
• 参考文献
• 攻读硕士学位期间的研究成果