无线传感器网络中支持并行传输的信道与功率联合优化博弈算法

针对无线传感器网络中干扰日益增大引起网络容量下降、能耗增加的问题,该文建立了信道分配与功率控制联合优化博弈模型。在该模型中链路将既能保持自身成功传输又不影响其它链路传输的信道作为可选信道,以实现链路的并行传输。继而基于该模型设计了一种支持并行传输的信道分配与功率控制联合优化博弈算法(JCPGC)。该算法利用最佳响应策略对模型求解,并通过超模博弈等理论证明了JCPGC能够收敛到纳什均衡。此外,该算法充分考虑信道分配和功率控制之间独立又相互影响的关系提高了网络容量。仿真实验结果表明,JCPGC具有大容量、低干扰和低能耗的特性。     

无线mesh网络中基于效用最优的联合信道分配和功率分配算法

该文针对多信道无线mesh网络,采用基于效用最优的定价机制,提出了一种功率-干扰价格模型,并基于该模型提出了一种分布式联合信道分配和功率分配算法。每个节点根据自己所消耗功率状况合理地定功率价格,并根据自己所受干扰状况合理地定干扰价格。通过功率价格和干扰价格来调节链路的信道分配和功率分配,使网络效用最大化。仿真结果表明:所提出的算法能够快速、平稳地收敛到近似最优解。同时还仿真了网络可用信道数目、节点射频数目和功率对系统性能的影响,可以为网络配置提供参考。     

认知无线电网络中基于随机学习博弈的信道分配与功率控制

传统的认知无线电频谱分配算法往往忽略节点的传输功率对网络干扰的影响,且存在节点间交互成本高的问题.为此,通过量化传输功率等级,以最大化弹性用户收益为目标,构建联合频谱分配与功率控制非合作博弈模型,证明了该博弈为严格潜在博弈且收敛到纳什均衡点.进一步,将随机学习理论引入博弈模型,提出了基于随机学习的策略选择算法,并给出了该算法收敛到纯策略纳什均衡点的充分条件及严格证明.仿真结果表明,所提算法在少量信息交互前提下能获得较高的传输速率,并提升用户满意度.     

同频异构femtocell联合子信道和功率分配算法

摘要：针对macro-femto同频融合网络中基于资源分配的干扰抑制问题,提出一种联合子信道和功率分配算法来抑制同频干扰。该算法通过对MU进行功率控制并采用跨层切换消除同频跨层干扰,对FU进行联合信道和功率分配消除同频层内干扰;跨层切换问题是在每一层网络目标中断概率约束下通过优化网络吞吐量实现,而基于联合信道和功率分配的同频干扰抑制问题是在切换MU的目标数据速率和其他MU以及FU干扰门限约束下,通过优化FU的和速率实现。理论分析和仿真结果表明,该算法能够提高FU的和速率,增大femtocell的网络容量,并可增加femtocell的部署数目。     

博弈论框架下认知小蜂窝网络的动态资源分配算法

为提高认知小蜂窝网络(CSCN)的系统容量,本文基于博弈论框架分析了上行链路中频谱、小蜂窝基站和功率的动态分配行为.传统的频谱分配方案只考虑了异质网路中相互独立频带间的最优分配,而没有考虑可重叠频段间的分配模式和上行链路资源的联合优化.基于此,本文提出了一种具有频带可交叉特性的联合分配模型.通过引入干扰温度限制、全新的干扰算子和记忆因子构造了一种新型的上行注水功率算法.仿真结果表明,基于博弈理论的动态选择特性和干扰温度的干扰避免准则,本算法可以有效提高CSCN的吞吐量和鲁棒性.     

家庭基站系统中的联合信道与功率控制算法

摘 要：本文提出了一种联合信道分配与功率控制算法,通过优化目标将家庭网络的信道分配和功率控制结合,限定干扰范围,采用凸优化和次梯度方法,求解出功率的闭合式,优化了家庭网络的容量。算法又将家庭网络容量与宏网络容量联系,使宏网络容量得到了提升。仿真结果表明,与单纯的功率控制算法相比,本文算法提高了系统容量。     

认知网络中基于中继的频谱资源分配

根据无线认知中继网络上、下行链路子载波的信道特性,研究认知网络的频谱资源分配,提出一种上、下行链路子载波联合优化的分配算法。该算法根据子信道增益差值因子的大小分配下行链路子载波,以源节点和中继节点功率最小化为优化目标配对上行链路子载波,以用户的实时需求分配子载波的比特和功率,有效降低了系统的发射功率,提高了系统吞吐量。仿真结果表明,与启发—集中式和分布式辅助反馈传输功率分配算法比较,该联合优化算法的单位比特功耗降低了1.5~3 dBμW,误比特率性能提高了1个数量级左右。     

多载波超密集网络的抗干扰分布式节能功率分配

该文研究多载波超密集网络(UDN)上行链路能效最优功率分配方案,基于非合作博弈论提出一种抗干扰分布式功率分配方案,使每个小区独立优化能效的同时抑制邻小区干扰。由于最大传输功率和QoS约束下的能效函数具有不易解决的非凸特性,且小小区间存在严重干扰。针对以上挑战,该文在最佳响应过程中设计了一种高精度低复杂度的阶梯注水算法,基于该算法利用干扰信道增益提出了一种多用户抗干扰功率分配算法。仿真结果和数值分析表明该算法运算复杂度低,且能在保证系统频谱效率的同时大幅度提升系统能效。     

多载波超密集网络的抗干扰分布式节能功率分配

该文研究多载波超密集网络(UDN)上行链路能效最优功率分配方案,基于非合作博弈论提出一种抗干扰分布式功率分配方案,使每个小区独立优化能效的同时抑制邻小区干扰.由于最大传输功率和QoS约束下的能效函数具有不易解决的非凸特性,且小小区间存在严重干扰.针对以上挑战,该文在最佳响应过程中设计了一种高精度低复杂度的阶梯注水算法,基于该算法利用干扰信道增益提出了一种多用户抗干扰功率分配算法.仿真结果和数值分析表明该算法运算复杂度低,且能在保证系统频谱效率的同时大幅度提升系统能效.     

基于补偿式CSI的分布式跨层联合资源分配算法

为消除过时信道状态信息(CSI)对分布式无线多跳网络环境下跨层资源分配效率的影响,提高跨层联合资源分配的准确性,基于信道相关性提出了一种补偿式跨层联合资源分配算法。利用瞬时和过时信道状态信息之间的条件概率密度函数,基于瑞利衰落信道模型求得信噪比(SINR) 模型下条件容量的闭式解。为补偿部分网络性能的损失,提出了一种考虑过时信道状态信息的联合拥塞控制、信道分配和功率控制的算法,在此过程中网络被建模成一个NUM 问题,可变的链路数据率和功率等资源限制作为约束条件。运用拉格朗日对偶分解技术,NUM问题被分布式求解。实验对比分析表明：在确保较低复杂度的前提下,该算法有效改善了分布式多跳网络资源分配的合理性,使其网络总体效用得到提升,降低了能耗。     

利用部分重叠信道的多无人机自主协同优化抗干扰

针对多无人机通信网络抗干扰中的功率和信道联合优化问题,考虑多无人机通信网络中的部分重叠信道切换、外部恶意干扰与网络内部互扰问题,通过构建Stackelberg博弈抗干扰模型,设计无人机用户和干扰机的效用函数,并提出了基于次梯度迭代的算法求解博弈的均衡解,获得无人机用户在干扰条件下的部分重叠信道选择和功率选择联合优化结果。仿真结果表明,所提算法能使多无人机用户获得良好的信道选择和传输功率策略,优化多无人机通信网络抗干扰性能。     

一种基于链路质量的自维护拓扑控制博弈算法

针对无线传感器网络拓扑性能优化单一的问题,本文首先定义了表征双向通信质量的指标.其后将链路质量,节点干扰,剩余能量均衡性等参数融入收益函数,设计了一种基于链路质量的自维护拓扑控制博弈算法SMGLQ.理论证明该算法能保证各节点收敛到帕累托最优.仿真实验表明它能为网络选择通信质量较好的链路,并降低能耗.     

Ad hoc网络非合作博弈功率控制研究

根据Ad hoc网络的分布式特性,提出一种新的以干扰为代价的非合作功率控制博弈算法,让产生较大干扰的发送节点受到更多惩罚,验证其存在唯一的纳什均衡。仿真结果表明,该算法具有较快的收敛速度,与NPG和NPGP模型相比,可以有效抑制产生较大干扰的链路的发送功率。在保证链路接收信号质量的同时,不仅有效减小干扰以提高网络容量,而且还在一定程度上兼顾了节点之间的公平性。     

认知型飞蜂窝网络中的子信道分配与功率控制

为了解决宏蜂窝与飞蜂窝构成的两层异构网络上行干扰与资源分配问题,提出了一种在认知型飞蜂窝的双层异构网中结合子信道分配和功率控制进行资源分配的框架。通过对异构网中跨层干扰问题进行分析与建模,将求解最优子信道分配矩阵和用户发射功率矩阵作为干扰管理问题的解决方法。模型中认知型飞蜂窝网络子信道和飞蜂窝网络用户构成非合作博弈,双方利用效用函数最优值进行匹配,构成初始信道分配矩阵;再由接入控制器根据接入条件从初始信道分配矩阵中筛选用户,并优化接入用户的发射功率矩阵,得到最优子信道分配矩阵和功率矩阵。仿真结果表明,优化框架提高了双层异构网络中飞蜂窝网络用户的吞吐量和接入率,降低了异构网中跨层干扰。     

联合速率控制与功率分配的多信道无线网络跨层优化

本文基于凸优化方法,以提升网络效用与降低网络总功耗为目标,针对多无线多信道(Multi-radio Multi-channel)的多跳无线网络提出了一种联合速率控制与功率分配的跨层优化模型,并利用对偶分解方法设计了优化模型对应的分布式算法,证明了该分布式算法收敛性.该算法通过改变本征权的取值能够在网络效用与网络功耗之间取得折衷,并能根据速率要求动态调整各条链路的注入速率与发射功率使得网络达到效用与功耗的联合最优.通过仿真实验验证了该分布式算法可有效的调节网络效用与总功耗之间的平衡.     

基于改进离散蝙蝠算法的无线Mesh网络部分重叠信道分配

针对应急通信背景下无线Mesh网络(WMN)中存在的信道干扰和频谱资源利用不充分的问题,该文提出一种改进的离散蝙蝠算法(IDBA)用于求解最优部分重叠信道(POCs)分配方案。该方法采用K-means聚类算法优化网络拓扑,引入樽海鞘群的链式行为提高局部搜索能力,建立以最小化链路加权干扰为目标的线性规划模型来解决流量汇聚情况可能造成的网络瓶颈链路问题。仿真结果表明,在不同网络规模下,相比于其他基于群智能优化算法的信道分配方法,该方法具有较快的收敛速度和较优的搜索能力。此外,该方法能够在节点密集时显著降低网络干扰并保持网络的稳定性。     

多波束卫星通信功率带宽联合优化算法

在多波束卫星通信系统中,资源利用率受星上能量的限制,提高资源利用率非常重要。为提高星上资源优化的灵活性,在考虑自由空间损耗、天线增益、雨衰和波束间干扰的基础上,提出一种基于不同业务需求和信道条件的多波束卫星通信下行链路功率带宽联合优化算法。该联合优化算法采用二阶差分目标函数,运用拉格朗日对偶理论和次梯度法求得该联合优化问题最优解的下界。仿真结果分析表明,与单独地优化功率和带宽算法相比,该功率带宽联合优化算法可以根据不同的业务需求和信道条件更加灵活地分配系统容量,提高了资源利用率。      

全负载蜂窝网络下多复用D2D通信功率分配算法研究

针对全负载蜂窝网络中D2D通信的功率分配问题,该文提出了一种基于非合作完全信息博弈纳什均衡解的多复用D2D通信功率分配算法。以优先保证蜂窝用户通信质量与D2D用户接入率为前提,设置D2D通信系统上行链路帧结构,之后建立非合作完全信息博弈系统模型,引入定价机制到功率分配博弈模型中并分析纳什均衡解的存在性与唯一性,最后给出该模型的分布式迭代求解算法。仿真结果表明,随着D2D用户复用数量的增加,该算法在提升系统吞吐量的同时,能有效地控制系统内部干扰,大幅度降低系统总能耗。     

认知无线网状网中基于差分演化的功率控制与信道分配

信道分配对于提高认知无线网状网性能具有重要作用.考虑到节点功率对网络干扰的影响,定义了网络干扰边及潜在干扰边,通过量化通信功率控制等级,给出了联合功率控制与信道分配的网络模型.提出一种基于差分演化的功率控制与信道分配算法,设计了实数编码规则及相应的约束控制机制以保证个体的有效性,确保算法的快速收敛.一系列仿真实验表明本文算法的有效性.     

基于非合作博弈的OFDMA无线多跳中继网络上行链路资源分配算法

研究了基于OFDMA多址技术的无线多跳中继网络上行链路资源分配问题。首先,在最大发射功率等约束条件下,建立了多小区OFDMA无线多跳中继网络上行链路的资源分配优化模型。将非合作博弈论和定价机制引入后,该优化问题可转化为在每个子信道上独立地进行功率分配。基于非合作博弈的功率分配模型中的纳什均衡点的存在性和唯一性得到了证明,并给出了具体的分布式求解算法。仿真结果表明,所提算法能在大幅减少系统总发射功率的情况下,有效地提升系统吞吐量,达到较高的能效比。