认知无线电网络中的非正交多址资源分配算法

随着物联网的发展和移动终端的普及,用户对数据速率需求快速增长,移动通信系统依然面临着频谱资源紧缺问题。针对认知无线电网络中的非正交多址接入(non-orthogonal multiple access, NOMA)技术,研究了认知无线电网络中非正交多址信道和功率联合优化问题。以主用户干扰功率和次用户最小吞吐量以及子信道最大复用用户数为约束条件,综合考虑信道状态信息和功率资源,以提高系统能效为目标,建立了信道和功率资源分配优化模型。为了避免信道状态相近的用户复用在同一子信道上,提出了一种次优公平性可调的信道分配算法,并基于连续凸近似和Dinkelbach模型,得到子信道复用用户间的最优功率分配。仿真结果表明,所提算法可以在提高用户公平性的同时,有效提高系统能效。     

高公平性的OFDMA自适应资源分配方案

针对基于速率自适应准则的正交频分多址自适应资源分配中系统容量和用户公平性的不兼容性问题,提出一种高公平性的自适应资源分配方案.该方案通过基于高公平性的子载波分配算法和基于模拟退火的人工蜂群算法的功率分配实现.在子载波分配算法中,通过引入比例因子a,将子载波分为两部分,首先选取a N个子载波分配给速率比例低的用户,以保证用户间的高公平性;然后将剩余子载波分配给信道增益最高的用户,且每个用户最多只能分配一个子载波,以提高系统容量.在功率分配中,利用基于模拟退火的改进人工蜂群算法实现在所有用户之间的功率寻优,以此获得更大的系统容量.仿真结果表明:所提出的方案不仅保证了用户之间的高公平性,而且有效增加了系统容量,证明了该算法的有效性.     

非正交多址认知无线电网络功率分配算法

非正交多址和认知无线电技术能有效提高频谱效率,是新一代移动通信系统的关键技术。针对功率域非正交多址认知无线电网络的能效优化问题,建立了满足次用户最小系统吞吐量和主用户最大干扰的次用户功率分配模型,将子信道吞吐量公式进行分解,得到子信道功率分配系数和子信道功率消耗率2个子问题。针对第1个问题,采取凸差(difference of convex,DC)规划算法将目标函数等效为2个凸函数差形式,并应用一阶泰勒展开式进行连续近似,将非凸问题转换为凸优化问题,从而得到子信道复用次用户最优功率分配系数;针对第2个问题,采用Dinkelbach算法和次梯度算法,利用拉格朗日函数,得到最优子信道功率消耗率。仿真结果表明,所提功率分配算法收敛速度快,时间复杂度低,其平均系统能效性能远优于分数功率分配算法。     

认知无线电网络信道分配联合策略算法

在认知无线电网络中,次级用户在保证主用户通信服务质量不受影响的前提下,可以伺机复用主用户的空闲信道进行通信,以满足次级用户自身的通信需求,充分利用系统内的信道资源,并有效提升系统的合速率。考虑接收终端干扰的影响,提出一种基于underlay机制下的全干扰系统模型,并基于该模型提出一种联合策略的信道分配算法。联合策略算法采用加入了定向变异因子的改良遗传算法为多个次级用户分配信道,之后使用拍卖算法对信道内所有的次级用户进行功率分配或者信干噪比控制。仿真实验表明,提出的联合策略算法能够明显地提升系统合速率,保证次级用户间的公平性,并且以较快的速度收敛至纳什均衡,能够有效进行信道资源优化分配。     

多用户多输入多输出-正交频分复用系统的一种子信道分配方案

针对多用户多输入多输出-正交频分复用(MIMO-OFDM)系统的下行链路,基于脏纸编码(DPC)和线性接收机,提出了一种简单的子信道分配方案.每个子载波上,各用户以其信道矩阵左奇异向量作为接收机;发射机已知所有用户的信道信息,通过贪婪DPC预编码,分配空间子信道;然后,根据各子信道增益进行注水功率分配获得最大的和速率信道容量.仿真表明,该方法可以实现接近Sato界的信道容量.     

D2D网络功率和频谱资源分配策略

针对蜂窝通信系统高能耗、 低通信资源利用率和低信道利用率的问题, 提出一种基于能量效率(energy efficiency, EE)与频谱效率（spectral efficiency, SE）联合优化的网络资源分配策略. 首先, 在保证通信用户服务质量（quality of server, QoS）的前提下, 提出一种基于启发式算法的信道选择策略, 为系统内的D2D（device-to-device）用户分配信道复用资源; 其次, 在通信系统干扰门限和回程容量限制约束下, 利用Lagrange对偶分解迭代实现系统功率和频谱资源分配. 仿真结果表明, 该算法能有效扩充系统内D2D用户的数量, 提高能量效率及信道利用率, 增加频谱利用率, 为D2D用户分配最优的功率, 增强业务承载能力, 降低通信系统能耗并减少资源浪费.     

一种正交调制协作系统的功率分配方法

针对正交调制协作系统中本地和中继信号采用等功率分配(EPA),导致系统资源利用率低的问题,提出了一种正交调制功率优化分配(QM-OPA)方法.QM-OPA方法以最小化系统误码率为目标,根据用户上行信道和用户间信道的平均信噪比来计算本地和中继信号的功率优化分配因子,并利用反馈信道将功率分配信息发送给协作用户,从而实现了功率的自适应分配,提高了系统的资源利用率.QM-OPA方法能降低系统误码率,且实现复杂度较低.仿真结果表明,在实际的非理想协作场景下,与EPA方法相比,QM-OPA方法在误码率为10-2～10-4时最大可提供约7 dB的信噪比增益.     

基于用户需求和历史信息的动态频谱分配算法

针对认知无线电系统中动态频谱分配算法开展研究,以干扰图模型为基础,提出一种改进的基于业务需求和历史信息的动态频谱分配算法。为利于快速收敛,算法采用最大独立集为分配起点,允许将信道同时分配给多个用户,联合功率控制机制最小化认知用户间的干扰,引入信道优先级和用户优先级表征历史信息和业务需求,优先分配高质量的信道给高优先级用户集以保证公平性。最后通过仿真分析进行了算法的有效性验证。     

多信道认知无线电频谱感知次用户和功率分配

为提高多信道认知无线电的吞吐量,提出了协作频谱感知子信道次用户和传输功率的联合分配算法.该算法基于主用户的存在状态,在约束次用户协作检测概率和总功率的基础上,以最大化次用户所有子信道的吞吐量总和为目标,通过交替方向优化获得子信道次用户和传输功率的联合分配.仿真结果表明:文中提出的联合分配算法通过较少的迭代次数就可以获得最优值,并且能够根据子信道状态动态地分配子信道次用户和传输功率,提高了次用户的吞吐量.     

一种新的协同通信功率分配方案

协同通信是一种新的空间分集技术,而功率分配技术直接影响了协同通信的有效性和可靠性.针对这个问题,给出了一种新的具有可调系数的功率分配框架,讨论了在每个用户功率受限情况下的功率分配方案,并且基于该框架研究了以2用户的比特误码率之和最小为目标函数的功率分配方案.仿真表明,在不同用户信道情况下进行用户协同,当功率受限时,采用合适的功率分配可以使系统中各用户的误码性能得到较好的权衡.     

基于中继OFDM系统的成比例公平分配算法

为了满足无线蜂窝小区内不同用户的业务需求,针对下行正交频分复用中继系统,提出一种基于成比例公平约束的资源分配方案,其主要包括基站与中继处的子载波和功率分配,并在子载波分配过程中提出2种算法.其中,严格的速率成比例公平算法以尽可能满足速率成比例公平为目标,将子载波优先分配给比例公平性最差的用户;松弛的子载波成比例公平算法将速率成比例松弛为子载波成比例,避免了信道较差的用户占用大量子载波.子载波分配结束后,根据子载波分配策略进行注水功率分配.仿真结果表明,2种算法均能够较好地满足成比例公平约束,且与传统无中继的资源分配算法相比,明显提高了系统吞吐量.     

基于用户满意度的CoMP-JT多小区资源分配算法

在协作多点传输（coordinated multiple points transmission,CoMP）的联合传输（joint transmission,JT）系统中,为了提高用户的服务质量,提出了一种基于用户满意度的多小区资源分配算法。该算法基于用户累积时延构建了一个用户满意度函数,将客观时延和吞吐量转化为主观满意度,再通过最大化所有用户的满意度,推导出了一个有效的单小区资源初始分配算法,最后在多小区资源分配过程中通过集中控制单元对所有小区资源进行最终分配。理论分析与仿真结果表明,与传统算法相比,该算法能够在公平性,时延和吞吐量方面能够更好地适应用户的需求。     

基于用户需求和等待时间的改进型频谱分配算法

通过对最新的图论着色频谱分配算法进行分析,提出了一种基于用户需求和等待时间的改进型频谱分配算法。解决了频谱资源紧张情况下用户等待时间太长的问题。使认知用户机会均等地使用频谱资源。经过频谱复用,更好地满足了用户频谱需求。仿真结果表明该算法是有效的,提出的算法提高了频谱利用率并且保证了系统公平性。     

无线回传网络中队列感知在线功率分配策略

无线回传技术因其能大幅降低运营商成本开销、给用户终端提供根本上的灵活性并提高网络整体频谱效率等优势,是下一代移动网络中具有前景的解决方案之一。通过利用李雅普诺夫(Lyapunov)优化框架和凸优化理论,提出了一种基于队列感知的带内全双工无线回传网络功率分配算法。该算法在每个离散的资源调度时隙内,通过综合考虑信道和队列状态信息,动态地为各用户的接入链路和小基站的回传链路分配功率,以实现在保证网络稳定性和满足各用户服务质量需求的同时,最大化网络平均和频谱效率。此外,理论分析和仿真结果显示,所提出的算法可通过调整引入的控制参量的取值灵活地实现时延与谱效间的动态平衡。     

超密集异构网中基于配对理论的用户关联算法

超密集异构网络作为提升网络数据流量和用户速率的有效手段,成为5G关键技术中的一员。但超密集部署的小小区基站势必会导致系统总能耗的增加,以及用户接入公平性等问题。解决给定目标速率条件下基于能效优化的用户关联(也称为用户接入)问题。改进了原有的功耗优化模型,使之更准确地反映基站的实际发射功率和总功耗。在此基础上,利用拉格朗日对偶和二分法对关联过程中用户分配到的资源比例和基站为每个关联用户提供的发射功率进行优化和调节;同时结合配对理论,提出一种综合考虑能效和接入公平度的用户关联算法。性能仿真和对比结果表明,算法在保持良好的用户接入公平性的基础上有效提升了系统能效。     

基于公平权重的电动汽车充电功率分配策略

为满足规模化电动汽车用户多样性的充电需求,提出一种基于公平权重的电动汽车充电功率分配策略.首先,在M/M/C/N排队模型的基础上加入优先级惩罚机制,初步优化用户等待时长和充电功率;其次,针对用户充电时的满意度问题,提出一种基于惩罚因子的用户满意度函数;最后,利用优化的熵权法在满足用户需求的前提下,将用户间的充电公平因子以权重的形式参与到功率分配中,实现对区内可用负荷的公平分配,并运用用户满意度函数对功率分配方法进行评价.仿真算例表明,新用户加入充电方式分配算法和基于公平权重的功率分配策略能进一步优化用户等待时长和充电功率;所提出的用户满意度函数也能有效地评价用户对充电站的态度,有助于各充电站改进服务,进一步优化用户体验.     

Optimal joint relay selection and resource allocation with QoS constraints in multiuser OFDM-based cellular networks

This paper investigates the relay selection and resource allocation problem in muhiuser orthogonal frequency division multiplexing (OFDM) based cooperative cellular networks,in which user nodes could relay information for each other using the decode-and-forward (DF) protocol to achieve spatial diversity gain.Specifically,the paper proposes an optimal joint relay selection and resource allocation (ORSRA) algorithm whose objective is to maximize system total achievable data rate with the constraints of each user' s individual quality of service (QoS) requirement and transmission power.Due to being a mixed binary integer programming (MBIP) problem,a novel two-level Lagrangian dual-primal decomposition and subgradient projection approach is proposed to not only select the appropriate cooperative relay nodes,but also allocate subcarries and power optimally.Simulation results demonstrate that our proposed scheme can efficiently enhance overall system data rate and guarantee each user's QoS requirement.Meanwhile,the fairness among users can be improved dramatically.     

一种有效的比例公平算法

针对基于OFDM的认知无线电系统中多个认知用户之间的频谱资源分配问题,提出了一种比特和功率分配算法.首先,对认知用户的发射功率加以约束以保证认知用户的通信质量;然后运用“两部分法”并引入比例分配因子来避免认知用户的频谱资源分配不均衡问题;最后对所提算法进行了仿真,其中对认知用户的分配结果表明所提算法不仅能够保证每个用户的通信质量而且能够提升信道总容量.