基于非合作博弈的认知无线网络功率控制算法

为降低认知无线网络节点间的干扰,保证网络的服务质量,文章提出一种基于效益的非合作博弈的功率控制算法。该算法利用博弈原理,使认知用户对发射功率进行非合作博弈;并在理论上证明发射功率存在唯一的纳什均衡解。仿真结果表明,该算法不仅具有较好的抗噪声能力,还能在保证授权用户和认知用户服务质量的前提下,降低认知用户的发射功率,从而减少用户间的干扰,提升网络的性能。     

基于干扰权限交易的认知无线电网络功率控制算法

为提高认知无线通信系统频谱利用率和系统工作公平性,最大化授权用户和认知用户的经济效益,引入基于非合作博弈的干扰权限交易机制,提出了一种基于干扰权限交易的认知无线电网络功率控制算法.该算法允许授权用户在保证最低干扰门限的基础上交易其干扰权限,并对认知用户征收干扰价格来补偿其通信质量的降低.通过价格杠杆原理,授权用户和认知用户、认知用户和认知用户对干扰价格和发射功率进行非合作博弈,并且干扰价格和发射功率收敛于纳什均衡点.仿真结果表明,文中所提算法比传统算法具有更好的系统公平性和实用性.     

认知无线电中基于潜在博弈的信道分配算法

为最小化认知无线电系统的干扰水平,同时保证主用户的正常通信,提出了一种改进的基于博弈论的分布式信道分配算法,将次用户间的相互博弈构建为潜在博弈模型。效用函数不仅考虑了每个次用户对其他次用户和主用户的干扰,同时也考虑了其他次用户和主用户所产生的干扰。仿真结果表明,该算法具有较好的收敛性,分配结果能使主用户获得较好的吞吐量。     

认知无线电网络中功率控制方法的研究

分布式功率控制是认知无线电系统常用的功率控制方法之一.将非合作博弈论的方法应用于认知无线电的功率控制上,在Goodman所提出NPG模型以及NPGP模型上来进行代价函数的改进,并提出一种新的博弈算法来实现对认知无线电系统的功率控制.该算法不仅考虑到系统用户之间的公平性,同时还考虑到认知用户之间干扰的影响,并通过理论证明了其纳什均衡的存在性与唯一性.仿真结果表明,该算法不仅能使用户发射功率降低,同时还可以使用户的效用提高,并且收敛性较好.     

基于非合作博弈的端对端通信资源分配

针对端对端通信多用户间的资源竞争问题,提出基于非合作博弈的端对端通信系统资源分配算法.首先以干扰最小化为目标构建博弈的效用函数,并充分考虑各种用户间的干扰;然后构造该博弈的潜在函数,并分析纳什均衡的存在性;最后通过仿真实验分析算法的有效性和优越性.结果表明,相对于其他算法,该算法加快了收敛速度,提高了系统的吞吐量,保证了用户竞争资源的公平性,增强了干扰的鲁棒性.     

认知无线电中基于无限次重复博弈的功率控制算法

通过博弈来实现认知无线电中的功率控制.当两用户功率控制博弈时,用户通过功率的迭代注水法实现最大化自身速率,达到纳什均衡.功率分配的纳什均衡点构成囚徒困境,但这种囚徒困境的均衡点并非全局最优.应用两用户功率控制的无限次重复博弈算法,通过选择严厉的触发策略,当折扣因子σ足够接近于1,使两用户在无限次重复博弈中一直合作使囚徒走出了困境,最终达到了功率分配的帕雷托最优的均衡结果.     

基于802.11ac多用户MIMO网络的容量最大化

针对多用户MIMO网络中的干扰进行处理,在SINR模型下提出了两种分布式APs-STAs分组算法.为查找网络中合适的APs-STAs分组,文中给出了基于穷举思想的算法.该算法先对STA按照天线数目排序,然后判断有序的STAs能否满足干扰处理的约束条件,最后甄选出满足SINR约束条件的分组.与先前的算法相比,虽然该算法获得的网络容量更大,但是会造成较大的时间成本.为了改进该算法的缺点,文中又给出了节省时间的另一种优化算法.实验结果表明,文中提出的两个算法将网络容量提升了15%-52%.     

基于保护邻居基站主载波的载波（重）选算法

毫微基站(Femtocell)的引入,给无线网络的干扰管理带来新的挑战。在动态部署Femtocell的网络中,每个进入网络的基站选一个载波作为主载波,主载波提供小区的全局覆盖和初始化接入服务。主载波选择的好坏,直接影响小区边缘用户的通信质量。本文提出基于保护邻居基站主载波的家庭基站载波重选算法,基站借助用户测量汇报得到背景干扰信息,重选主载波;本算法着重考虑对邻居基站边缘用户影响,降低小区边缘干扰。仿真结果表明,该算法可以提高系统平均吞吐量和边缘用户的频谱效率。     

一种基于思维进化计算和博弈论的QoS组播路由算法

针对满足多个约束条件的服务质量(QoS)组播路由的特点,提出了一种应用于下一代互联网的基于思维进化计算和博弈论的QoS组播路由算法.该算法由三部分组成:引入隶属度函数来描述"边"对用户QoS需求的适合程度;通过博弈分析判断网络方与用户在"边"上的效用能否达到Nash均衡;采用思维进化计算方法建立组播路由树,使得在树上不仅用户QoS要求得到满足而且网络方效用与用户效用达到或接近Nash均衡下的Pareto最优.仿真结果表明,提出的算法是可行和有效的.     

一种基于Nash均衡的网格资源调度算法

运用博弈理论对资源调度算法进行深入研究,提出了能够反映供求关系的基于竞价的网格资源定价机制,并构造了网格资源和用户的效用函数,论证了资源调度中Nash均衡点的存在性和唯一性以及Nash均衡解.仿真实验表明,该资源调度算法与竞价策略能够使整个网格系统得到更高的运行效率,并且使网格用户获得最大的效用.     

一种基于用户划分的LTE上行闭环功率控制算法

长期演进(long term evolution,LTE)上行经典信干噪比(signal to interference plus noise ratio,SINR)闭环功率控制算法未考虑用户对相邻小区的干扰,导致小区总吞吐量较低。针对该问题,提出一种基于用户划分的闭环功率控制算法。根据每个用户到服务小区的路径损耗将其划分为小区中心用户或小区边缘用户,为小区中心用户设置目标SINR值时仍使用经典SINR闭环功率控制算法,为小区边缘用户设置目标SINR值时考虑其对相邻小区的干扰使用新的方法。理论分析以及MATLAB系统级仿真结果表明,与传统闭环功率控制算法和经典SINR闭环功率控制算法相比,该算法能够更加有效地降低小区间干扰,提高小区总吞吐量。     

Femtocell网络中基于对数效用的功率控制算法

针对Femtocell网络中干扰管理和功率控制的问题,考虑FBS间的同层干扰,提出基于对数效用的功率控制算法.运用K-Means算法对大量部署的FBS进行分簇,K-Means分簇算法可在低复杂度条件下将FBS划分成不同的簇,以便进行干扰管理.基于对数效用的功率控制算法,能保障FUE处于最低信干噪比,深度优化FBS的发射功率,可在保障吞吐量的同时提升系统能效.     

基于罚函数和特征空间的子阵级自适应波束形成

基于线性约束最小方差(LCMV)准则的自适应波束形成算法在实际中得到了广泛的应用,但当其应用到子阵级时,自适应方向图主瓣变形且旁瓣升高,抗干扰性能严重下降.针对这些问题,提出一种基于罚函数和特征空间的子阵级自适应波束形成算法,引入罚函数对自适应方向图进行约束使其逼近期望的静态方向图;同时在干扰子空间约束波束响应为0,对干扰信号进行抑制.该算法在有效抑制干扰的同时,能够使主瓣保形并保持较低的旁瓣,还能获得较好的输出信干噪比.通过阵列方向图及输出信干噪比的计算机仿真验证该算法的有效性.      

基于协方差矩阵重构和导向矢量优化的波束形成算法

针对传统波束形成算法在导向矢量失配和协方差矩阵误差情况下输出信干噪比下降严重的问题,提出了一种基于协方差矩阵重构和导向矢量优化的稳健自适应波束形成算法。该算法通过估计信号和干扰的功率及方向,重构干扰加噪声协方差矩阵,同时结合投影和空域积分思想,对假定的导向矢量进行优化计算,使其接近真实的导向矢量。进而通过相关运算求得复数加权值实现波束形成。所提算法可以有效抑制干扰,提高输出信干噪比。在多种失配存在的情况下,所提算法也具有较好的性能。研究共进行了6个仿真实验,所提算法性能均优于所对比算法。所提算法在快拍数固定且存在导向矢量失配的情况下,相比于最差情况性能最优算法有约5 dB的输出信干噪比提升。在信噪比固定且存在导向矢量失配的情况下,相比于对比算法均有4 dB以上的性能提升。实验结果验证了所提算法的有效性。     

认知Femtocell网络中下行链路资源分配的研究

宏蜂窝和家庭基站（Femtocell）之间组成的双层网络中,由于共享频谱资源,因此增加了相互之间的干扰,从而减小了系统容量.文中针对双层网络之间的干扰,通过将认知无线电技术引入Femtocell中,进行动态频谱接入,从而减小了信道之间的干扰.Matlab仿真结果表明,构建的密集型认知Femtocell网络相比于传统的Femtocell网络,平均系统容量提高了约50％;所提出的联合信道功率分配算法在可用信道较少时,平均中断率也远低于固定功率控制算法.     

基于非正交多址异构网的下行链路干扰协调优化技术

为了提升异构网络中边缘用户平均吞吐量性能,提出了一种基于非正交多址接入(non-orthogonal multiple access, NOMA)异构蜂窝网络的下行链路干扰协调优化方案。该方案通过小区范围扩展(cell range expansion, CRE)和几乎空白子帧(almost blank subframe, ABS)进行小区间干扰协调,并利用改进型量子进化算法(improved quantum-inspired evolutionary algorithm, IQEA)实现自适应CRE和ABS联合优化。仿真结果表明,基于NOMA的分组能有效提升异构网络边缘用户性能,且与非干扰协调方案相比,传统干扰协调方案和所提出的自适应干扰协调方案的边缘用户平均吞吐量分别提升了4.93 dB和5.48 dB;网络用户平均吞吐量分别提升了0.96 dB和1.01 dB;对数效用和分别提升0.13 dB和0.14 dB。     

异构网络中基于非合作博弈的功率控制算法

针对异构蜂窝网络中系统能耗较高的问题,提出一种能效优先的基于非合作博弈的功率控制算法。该算法将宏基站间的功率控制过程描述为博弈模型,并在效用函数中引入了基于干扰因素的自适应代价函数,得到各基站的最佳响应策略,之后经过多步迭代调节发射功率,使系统收敛至能效最优的纳什均衡状态。仿真结果表明,所提算法与固定代价函数的功率控制优化算法相比具有较好的收敛性,系统能效有明显的提升,更适用于密集网络。     

基于数据预处理的改进GS正交化波束形成

针对常规Gram-Schmidt（GS）正交化算法在训练快拍中混有期望信号时,自适应波束会出现期望信号相消的问题,提出了基于数据预处理的改进GS正交化波束形成算法. 该算法构造阻塞矩阵进行数据预处理剔除期望信号,估计对应的协方差矩阵,并对其进行GS正交化重构干扰子空间,将静态加权矢量向干扰子空间作正交投影得到自适应权矢量. 同时,为准确估计干扰子空间,对协方差矩阵的正交化自适应门限进行了修正. 仿真结果表明,所提算法的输出信干噪比（SINR）比其它GS正交化算法有2 dB以上的性能改善.      

认知无线网络中一种基于博弈的自适应功率控制算法

为了实现认知无线电中频谱分配公平性以及满足需要省电的情况,提出了一种基于博弈论的自适应功率控制算法,并证明了纳什均衡发射功率的存在性与唯一性。该算法不仅通过博弈论效用函数表达功率控制过程,解决了远近不公平现象和解决省电难题,而且通过设定信干噪比的最大与最小阀值,可以将不满足阀值的信干噪比值通过自适应加权公式,将其调整到阀值范围内,以满足省电需要。通过仿真分析可知,与其他算法比较,该算法不仅解决了认知无线电的远近不公平性现象,还可以通过减少发射功率,有效地解决了省电问题,而且当信干噪比在设定的阀值外时,通过自适应调整,使之在阀值范围内,减少了功率的浪费。     

基于OFDM的双层Femtocell网络中子信道、速率和功率的最优分配

Femtocell(毫微微小区)基站通过以极低的功率对室内进行"点"覆盖,降低了宏小区基站的传输功率要求和业务负荷量,使得整个系统的功率效率得以提高.研究了双层Femtocell网络中,考虑到宏小区和毫微微小区之间、不同毫微微小区之间所存在的同频干扰,在满足宏小区用户传输性能不受影响的前提下,对毫微微小区用户的子信道、速率和功率进行联合优化分配的方法,以使其加权速率和最大.针对问题的非凸性,提出了基于拉格朗日对偶方法的最优子信道、速率和功率分配算法,并从经济学的角度予以解释.最后,通过仿真验证了此算法可以有效地求解此问题,并且证明了该系统相对于宏小区和毫微微小区使用不同频率集的系统可以很大程度地提高系统性能,与此同时也提高了频谱利用率.