联合功率控制和信道分配的蜂窝网络能效优化算法

为了提高混合设备到设备（D2D）蜂窝网络中D2D干扰导致系统能效下降的问题,提出了联合功率控制和信道分配的能效优化（EEPC）算法,进而提升系统能效。以D2D用户和蜂窝用户最小速率为约束条件,建立最大化能效的优化问题;利用块坐标下降法将优化问题转化为信道分配和功率控制两个子问题,再分别利用Q学习算法、Dinkelbach算法和优化最小（MM）算法求解。并对Q学习算法中贪婪搜索因子进行改进,采用动态的搜索因子,平衡探索与利用间的关系。性能分析表明,提出的EEPC算法提升了系统能效。     

异构云无线接入网下基于功率域NOMA的能效优化算法

针对异构云无线接入网络的频谱效率和能效问题,该文提出一种基于功率域-非正交多址接入(PD-NOMA)的能效优化算法。首先,该算法以队列稳定和前传链路容量为约束,联合优化用户关联、功率分配和资源块分配,并建立网络能效和用户公平的联合优化模型;其次,由于系统的状态空间和动作空间都是高维且具有连续性,研究问题为连续域的NP-hard问题,进而引入置信域策略优化(TRPO)算法,高效地解决连续域问题;最后,针对TRPO算法的标准解法产生的计算量较为庞大,采用近端策略优化(PPO)算法进行优化求解,PPO算法既保证了TRPO算法的可靠性,又有效地降低TRPO的计算复杂度。仿真结果表明,该文所提算法在保证用户公平性约束下,进一步提高了网络能效性能。     

异构云无线接入网下基于功率域NOMA的能效优化算法

针对异构云无线接入网络的频谱效率和能效问题,该文提出一种基于功率域-非正交多址接入(PD-NOMA)的能效优化算法.首先,该算法以队列稳定和前传链路容量为约束,联合优化用户关联、功率分配和资源块分配,并建立网络能效和用户公平的联合优化模型;其次,由于系统的状态空间和动作空间都是高维且具有连续性,研究问题为连续域的NP-hard问题,进而引入置信域策略优化(TRPO)算法,高效地解决连续域问题;最后,针对TRPO算法的标准解法产生的计算量较为庞大,采用近端策略优化(PPO)算法进行优化求解,PPO算法既保证了TRPO算法的可靠性,又有效地降低TRPO的计算复杂度.仿真结果表明,该文所提算法在保证用户公平性约束下,进一步提高了网络能效性能.     

超密集异构网中的Q学习资源调度算法

在超密集异构蜂窝网络中,随着低功率基站大量增加,且复用相同的频谱资源,小区间干扰(ICI)可能会变得很强,从而降低系统整体吞吐量。因此,文中提出一种基于Q学习的资源调度(QLRS)算法以尽可能地最大化系统容量。算法首先将小基站进行分簇,在每个调度周期根据簇内用户数量为每个簇调度资源;然后以系统整体吞吐量和能效为优化目标,对簇内有关联用户的小小区进行资源变更和优化,并将收益记录于Q表中,Q表经多次迭代收敛后,得到系统最优资源分配方案。仿真结果表明,与其他资源分配算法相比,文中提出的算法在保证能源效率与宏蜂窝吞吐量的条件下,进一步提高了系统整体吞吐量。     

异构蜂窝网络中基于能效的非正交多址接入下行功率分配算法

该文针对应用非正交多址接入(NOMA)技术的异构蜂窝网络,在考虑层间层内干扰的情况下,提出一种能效最大化的功率分配算法。该算法主要包括两部分,一部分为子信道内用户功率分配因子的求解,主要利用差分优化的方法,迭代求解。另一部分为子信道间的功率分配,主要利用凹凸程序法将原有的非凸问题简化为可解的凸问题,最后利用拉格朗日求解法得出功率最优解。仿真结果表明该算法有良好的迭代性,且新算法表明利用NOMA技术得到的系统能效较利用正交技术得到的系统能效提高了至少44%以上。     

认知异构蜂窝网络中改进蜉蝣算法的资源分配策略

针对认知异构蜂窝网络中上行链路资源分配的优化问题,提出认知异构蜂窝网络中改进离散蜉蝣算法的资源分配算法。认知异构蜂窝网络模型中,考虑用户层间干扰和带外干扰引入功率控制策略控制发射功率来干扰抑制,基于用户服务质量（QoS）需求和干扰阈值约束,最大化能量效率为优化目标,利用改进离散蜉蝣算法优化求解得出最优分配方案。引入不完全Gamma和Beta分布函数的动态自适应权重、黄金正弦位置更新策略,提升蜉蝣算法的收敛速度和搜索能力。仿真实验表明,基于接收SINR的闭环功率控制动态调整用户端的发射功率,能有效抑制用户间的干扰,GSWBMA求解资源分配问题具有良好的寻优效率和收敛性能,有效提升系统能量效率和用户传输速率,保证用户QoS需求。     

大规模MIMO OFDMA下行系统能效资源分配算法

针对大规模多输入多输出（MIMO）正交频分多址(OFDMA)下行移动通信系统,提出了一种基于能效最优的资源分配算法。所提算法在采用迫零(ZF)预编码的情况下,以最大化系统能效的下界为准则,同时考虑每个用户的最低速率要求,通过调整带宽分配、功率分配和基站天线数分配来优化能效函数。首先根据优化条件提出了一种迭代算法确定每个用户的带宽分配,然后利用分数规划的性质并采用凸优化方法,通过联合调整基站端的发射天线数和用户的发射功率来优化能效函数。仿真结果表明,所提算法在较少迭代次数的同时能够取得较好的系统能效性能和吞吐量性能。     

一种人与人和机器到机器共存下能效最大化的上行用户分配算法

针对5G超密集异构蜂窝网络中人与人(H2H)和机器到机器(M2M)共存场景下有服务质量(QoS)保障和负载均衡的上行用户分配问题,该文提出一种基于匹配理论的用户分配算法。该算法在用户分配过程中同时考虑不同类型节点的接入控制策略,在最大化网络能效的同时,实现节点QoS保障。仿真结果表明,与其他算法相比,该算法不仅能够在能效、负载均衡以及QoS保障方面获得更好的性能,并且能获得与穷举法相近的性能。此外,所提算法的收敛速度很快且不受节点和基站数目变化的影响,适合解决H2H和M2M共存场景中的用户分配问题。     

一种人与人和机器到机器共存下能效最大化的上行用户分配算法

针对5G超密集异构蜂窝网络中人与人(H2H)和机器到机器(M2M)共存场景下有服务质量(QoS)保障和负载均衡的上行用户分配问题,该文提出一种基于匹配理论的用户分配算法.该算法在用户分配过程中同时考虑不同类型节点的接入控制策略,在最大化网络能效的同时,实现节点QoS保障.仿真结果表明,与其他算法相比,该算法不仅能够在能效、负载均衡以及QoS保障方面获得更好的性能,并且能获得与穷举法相近的性能.此外,所提算法的收敛速度很快且不受节点和基站数目变化的影响,适合解决H2H和M2M共存场景中的用户分配问题.     

基于上行多用户大规模MIMO系统能效优化算法

针对上行多用户大规模多输入多输出（MIMO）系统,提出了基于能效优化的资源分配方法。所提方法采用迫零(ZF)接收,以最大化系统能效下界为准则,系统功率消耗考虑电路功率消耗和发射功率消耗2部分,通过联合调整基站端的发射天线数和用户的数据速率来优化能效函数。首先,根据目标函数的性质,证明全局最优速率分配和天线数的存在性和唯一性,然后,根据分数规划的性质,把原始的分数最优化问题转换成减式形式,进而提出一种新的迭代算法。仿真结果表明,所提算法以较少迭代次数取得了接近最优算法的性能。