基于噪声模型下D2D蜂窝系统的多用户合作功率控制分配方案

为了减轻D2D用户在通信过程中的相互干扰,提高整个蜂窝系统的吞吐量,根据D2D用户数目、信道状况和系统吞吐量的限制需求,分析干扰噪声模型约束下多用户发射功率的控制问题。通过引入玻尔兹曼常数等参数对干扰模型进行条件约束,最终得到基于效用下系统的平均发射功率和最大和速率,进而给出基于反向迭代组合算法的多用户合作博弈功率控制分配方案。仿真结果表明,该算法满足了多用户共享蜂窝网络频谱资源下的功率分配需求,终端用户发射功率经过多次反向迭代后达到纳什均衡,系统的吞吐量显著提高,频谱资源达到了较好的均衡收益。     

认知无线电网络中基于公平性的功率控制方案

针对现有非合作功率控制博弈算法中存在用户“远近性公平”问题,在主次用户共享频谱的认知无线电上行链路中,给出一种基于代价函数的高效和公平的功率控制博弈算法。在该博弈模型中,代价函数的设定依据次用户接收端信号质量需满足次用户的服务质量要求。改进后的效用函数能够同时兼顾认知无线电系统的总吞吐量和次用户获取资源的公平性,并利用超模理论证明了该模型存在纳什均衡,然后得到求解发射功率纳什均衡解的迭代过程。仿真结果表明,相比已有的研究,该算法不仅能提高认知系统的吞吐量,还能降低发射功率,改善系统效用,而且兼顾了远近用户吞吐量的公平性。     

一种改进的认知无线电网络博弈功率控制算法

基于David Goodman的非合作功率控制博弈方法,本文提出一种适用于认知无线电网络的功率控制博弈算法,对S型有效函数和代价函数进行改进和优化,实现认知用户功率控制的公平性,并证明该算法纳什均衡的存在性。仿真结果表明,该算法使认知用户的总吞吐量提升,发射功率降低,效用提高,且在一定程度上兼顾了系统的公平性。     

认知网络中基于博弈论的联合功率控制与速率分配算法

针对认知无线网络上行链路中的资源分配问题,提出了一种适应于多小区认知无线网络的基于功率控制与速率分配的博弈算法。为了更加合理地控制用户的功率和速率,减小各次用户间的干扰,首先,在效用函数中分别给功率和速率设置了不同的代价因子,使其能够更加合理地控制用户,避免用户过度增加发射功率。其次,从理论上证明了该算法纳什均衡的存在性、唯一性以及算法的收敛性。最后,为了解决发射功率和传输速率的最优化问题,给出了联合功率控制和速率分配的迭代更新算法流程图。理论分析及仿真结果表明,与同类博弈算法相比,在保证通信质量的前提下,所提算法可以使得用户以较小的发射功率获得较大的传输速率和较高的信干噪比（SINR）,并且减小了用户间的干扰,提高了次用户系统容量。     

异构蜂窝网络中功率和资源分配博弈算法研究

基于D2D和中继异构蜂窝网络进行资源复用可获得系统性能增益,但同时也使得网络中的干扰更加复杂。针对该问题,提出功率和资源分配博弈（PRAG）算法,通过功率控制和资源分配对D2D和中继异构蜂窝网络进行干扰协调。基于代价参数设定D2D和中继链路效用函数,确定最佳发射功率。在此基础上,将生成的效用值矩阵参与博弈,选择合适的蜂窝用户进行资源复用。仿真结果表明,与等功率分配随机（EPAR）算法相比,PRAG算法能够在消耗更少功率的基础上获得更大的系统吞吐量。     

一种基于价格竞争的D2D通信资源分配算法

针对蜂窝用户与D2D用户所构成的混合网络系统中同频干扰问题,提出一种基于价格竞争的D2D通信资源分配算法.该算法不仅考虑利用基站定价来减小对蜂窝系统的干扰,而且联合基站端的干扰容限对干扰功率进行约束.首先将问题公式化制定非合作博弈过程,利用效用函数模型分析D2D用户的利润和对蜂窝基站的干扰,从而调整发射功率最大化系统整体收益;然后通过通信的D2D用户来更新干扰继而更新复用价格;最后采用注水算法利用拉格朗日条件来优化价格.仿真表明,该算法不仅可以简单地控制干扰功率,而且还有效地提高了系统吞吐量.     

基于非合作博弈的改进型认知无线电功控算法

在认知无线电网络中,当认知用户（CU）与主用户（PU）共享频谱带宽时,需要对认知用户的发射功率进行控制,以确保认知用户在满足自己的QoS且不影响主用户的前提下与主用户共享频谱带宽。利用博弈论的方法,设计了一种基于链路增益和干扰温度的代价函数,并据此提出了一种改进型非合作博弈功率控制算法（IPC-NG）。通过数学理论推导分析,证明了新的净效用函数存在纳什均衡且均衡点唯一,同时还分析了该算法的收敛速度。仿真结果表明,该算法不仅避免了对主用户的影响,也保证了每个CU的QoS需求,同时还提高了认知系统的吞吐量和净效用。     

一种改进的认知无线电功率控制博弈算法

认知无线电网络中,认知用户在满足目标信干比前提下,为降低每个认知用户的发送功率,可采用非合作博弈的方法。通过对功率控制的K-G算法进行改进,提出了一种基于综合代价函数的功率控制博弈(KG-CP)算法,实现了认知用户发送功率的非合作博弈控制,并证明了KG-CP算法效用函数纳什均衡解的存在性和唯一性。仿真结果表明,与经典的SINR平衡算法及K-G算法相比,该算法能够明显降低认知用户的发送功率。最后,比较并分析了不同用户数目及不同调整因子下新算法的性能表现。     

基于分簇和Stackelberg博弈的D2D资源分配策略

当前,车辆密集通信场景下存在通信资源利用率低、DUE(D2D user)用户通信质量差等问题。针对上述问题,提出了一种基于分簇和Stackelberg博弈的D2D(device to device)资源分配策略,以解决DUE用户功率分配、信道匹配问题。首先,基于每个信道内DUE用户之间干扰最小原则,该模型对所有DUE用户进行分簇;然后,对于CUE(cellular user)用户与DUE用户簇,构建一对多的Stackelberg主从博弈模型,通过复用链路干扰参数和簇内干扰参数的迭代更新,优化每个DUE用户的发射功率;最后,利用匈牙利算法实现DUE用户簇与CUE用户的最佳信道匹配,最大化DUE用户的容量和。仿真结果表明,与基于价格迭代、等功率分配和高能效干扰约束的几种功率分配算法相比,所提算法能有效提升DUE用户的总容量。     

基于序贯博弈的Ad Hoc网络功率控制算法

针对分布式拓扑结构的Ad Hoc网络,将用户处于异步竞争方式下的功率控制问题抽象为动态博弈模型,通过多步迭代的逆向归纳法,逐步分析了两用户组及多用户组下的序贯博弈过程。并提出一种分布式的功率控制博弈算法,有效求解了用户发射功率的均衡策略,来优化用户之间的并发传输能力,提高频谱效率。仿真实验表明,建立基于序贯博弈的功率控制过程,能够有效地减轻用户之间的干扰影响,提升用户接收信干噪比质量,从而改善了系统吞吐率性能收益。     

WSN中基于博弈论的节点功率控制算法

针对如何降低无线传感器网络中节点传输的能量消耗,延长网络生存周期,本文将博弈论引入WSN功率控制中,综合考虑节点的剩余能量、发射功率等因素构建效用函数,将剩余能量较大的节点作为下一跳节点,连接其他节点并承载较多的传输任务.节点在通信过程中以功率博弈算法作为策略方案,不断调整各自的策略,提高信息传输的准确率,并证明该算法纳什均衡的存在.仿真结果表明,与传统分布式功率控制算法相比,该算法通过控制节点传输功率实现了降低能耗的目的,能更快迭代出最优发射功率,并得到较大的信干比.     

5G全双工D2D通信系统中的最优功率控制方案

作为5G的关键技术,设备直通技术(Device-to-Device Communication,D2D通信)和全双工可以提升5G系统的频谱效益和吞吐量,两者结合可以进一步提升性能增益。但是全双工节点的自干扰和资源复用产生的同频干扰会很大程度影响系统的性能。基于此提出了功率控制方案,通过凸规划的拉格朗日对偶方法得到最优的发射功率,来最大化全双工D2D的链路速率并同时满足蜂窝用户的服务质量(quality-of-service,QoS)需求。通过仿真,观察了相比于半双工D2D,全双工D2D的增益随着蜂窝用户的需求和自干扰消除量变化的影响,并且对比了全双工D2D复用不同数目信道时的性能。     

Game theoretic distributed uplink power control for CDMA networks with real-time services

In this paper, the issue of efficient power allocation in the uplink of CDMA wireless networks supporting real-time services with various QoS constraints, is addressed. Within the proposed framework, utility functions are adopted to reflect a user’s degree of satisfaction with respect to its actual throughput requirements satisfaction and respective power consumption. The corresponding problem is formulated as a non-cooperative game where users aim selfishly at maximizing their utility-based performance under the imposed limitations. The existence and uniqueness of a Nash equilibrium point of the proposed Uplink Power Control (UPC) game is proven, at which all users have attained a targeted SINR threshold value or transmit with their maximum power, leading essentially to an SINR-balanced system. Moreover, a distributed iterative algorithm for reaching UPC game’s equilibrium is provided. The properties of equilibrium in a pure optimization theoretical framework are studied, and the tradeoffs between users’ overall throughput performance and real-time services’ QoS requirements satisfaction, in channel aware resource allocation processes, are revealed and quantified. Through modeling and simulation the efficacy of the introduced framework and proposed UPC algorithm are demonstrated and evaluated.     

认知无线电中基于非合作博弈的功率控制算法

针对认知无线电中的功率控制问题,基于非合作博弈模型,提出了一种新的效用函数,证明了该博弈中纳什均衡的存在性和唯一性。设计了一种分布式功率控制算法并证明了其收敛性。讨论了几个参数对系统性能的影响。仿真表明,该算法可实现对认知用户发射功率的有效控制。与SINR平衡算法和Koskie-Gajic算法相比,本算法既保障了每个认知用户的QoS需求,又增加了系统吞吐量。     

基于图着色理论的全双工D2D分簇资源分配方案

全双工通信允许用户同时同频收发信号,将其应用在D2D(Device-to-Device,D2D)通信中虽然可以提高系统吞吐量,但是也带来了更加复杂的干扰关系。为了降低干扰,提升系统吞吐量,本文提出了以簇为单位的资源分配方案。该方案先引入图着色理论为全双工D2D用户进行合理的分簇,然后采用匈牙利算法进行链路资源的分配,从而优化蜂窝系统的性能。仿真结果表明,该方案在提高频谱利用率的同时提升了整个蜂窝网络的系统容量。