基于超密集组网的无线传输容量优化方法研究

打开文本图片集

摘要：超密集组网（UDN）是5G/6G网络扩容关键技术，但微基站密度大幅提升导致跨层干扰。鉴于此本文提出了优化方法：利用分布式探针采集参数，改进支持向量机识别容量瓶颈，构建深度强化学习自适应模型优化资源。实验表明，该方案有效提升了吞吐量和频谱效率，相较于传统方法具有明显优势。

关键词：超密集组网；无线传输容量；支持向量机；优化方法

doi：10.3969/J.ISSN.1672-7274.2025.03.002

中图分类号：TN 929.5          文献标志码：B            文章编码：1672-7274（2025）03-000-03

Research on Optimization Methods for Wireless Transmission Capacity

Based on Ultra-Dense Network

WU Lian

（Diqing Branch of China Mobile Communications Group Yunnan Co.， Ltd.， Diqing 674499， China）

Abstract： Ultra-Dense Network （UDN） is a key technology for capacity expansion in 5G/6G. However， the increase in the density of micro base stations leads to cross-layer interference. This paper proposes optimization methods： using distributed probes to collect parameters， improving the Support Vector Machine to identify capacity bottlenecks， and constructing a deep reinforcement learning adaptive model to optimize resources. Experiments show that this scheme effectively improves throughput and spectral efficiency and has obvious advantages compared with traditional methods.

Keywords： ultra-dense network; wireless transmission capacity; support vector machine; optimization method

0   引言

在5G网络和未来6G网络中，超密集组网（Ultra-Dense Network，UDN）被认为是提高网络容量、支持海量连接设备的关键技术之一[1]。（剩余4600字）