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。     

混合NOMA/OFDMA可见光通信系统资源分配算法

为了进一步降低混合非正交多址/正交频分复用多址（NOMA/OFDMA）技术的多用户多小区可见光通信系统的误码率,提出了一种功率和子载波的联合分配算法。该算法以最小化系统误符号率为优化目标,实现了子小区间载波和用户功率的联合最优分配。首先,理论推导出系统的误符号率表达式;然后,使用Matlab软件进行仿真,模拟可见光通信系统模型,并借助遗传算法得到最优的分配结果;最后,将该算法与现有的算法进行了对比。仿真结果表明,所提算法的误符号率性能更优。     

无小区大规模MIMO系统中结合贪婪导频分配的导频功率控制的算法

无小区大规模多输入多输出（multiple-input multiple-output,MIMO) 系统具有广阔的频谱,但是导频训练阶段的导频污染严重影响了系统的性能,因此减少导频污染成为必要。为了减少导频污染,文中提出了一种结合贪婪导频分配的导频功率控制的算法。首先进行贪婪导频分配,此阶段提高了较低性能用户的有限性能。之后在合理的导频分配的基础上,进行导频功率控制,此阶段最小化了所有用户的归一化均方误差的最大值。两个阶段联合导频优化,提高了系统的网络吞吐量。仿真结果表明,文中提出的方法性能明显优于目前的研究所提出的分开优化导频分配和导频功率的方法性能。      

OFDM中继系统中能效优化的资源联合分配算法

在协作正交频分复用系统中,合理的资源分配对于提高系统性能具有重要的意义。针对中继、子载波和功率的联合分配,对最大化系统能效为目标的分配算法进行研究,提出了一个最低容量限制下的最大能效次优化资源联合分配算法(JRAA,joint resource allocation algorithm)。该算法使用冲突图表示系统资源冲突关系,根据冲突图的最大独立集结果进行资源分配。经过仿真验证,该资源分配算法实现了中继一子载波和功率的联合分配,在能效性能方面优于现有的算法。     

OFDM系统的迭代联合信道估计与符号检测算法

提出了通过降低导频功率来提高OFDM传输效率,同时采用迭代的联合信道估计和符号检测算法来保证较好误码性能的接收方案。理论分析与仿真结果表明,当数据信息与导频信息的功率比不高于l0dB时,本文提出的算法能够有效地降低系统误码率,同时该方法还具有算法简单,收敛速度快的特点。     

多用户FDD大规模MIMO下行系统能效功率分配算法

针对多用户频分双工(Frequency Division Duplexing,FDD)大规模多输入多输出(Multiple-Input MultipleOutput,MIMO)下行系统,从绿色通信角度出发,研究了能效准下基站训练序列信号和有效数据信号的功率分配问题。首先,利用大维随机矩阵理论,推导得出能效目标函数的解析表达式。基于此,采用高发射信噪比条件,将原始的非凸分式问题转化为拟凹问题。进而,证明了全局最优功率解的存在性和唯一性,并发现最优导频功率和数据功率之比为常数,且该常数仅由系统用户数、导频长度以及信道相干时长所决定。利用该关系式,获得最优功率的闭合形式解,并提出一种低复杂度的迭代优化算法。最后,通过Matlab数值仿真对所提功率分配算法进行了验证,分析了不同系统参数(如天线数、用户数、电路功耗等)对系统最优能效性能的影响,同时可以看到通过少量的迭代次数便可收敛到稳定点。     

WCDMA系统基站导频功率的联合优化

优化基站导频功率对提高WCDMA系统的网络服务性能具有重要意义,为了解决WCDMA网络基站导频功率联合分配问题,给出了一个基于免疫优化算法的基站导频功率优化方案。设计了基站导频功率分配问题的数学模型,并利用免疫优化算法进行求解,最后与文献算法进行了对比实验。实验结果表明:本文算法方案能在可接受的运行时间内找到大型通信网络中导频功率分配问题的近似最优解,具有较好的应用价值。      

基于能效最优准则的双跳中继网络功率分配算法

针对单天线多跳系统中的资源分配策略进行了研究,重点研究了基于能效最优的功率分配算法。所提算法以系统能效最大化为设计目标,以满足指定的系统服务质量(QoS, quality of service)为约束条件,建立了以源节点和中继节点发射功率为设计变量的数学优化模型。通过大信噪比区间近似等效,将原始的非凸优化问题转化为凸优化问题。再利用拉格朗日对偶函数凸优化算法,并借助于Lambert 函数,最终得到一种功率分配方案的闭合形式解,避免了采用交替迭代方法来求解最优化问题。相比传统以系统频谱效率最大化为目标的算法,所提算法能更好地提升系统整体能效,同时降低了功率分配算法的复杂度。     

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。     

OFDM通信系统中的一种最大Doppler频移估计算法

在分析了已有各种Doppler估计算法的基础上，根据功率谱估计经典算法——窗函数法的原理，直接利用接收到的频域中连续导频信号，进行最大Doppler频移估计。该算法同时适合于单载波和多载波系统。仿真结果均表明：在单径和多径条件下，该算法均可对正交频分复用（OFDM）传输系统中的最大Doppler频移获得较精确的估计结果。该算法十分适合于OFDM移动通信系统。     

Energy‐Efficiency Power Allocation for Cognitive Radio MIMO‐OFDM Systems

This paper studies energy‐efficiency (EE) power allocation for cognitive radio MIMO‐OFDM systems. Our aim is to minimize energy efficiency, measured by “Joule per bit” metric, while maintaining the minimal rate requirement of a secondary user under a total power constraint and mutual interference power constraints. However, since the formulated EE problem in this paper is non‐convex, it is difficult to solve directly in general. To make it solvable, firstly we transform the original problem into an equivalent convex optimization problem via fractional programming. Then, the equivalent convex optimization problem is solved by a sequential quadratic programming algorithm. Finally, a new iterative energy‐ efficiency power allocation algorithm is presented. Numerical results show that the proposed method can obtain better EE performance than the maximizing capacity algorithm.     

Massive MIMO异构网的高能效资源分配

为满足第五代移动通信系统高频谱效率和高能量效率的需求,提出一种工作在不同频段下行两层异构网中的高能量效率资源分配方法,考虑用户数据率需求和基站最大发射功率。天线和传输带宽是影响系统能量效率的关键因素。通过研究宏基站和小基站的天线资源和带宽分配发现:当系统天线数很大时,发射功耗的影响可以忽略不计;给定带宽分配因子时,达到宏基站或微基站最大发射功率的天线分配因子几乎可以达到最高能效;给定天线分配因子时,系统平均总功耗是关于带宽分配因子的下凸函数,存在全局最优带宽分配因子使能效最高。仿真结果表明,与给定带宽和天线资源的异构网和小小区网络相比,所提出的异构网可以显著提高系统能量效率,而且在大量用户、高数据率需求时能效提升更明显。      

Energy efficient power allocation in MIMO relaying systems with the MRT precoding

Multiple-input multiple-output (MIMO) systems perform well from the energy efficiency (EE) and the spectral efficiency (SE) points of view in fifth generation (5G) communication systems. This paper considers the operation of a MIMO system with a relay. The optimization problem relates to the EE maximization. This problem has two types of limitations, which provide a maximum transmission power and a minimum data rate for users. The encountered objective function is in a fractional form and thus it is a non-convex function. Besides, the problem is constrained. We utilize a lower bound analysis for the data rates, some properties of the linear programming, and the maximum ratio transmission (MRT) precoding scheme to obtain a convex objective function. Using the Lagrange dual function, we obliterate the constraints of the problem and then it is easy to solve. To improve system performance, users are divided into two groups based on their channel gains, and the maximum transmission power is reasonably divided between them. Two iterative algorithms are proposed to solve the optimization problem numerically, and finally we investigate performance of the proposed method.     

基于天线选择的MIMO系统能效功率分配优化

对MIMO系统在毫米波衰落信道下的能效功率分配进行研究,以期实现绿色传输。考虑发送端采用天线选择技术,接收端采用最大比合并技术,给出系统能量效率公式,并构建系统基于能效最大化的目标优化函数。利用拉格朗日乘子法,获得迭代功率分配方案。利用排序法及朗伯函数给出简单的闭式功率分配方案。利用Matlab软件验证所提功率分配方案的有效性。仿真结果表明,文章提出的功率分配方案较穷举搜索法EE性能得到了明显提升,是一种复杂度低的优化算法,能快速收敛到EE最大值。     

多用户大规模MIMO系统能效资源分配算法

该文针对多用户大规模多输入多输出(MIMO)移动通信上行系统,提出一种基于能效优化的资源分配算法。所提方法在采用最大比合并(MRC)接收情况下,满足用户数据速率和可容忍的干扰水平约束条件下,以最大化系统能效下界为准则建立优化模型。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的形式,进而采用凸优化的方法,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,所提算法与穷举算法在能效上的差距不足9%,并且有较好的系统频谱效率性能,同时算法复杂度得到了显著降低。     

Energy efficiency comparison between distributed and co‐located MIMO systems

Energy efficiency (EE) is becoming more and more important in future wireless communications because of limited battery power in mobile terminals. In this paper, we compare EE of the distributed MIMO (D‐MIMO) and co‐located MIMO (C‐MIMO) in uplink systems. Taking into account both circuit and transmit power, we derive an analytical expression for EE of D‐MIMO and C‐MIMO systems in a composite Rayleigh‐lognormal channel. What is more, an optimization algorithm is proposed to get the optimal EE values while satisfying given spectral efficiency requirement for both D‐MIMO and C‐MIMO systems. Simulation results show that D‐MIMO systems are more energy effective than C‐MIMO systems when considering the realistic systems, and the optimal EE can be obtained by the proposed algorithm while satisfying given spectral efficiency requirement. Copyright © 2012 John Wiley & Sons, Ltd.     

云无线接入网络高能效功率分配和波束成形联合优化算法

针对云无线接入网络(C-RAN)的资源分配问题,该文采用max-min公平准则作为优化准则,以C-RAN用户的能量效率作为优化目标函数,在满足最大发射功率和最小传输速率约束条件下,通过最大化最差链路的能量效率来实现用户发射功率和无线远端射频单元(RRHs)波束成形向量的联合优化。上述优化问题属于非线性、分式规划问题,为了方便求解,首先将原优化问题转化为差分形式的优化问题,然后通过引入变量将差分形式的、非平滑优化问题转化为平滑优化问题。最终,提出一种双层迭代功率分配和波束成形算法。在仿真实验中,将该文算法与传统的非能效资源分配算法和能量效率最大化算法进行了比较,实验结果证明该文算法在改进C-RAN能量效率和提高资源分配公平性方面的有效性。     

认知小蜂窝网络中基于干扰温度限制的下行能效资源分配算法

为最大化认知小蜂窝基站的能量效率,本文基于博弈论模型分析了下行联合频谱资源块和功率分配行为.在干扰受限环境下,多个基站采用分布式结构共享空闲频谱资源.为避免累加干扰损害主用户的通信,算法中引入了功率和干扰温度限制.由于具有耦合限制的分数形式的能量效用函数是非凸最优的,通过将其转化为等价的减数形式进行迭代求解.给定频谱资源块分配策略后,主博弈模型可被重新建模为便于求解发射功率的等价子博弈模型,并通过代价的形势解除耦合限制.仿真结果表明,本文所提算法能够收敛到纳什均衡,并有效提高了系统资源利用率和能量效率.     

Research on energy-efficient physical-layer secure transmission mechanism in decode-and-forward cooperative networks

The maximization problem of secure energy efficiency (EE) in decode-and-forward relay networks was investigated considering the power and energy constraints in physical-layer secure transmission.An iterative algorithm for power allocation was proposed based on fractional programming and DC (difference of convex functions) programming.This algorithm jointly allocated power for source and relay nodes to achieve energy-efficient secure transmission,subject to the peak power constraint of each node and the minimum secrecy rate requirement of the system.Simulation results demonstrate that the propose algorithm can improve the secure EE significantly compared with the conventional secrecy rate maximization strategy.