基于疯狂自适应鱼群算法的认知无线电频谱分配

针对目前认知无线电网络中频谱利用无法满足指数级增长的通信需求、人工鱼群算法保持种群多样性差、全局搜索能力弱的问题,对图论频谱分配模型的人工鱼群算法进行了改进,得到了网络效益函数最优情况下的频谱分配.首先自适应调整视野和步长,保证算法前期较强的全局搜索能力和后期的收敛精度;然后在随机行为模式下引入疯狂算子,产生扰动以增加种群多样性.仿真实验对比了4种不同算法在相同模型参数下的系统总效益,同时对可用频谱和认知用户分别设置控制变量法测试算法性能.结果表明：改进后的人工鱼群算法全局搜索能力较强,具有较强的鲁棒性.     

基于遗传粒子群优化的认知OFDM网络资源分配算法

针对采用正交频分复用的认知无线电网络中的多用户资源分配,提出一种在系统传输功率额定值、主用户的干扰阈值、次用户间的比例公平性等约束条件下能使系统容量最大化的资源分配算法.首先基于遗传算法设计一种子载波分配方案,然后采用基于多级惩罚函数的粒子群优化算法进行功率分配.仿真表明,所提算法能获得接近于最优算法的系统容量,且能提高用户间的比例公平性,同时降低计算复杂度.     

改进人工蜂群算法求解多目标连续优化问题

多目标连续优化问题是实际应用和科研中最普遍的问题之一,也是学术界研究重点之一.根据人工蜂群算法求解过程,修正算法中的不足之处,改进算法中存在的盲目搜索,减少丢失算法中的优秀个体,以人工蜂群算法作为进化策略,整理改进方案.改进方案包括有:第一,针对基本人工蜂群算法中变异算子对整体基因搜索的不足,提出基于人工蜂群算法算子和变异算子相融合的自适应搜索算子,在一定程度上可以根据基因优良程度自动调整搜索范围,提高人工蜂群算法搜索行为的准确性.第二,利用搜索数据结果形成新的基因个体,在一代搜索结束后,剩余的个体与新个体的组合成新的种群,使得人工蜂群算法在进行过程中最大程度的保存下优良的基因.通过研究比较发现,改进的人工蜂群算法在求解多目标连续优化问题中具有比较好的收敛性和分布性.     

基于QoS的认知OFDM无线电系统自适应资源分配

摘要：根据认知无线电的特点和正交频分复用的传输特性,提出了一种针对认知OFDM无线电系统的自适应资源分配算法. 该算法在子载波和功率分配中,通过把次用户对主用户干扰的功率限制在主用户可容忍的门限以下,使次用户信道容量最大化. 同时,利用比例公平性保证了每个用户的通信服务质量. 仿真结果验证了所提算法的性能和有效性.     

认知无线Mesh网络中基于频谱聚合度的分簇算法

针对认知无线Mesh网络拓扑结构和可用频谱实时变化的特点,提出一种基于频谱聚合度分簇(SCDC)算法.该算法提出了节点间可用频谱的质量聚合度因子,联合节点位置变化信息,通过计算节点权值实现认知无线Mesh网络分簇的优化.另外,该算法通过簇内成员节点数量的约束阈值实现均衡网络负载.仿真分析证明,SCDC算法在维持网络拓扑相对稳定和提高频谱利用率方面更具优势.     

解码转发中继网络基于OFDMA的低复杂度资源分配

摘要： 该文研究满足用户速率需求的子载波配对、动态子载波分配和功率分配的联合优化,建立了使传输速率与用户期望速率之差最小化的优化数学模型. 首先提出平均功率分配下基于用户期望速率的子载波配对和动态子载波分配算法(dynamic subcarrier allocation based on expected rate, ERDSA). 为了保证用户的公平性,提出在系统资源不足时按比例减小接入用户期望速率的子载波配对和动态子载波分配算法(enhanced dynamic subcarrier allocation based on expected rate, EERDSA). 由于平均功率分配时,第1 跳子载波与第2 跳子载波的速率存在不完美匹配的问题,进而提出联合子载波配对、动态子载波分配和功率分配算法(dynamic joint subcarrier and power allocation, DJSPA). 分析表明3 种算法的复杂度仅与子载波数呈线性关系,均为低复杂度的优化算法. 仿真表明,这几种算法可满足用户的期望速率,降低系统功耗.     

认知无线电加权软合并联合频谱感知算法

为了提高认知无线电的频谱感知性能,提出了对认知无线电用户的检测信息进行加权软合并的联合频谱感知算法. 该算法通过降低对授权用户的干扰和提高认知无线电吞吐量,分别使用最小化干扰加权和最大化吞吐量加权. 算法为信噪比高的用户或者到合作中心信道增益低的用户分配较大的权重,能够提高高信噪比用户的检测信息在合作检测中所占的比例,同时补偿信道衰落对检测信息带来的损失. 仿真表明：该算法的性能比基于信噪比加权或非加权的算法更好,能够降低干扰并提高吞吐量,同时能够降低信道衰落对联合频谱感知性能带来的影响.     

基于单纯形法的人工蜂群算法改进研究

人工蜂群算法中的侦察蜂阶段的搜索操作在一定程度上可以解决算法陷入局部最优的问题,但也和其他启发式优化算法一样,存在着局部搜索能力差,在接近最优解时搜索效率下降,以及求解复杂问题时可能陷入局部最优而使算法停滞等缺陷.为了改善此缺陷,采用NM 算法来取代人工蜂群算法侦察蜂阶段的随机产生个体机制,提出了一种基于NM 算法的改进人工蜂群算法（NMABC）.希望基于NM 算法优异的局部搜寻能力,改善人工蜂群算法局部搜索能力较差之缺陷并提高搜索效率.     

合作博弈框架的资源分配

提出一种多用户MIMO OFDM系统中的基于合作博弈框架的自适应资源分配算法,该算法在纳什讨价还价解（NBS）和Raiffa-Kalai-Smorodinsky讨价还价解（RBS）的Pareto最优解的基础上分配资源,使用户的速率能够最接近于Pareto最优解.仿真结果表明,该算法的性能明显优于固定分配方案,只是略逊于Max Rate方案,但是其公平性明显优于Max Rate方案和固定分配方案.     

基于GPS调度的OFDM系统低复杂度资源管理

针对OFDM系统的下行链路,提出了一种基于广义处理器共享（GPS）调度的低复杂度资源管理方案。方案通过MAC层－物理层的跨层设计达成了信道容量与用户公平性之间较好的折中：在MAC层采用GPS并行调度来达成用户对带宽的公平共享,并进一步提出了通过用户权重补偿来改进公平性的方法;在物理层结合采用次优子载波分配、平均功率分配和自适应调制以充分利用信道容量。仿真结果表明,本方案以较低的实现复杂度实现了与Shen提出的带比例速率限制的资源分配算法相近的性能。     

成比例公平性约束下的MIMO-OFDMA资源分配方案

针对MIMO-OFDMA下行链路系统,提出一种基于成比例公平性约束的资源分配方案.该方案基于MIMO信道状态信息,对信道矩阵进行分解,利用特征子信道来确定子载波和功率分配,充分利用了空间域、频域以及多用户分集增益提高系统的频谱效率.通过松弛成比例性约束条件,使各用户数据速率近似正比于每个用户分配的子载波数,并导出一种不需要迭代的线性低复杂度功率分配方案.仿真和分析表明,整个方案在保证系统吞吐量的前提下,取得了用户间良好的速率公平性,同时又具有较低的计算复杂度.     

多用户OSTBC-OFDM系统的自适应子载波分配研究

研究了基于正交空时分组码的多用户OFDM系统的自适应子载波分配算法.首先从性能角度出发,在保证用户误码率约束的前提下,以总的发射功率最小为目标,推导了具有普遍意义的OSTBC-OFDM的子载波分配通式.考虑到实际应用系统中效率与公平的折中,对各个用户定义相应的速率约束,以增加功率最小为原则,给出了改进的兼顾公平的子载波分配算法的具体步骤.数值仿真结果证明,自适应子载波分配能改善OSTBC-OFDM系统的误码率性能,且兼顾公平的算法需要一定的性能损失为代价.     

基于RA准则的多用户OFDM自适应资源分配算法改进

针对现有最优算法计算复杂度高、不利于实时应用的不足,根据误比特率和总功率限制条件下多用户OFDM系统自适应资源分配的数学优化模型,从最大化系统容量的目标出发,提出了一种计算复杂度低、易于实现的子载波、比特及功率分配算法.理论分析和仿真结果表明,在时变无线信道中采用此算法的性能明显优于Lee提出的算法和静态资源分配算法(OFDM-TDMA),且计算复杂度低.     

基于蚁群信息素的混合遗传算法

针对遗传算法无法利用系统中的反馈信息,求解到一定范围时出现的冗余迭代,求精确解效率低,局部搜索能力弱、易出现"早熟"现象等缺点,提出了采用蚁群信息素对均匀划分子空间进行标定,利用留存的信息素控制选择操作,采用双重选择算子、基于"杂交优势"思想的交叉算子和自适应变异算子的混合遗传算法.实验表明,采用该算法的分类系统的分类准确率、算法运行时间、算法收敛性等方面性能均有明显提高.     

基于干扰管理的宏基站与家庭基站联合资源分配

提出了一种宏用户与家庭小区联合资源分配算法,该算法基于启发式动态分簇算法对宏用户和家庭基站进行联合信道分配,在对家庭基站进行分簇的同时有效降低了家庭基站系统与宏蜂窝系统之间的跨层干扰. 在保证宏用户和家庭用户QoS 的约束条件下,构建了以最小化家庭基站发射功率为目标的最优化问题,并推导了优化的家庭基站发射功率的闭合式,最后用次梯度法解优化问题. 仿真结果表明,该算法降低了家庭基站系统干扰,减小了家庭用户中断概率,并提高了家庭基站能量效率.     

考虑输入饱和的直接自适应神经网络跟踪控制

基于Lyapunov稳定性定理和backstepping方法,针对一类受输入饱和限制的单输入单输出非线性不确定系统,提出了一种考虑输入饱和的直接自适应神经网络控制算法. 采用动态面控制方法和直接自适应神经网络控制方法,避免了传统控制设计中的“计算量膨胀”问题和潜在的控制器奇异值问题. 借助一种饱和内补偿辅助系统处理系统中的输入饱和限制问题,以保证系统的稳定性和控制性能. 该算法不但保证了闭环系统信号一致最终有界,而且使系统输出能收敛到零的一个较小邻域. 以大连海事大学远洋实习船“育龙”轮为例进行仿真,验证了所提控制器的有效性.     

多用户OFDM双向中继权衡公平性和总速率资源优化

摘要： 在OFDM协作双向中继网络中,当多个用户对借助AF（amplify and forward）双向中继相互通信时,用 户对之间的公平性与系统总速率不能同时兼顾. 该文提出一种用户对速率成比例性公平,并与系统总速率折中的 次优资源分配策略. 该策略以最大化双向中继系统总速率为目标,在总功率及用户对的速率成比例约束下分两步 进行. 首先在每个子载波等功率假设条件下进行用户对速率成比例公平的子载波优化,使系统总速率得以提升. 然 后在保证公平性前提下采用一种迭代的功率分配方法将总功率分配到各个子载波,使系统总速率再次得到提升. 仿真结果表明,所提出的策略在保证用户对速率成一定比例的前提下有效地提高了系统总速率.