这篇文档属于类型a，即报告了一项原创研究的科学论文。以下是对该研究的学术报告：
本研究的主要作者是Mengyao Ge和Douglas M. Blough，他们来自美国乔治亚理工学院的电气与计算机工程学院。该研究于2018年10月发表在《IEEE/ACM Transactions on Networking》期刊上，题为《High Throughput and Fair Scheduling for Multi-AP Multiuser MIMO in Dense Wireless Networks》。
随着无线设备数量和带宽需求应用的快速增长，无线数据流量在过去十年中经历了显著增长。为了满足这种需求，无线局域网（WLAN）技术的改进和密集部署的接入点（APs）被寄予厚望。然而，密集部署的APs在共享有限的非授权频谱时，会导致高同频干扰，从而限制整体性能的提升。传统的技术，如为不同APs分配正交信道或为非重叠时隙分配用户，最多只能将有限的带宽均分给用户。为了突破这一瓶颈，AP协作与先进的多用户多输入多输出（MIMO）处理技术被提出。
本研究的主要目标是解决密集无线网络中的公平调度问题，特别是在AP协作和多用户MIMO链路的情况下。具体来说，研究旨在最大化聚合吞吐量，同时满足一个足够通用的公平性约束，以捕捉多种不同的公平性目标。为此，研究提出了两种算法来近似解决这一非凸优化问题。
研究分为以下几个主要步骤：
问题建模与优化目标
研究首先形式化了一个非凸优化问题，该问题捕捉了问题设置的所有方面。优化目标是在满足公平性约束的条件下，最大化聚合吞吐量。公平性约束通过时间公平性（time-based fairness）来实现，即每个用户被分配相等的时间，其带宽则取决于用户数量及其自身的数据速率。
算法设计与实现
研究提出了两种算法来近似解决上述优化问题：
仿真实验与结果分析
研究通过仿真实验验证了所提出算法的性能。仿真结果表明：
联合优化算法的性能
联合优化算法在仿真中表现出色，能够在保证完美公平性的同时，显著提高聚合吞吐量。对于50用户的场景，该算法的聚合吞吐量比现有方法高出10%以上，且运行时间在可接受范围内。
两阶段启发式算法的性能
两阶段启发式算法在聚合吞吐量方面表现接近现有启发式算法，同时显著降低了计算复杂度。此外，该算法还允许通过调整参数，在吞吐量和公平性之间进行灵活权衡。
多时隙调度与单时隙调度的对比
研究还对比了多时隙调度与单时隙调度的性能。结果表明，多时隙调度能够更好地利用多用户MIMO的优势，显著提高聚合吞吐量。相比之下，单时隙调度由于受到最差用户信道质量的限制，性能提升有限。
本研究的结论是，通过联合优化用户选择、MIMO预编码器和时隙分配，可以在密集无线网络中实现高吞吐量和公平性。联合优化算法虽然在计算成本上较高，但其性能显著优于现有方法。两阶段启发式算法则在计算复杂度和性能之间取得了良好的平衡，适用于实际应用场景。
研究的科学价值在于首次提出了一个完整的数学模型，用于优化多AP多用户MIMO网络中的多时隙调度问题，并提出了两种高效的算法来解决这一问题。该研究的应用价值在于为密集无线网络中的公平调度提供了新的解决方案，特别是在企业环境中，能够显著提高网络性能并满足用户的公平性需求。
研究还详细讨论了算法的收敛性、计算复杂度以及在不同场景下的适用性。此外，研究还对比了多种现有算法的性能，进一步验证了所提出算法的优越性。这些内容为后续研究提供了重要的参考和借鉴。