Resource Allocation in Multi-User MIMO-OFDM Relay-Enhanced System by Dynamic Programming

针对现有正交频分复用系统使用中继进行多播资源分配算法时效率较低的问题,提出了一种使用中继多输入输出系统的多播资源分配算法.算法将系统的功率划分为等长的基本分配单元,首先计算并存储每个子载波在给定功率的条件下使用中继传输方式时所能提供的最大速率,再通过动态规划算法同基站直接传输的速率进行比较,从而计算出每个子载波的用户分配、功率分配和传输方式.该算法可以从全局角度进行子载波的分配及用户分配,从而最大化系统总吞吐率.由于动态规划算法不需重复计算相同子问题,避免了重复问题的计算,因此可以在很短时间内完成资源的分配计算.仿真实验表明,所提包含用户分配的动态规划算法可以有效地利用系统资源,系统总吞吐率与最优算法计算结果之差小于0.10％.     

多播系统中基于多用户分集的资源分配

针对无线多播系统中传输速率受限于多播组中最差用户信道容量的问题,提出一种组内资源分配算法.在考虑用户之间不同速率需求的前提下,对多播组内用户进行子载波分配和功率分配,来最大化多播系统归一化速率.子载波分配算法利用每个子载波上多播用户之间的多用户分集,将子载波分配给该子载波上性能较好的多个用户.功率分配算法采用基于梯度的功率分配方式对各子载波上所分配的功率做局部优化,进一步提高多播系统的传输速率.仿真结果表明,与传统多播组内资源分配方案相比,显著提升多播系统的归一化速率.     

OFDMA解码转发中继系统的最优资源分配

针对正交频分多址接入-解码转发（OFDMA-DF）中继系统,提出了以最大化系统加权和速率为目标的子载波分配、功率分配、传输方式选择和中继选择联合优化问题. 基于凸优化理论,提出了一种最优资源分配算法,其复杂度仅与子载波数成线性关系. 理论分析和仿真结果表明,结合用户权重的调整,该算法既可实现资源分配的公平性,又可有效利用中继节点的能力,提高系统容量.     

基于不同时延业务的中继正交频分复用系统资源分配算法

针对同时包含有时延约束(DC)用户和没有时延约束(NDC)用户的异构系统资源分配问题,在基站和中继站功率分别约束的条件下,为保证DC用户的固定数据速率,同时最大化NDC用户的总数据速率,提出了一种自适应资源分配算法。该算法在子载波分配过程中,考虑了两跳中继链路子载波配对和不配对两种情况,在功率分配过程中,实现了最优功率分配。仿真结果表明,本文提出的资源分配算法可以在较低计算复杂度下取得良好性能。     

多播OFDM系统中比例公平资源分配

提出了一种多播正交频分复用(OFDM)系统中的比例公平资源分配算法,该算法包括：子载波分配算法和功率分配算法. 前者通过修正已有的单播子载波分配算法而得到,后者采用双重二分法迭代分配功率,属于子载波分配给定条件下的最优多播功率分配. 仿真结果表明,提出的资源分配算法在保证容量性能的同时能够获得完美的公平性;即使在比例公平的约束下多播仍然比单播获得明显的容量增加,但容量增益的多少与速率比例以及多播组数目直接相关.     

基于人工蜂群算法的多用户OFDM自适应资源分配方案

针对多用户正交频分复用(OFDM)自适应资源分配中用户公平性和系统容量的问题,本文提出了一种联合子载波分配和功率分配的方案。在子载波分配中,首先确定每个用户需要的子载波数量,然后根据用户的速率比例继续分配子载波,最后分配剩余子载波。在功率分配中,通过人工蜂群(ABC)算法的全局搜索实现在所有用户之间的功率寻优,并利用等功率的分配方式对每个用户的子载波进行单用户功率分配。从仿真结果中可以看出,本文算法不仅可以兼顾用户的公平性,同时也有效地提高了系统的吞吐量,从而证明了本文算法的有效性。     

OFDMA网络比例公平性的中继资源分配

在中继协作正交频分多址（OFDMA/Relay）系统中,应用协作博弈论提出一种比例公平性的多用户中继资源（子载波和功率）分配方案.定义了用户基于比特传输速率的效用函数,并建立中继资源分配的协作博弈模型.求解此博弈的纳什议价解（NBS）具有较高的计算复杂度,为此,提出一种快速子载波与功率联合分配算法,即：先进行固定发射功率的最优子载波分配,再进行最优的发射功率分配,最终通过上述迭代方式获得联合资源分配的NBS.仿真试验表明：与已有的OFDMA/Relay系统资源分配算法相比,所提出的NBS求解算法能够在提高系统频谱资源利用率的同时,对用户进行更为公平的中继资源分配.     

一种多播OFDM系统中比例公平资源分配算法

提出了一种多播OFDM系统中的比例公平资源分配算法,该算法包括两个部分：子载波分配算法和功率分配算法。前者通过修正已有的单播子载波分配算法而得到,后者采用双重二分法迭代分配功率,属于子载波分配给定条件下的最优多播功率分配。仿真结果表明：提出的资源分配算法在保证容量性能的同时能够获得完美的公平性;即使在比例公平的约束下多播仍然比单播获得明显的容量增加,但容量增益的多少与速率比例以及多播组数目直接相关。     

电力线通信系统中基于动态规划的自适应资源分配

分析了电力线通信OFDM系统在多种约束下,多用户多业务在多子载波上自适应的比特和功率分配模型,提出了一种新的基于动态规划的速率和功率自适应相结合的动态资源分配算法,其先给实时用户分配资源以满足固定速率下总功率最小,再利用剩余功率和未用子载波给非实时用户分配资源以满足最小速率下总速率最大．在典型电力线信道环境下的仿真结果表明,该算法的性能优于已有的多用户资源分配优化算法,且其能更好的满足电力线通信系统中多用户资源分配的多目标要求．     

OFDMA系统动态资源分配快速算法

针对正交频分多址接入无线网络的下行链路,提出了一种计算量少、能够依据信道状态信息进行动态资源分配、满足多个用户服务质量要求的算法.该方法首先假设各个用户发射功率相同,按比例分配子载波,然后按照每个用户最小速率需求,确定各个用户最小发射功率,最后根据总功率大小以及用户所需最小发射功率,最大化整个系统容量.分析表明该方法可以得到接近最优的发射功率,资源调度策略具有多项式复杂度,仿真结果验证了理论的正确性,算法能够在短时间内进行子载波分配和功率控制,满足无线通信实时性要求.     

基于网络切片的高频谱效率无线资源管理

为满足差异化业务场景下不同类型用户的服务质量需求,构建了基于网络切片的无线资源分配模型.为获得最佳资源调度方案,将用户服务质量需求转化为无线资源需求,以系统总速率最大化为目标,构建网络资源管理和分配机理及其优化问题.该优化问题为混合整数非线性规划,直接求解复杂度较高,因此提出了基于拉格朗日对偶理论的解决方案,并给出求解算法.通过与比例公平算法和最大系统容量算法进行对比及仿真分析,证明了所提算法在牺牲了部分公平性的前提下提高了系统容量,并验证了所提算法的有效性.     

认知无线电网络中的参数优化问题

针对在多协作用户宽带信道情况下,认知无线电网络中当信道增益固定时,检测时间、功率以及带宽分配等参数的优化问题,提出了各参数的联合优化算法.以信道容量为目标函数,给出了最优的资源分配算法.结果表明,该算法能够实现频谱接入并且极大地提高了次用户系统的总信道容量,且资源分配与主用户占用的概率、峰值发射功率和干扰约束等因素有关.在多认知用户网络中,参与合作的用户越多,接收信号的信噪比越高,次用户系统的总信道容量越大.     

多波束卫星通信系统波束干扰下的资源分配策略研究

多波束卫星通信系统能够为移动用户提供全球范围的通信服务.然而,由于条件限制,星上资源利用率较低,并且星地距离较远,业务传输过程中存在较大时延.为了提高星上资源的利用率,本文在有波束干扰的多波束卫星通信系统中,针对有严格时延要求的卫星通信业务,提出了一种新的下行链路资源分配算法,增加了业务时延限制和最大干扰功率限制两种约...     

无线非对称中继网络的统计QoS保证

针对目前中继网络动态资源分配最优解尚不完善的问题,通过将信息论和有效容量有机地结合,独立求解出估计转发(EF)中继网络动态资源分配的最优解,并以典型网络为例,基于动态资源分配提出了一种自适应中继网络方案,可以根据系统QoS指数要求在现有放大转发(AF)、解码转发(DF)和估计转发(EF)3种中继协议中进行动态选择.数值与仿真分析表明,动态资源分配方案可以很好地在给定系统QoS指数限制下最大化中继网络的有效容量,同时自适应中继网络方案比传统的单一中继方案能更好地提高系统的吞吐量.     

协作分簇多频带超宽带系统资源优化分配算法

为获得分集增益,减小算法复杂度,以簇作为最小资源分配粒度,将协作分集技术引入到分簇多频带超宽带系统中,提出改进的时频码（TFC：Time-Frequency Coded）模型。基于凸优化理论,提出在总功率受限情况下最大化系统容量的簇分配算法和功率分配二维递归算法。为降低算法复杂度,又进一步提出以用户对簇的相对需求度为判断的快速跨层资源优化分配算法。仿真表明,快速跨层资源优化分配算法可以在满足用户服务质量要求（QoS）的同时,在系统容量和用户之间公平性方面得到很好的折衷。     

Adaptive resource allocation for multi-user multi-server power-line communication OFDM systems

The bits and power allocation model of adaptive power-rate mixture for multi-user multi-server power-line communication systems was analyzed with the restrictions of maximal total power, fixed rate for each real time (RT) user, minimal rate for each non-real time (NRT) user, maximal bits and power for each subcarrier in each orthogonal frequency division multiplexing (OFDM) symbol. An algorithm of resource dynamic allocation in the first OFDM symbol of each frame and resource optimal adjustment in the latter OFDM symbol of each frame was proposed. In the first OFDM symbol of every frame, resource is firstly assigned for RT users so as to minimize their total used power until satisfying their fixed rates; secondly the remainder resource of power and subcarriers are assigned for NRT users so as to minimize their total used power until satisfying their minimal rates also; lastly the remainder resource is again assigned for NRT users according to the proportional fairness strategy so as to maximize their total assigning rate. In the latter OFDM symbol of each frame, bits are swapped and power is adjusted for every user based on the resource allocation results of anterior OFDM symbol. The algorithm is tested in the typical power-line channel scenarios and the simulation results indicate that the proposed algorithm has better performances than the classical multi-user resource allocation algorithms and it realizes the multiple aims of multi-user multi-server resource allocation for power-line communication systems.     

MEC计算卸载与资源分配联合智能优化方案

移动边缘计算(MEC)中的分布式基站部署、有限的服务器资源和动态变化的终端用户使得计算卸载方案的设计极具挑战。鉴于深度强化学习在处理动态复杂问题方面的优势,设计了最优的计算卸载和资源分配策略,目的是最小化系统能耗。首先考虑了云边端协同的网络框架;然后将联合计算卸载和资源分配问题定义为一个马尔可夫决策过程,提出一种基于多智能体深度确定性策略梯度的学习算法,以最小化系统能耗。仿真结果表明,该算法在降低系统能耗方面的表现明显优于深度确定性策略梯度算法和全部卸载策略。