能量有效性频谱感知和传输方案的联合设计

为了实现认知无线网络的能量有效性传输,在混合频谱共享方式下对频谱感知和传输功率分配的联合优化方案进行研究.首先将混合频谱共享方式下的能量有效性传输描述为一个多约束优化问题,并从理论上分析了最优的频谱感知和功率分配方案.结合理论分析结果,设计了低复杂度的联合优化迭代方案以逼近优化问题的最优解.仿真结果表明所提方案的性能与最优方案非常接近,而方案复杂度却大大降低.     

基于OFDM的认知无线电系统中功率分配算法

针对基于正交频分复用(OFDM)的认知无线电系统中,子载波功率分配的最优化算法中出现的迭代运算繁琐、不易实现的问题,提出一种基于幂函数分布的次优化功率分配算法.该算法采用线性约束的凸优化数值运算方法,对认知用户频带内子载波的功率按照幂函数的数值特性依次分配,该算法具有运算速度快、易于实现的特点,并且有效地解决了授权用户受到认知用户频带内子载波带外泄漏功率的干扰问题.通过使用MATLAB建模仿真,结果表明,提出的算法方案在满足授权用户干扰门限的条件下,使得认知用户频带内信道容量能够达到最大化,并且在同样条件下提高了现有功率分配方案的最大传输速率.     

多小区下行NOMA系统中最大公平的功率分配方案

对于多小区多簇且每个簇包含任意用户的下行非正交多址接入（NOMA）系统,提出了一种最大公平的功率分配方案.首先构建了最大公平的功率分配优化问题;推导了单簇内以最大公平为准则的分配功率时,该簇内每个用户的速率与每个簇的总功率之间的关系,并基于该结论,将优化问题中用户间的功率分配转化为簇间功率分配;最后给出了一种基于迭代的簇间功率分配算法,为每个簇平均分配功率并计算单簇内最大公平准则下用户的速率.通过多次调整最大速率所在小区簇的功率和最小速率所在小区簇的功率,得到该系统中最大公平的功率分配.仿真结果显示,所提方案的公平性优于相同场景中已有的功率分配方案.     

下行NOMA系统中最大化能量效率的功率分配方案

针对多簇且每个簇包含任意用户的下行非正交多址接入（NOMA）系统,提出了一种最大化系统能量效率的功率分配方案.首先推导了满足所有用户连续干扰消除需求的情况下,单个用户及单个簇所需的最低功率,建立最大化系统能量效率的用户间功率分配优化问题,然后采用二分法求解最大化单个簇内能量效率的功率分配优化问题,基于该结论将最大化系统能量效率的用户间功率分配优化问题转换为簇间功率分配优化问题,最后给出了一种迭代的簇间功率分配方案,并根据簇间功率分配的结果为单个用户分配功率.仿真结果表明,所提方案的系统能量效率高于相同场景中的已有方案.     

OFDMA系统中节能的遗传禁忌搜索功率分配

提出了一种用于多小区正交频分多址系统的功率分配算法. 以最小化系统发送功率为优化目标,在满足每个用户速率要求条件下,将遗传算法与禁忌搜索算法相结合,求解了多小区同频子信道上的功率分配问题. 定义了适应度函数,并给出了算法实现过程. 仿真结果表明,与已有算法相比,新提出的算法能在满足所有用户的速率要求条件下节约系统总发送功率,提高能量效率.     

移动边缘计算中基于能量收集的能效优化方案

移动边缘计算（MEC）系统中密集的计算任务卸载使得资源受限的终端设备能量效率低,能量服务单一,对此,提出了一种基于能量收集的系统能效优化方案.该方案首先在满足卸载发送功率限制等约束条件下,分析了能量收集状态及用户功率分配,建立了最大化系统能效的联合优化模型;其次,利用广义分数规划理论将卸载能效转化为标准凸优化问题,并通过构建拉格朗日函数对目标函数进行迭代优化,获得最优的能量指示变量和功率分配.仿真结果表明,所提方案可以有效提升MEC系统中的用户能量效率,同时保证了用户服务质量,实现了绿色通信.     

超密集网络中非合作博弈的功率分配算法

为了抑制超密集网络中小小区基站的密集化部署带来的干扰,并提高系统的吞吐量,本文研究了频谱共享超密集网络中的功率分配策略.首先,针对非凸的系统和速率最大化问题,采用非合作博弈模型将其转化为每个用户效益函数最大化的凸子问题,并通过设计一种动态定价使得非合作博弈模型的纳什均衡点（NE）是原优化问题的驻点.其次,为了保证宏小区用户的服务质量（QoS）,模型中引入了干扰功率约束条件来抑制宏小区受到的干扰.最后,在此非合作博弈论框架下,设计了一种迭代式的基于全局信息的功率分配算法.每次迭代通过求解KKT条件获得每个用户的最优发射功率,通过理论推导证明了迭代算法可收敛到博弈模型的NE.此外,为了减少迭代算法的信令开销、提高资源利用率,还提出了一种基于局部信息的功率分配算法.仿真结果表明,所提出的基于全局信息的功率分配算法比对比方法具有更好的传输性能,所提出的基于局部信息的功率分配算法在保证较好的传输性能的前提下有效地减少了信令开销.     

超密集组网多维资源联合调度

针对超密集异构网络的无线资源高效管理问题,提出一种多维资源联合分配方案。根据超密集网络C/U分离网络结构,建立能效与谱效权值和的目标优化函数。构造惩罚项,更新目标函数为无约束函数,采用分布优化和迭代搜索的策略进行求解。引入模拟退火算法与列文伯格功率分配循环迭代机制,对用户关联、子载波分配以及功率控制等多维资源进行分配,最终逼近全局最优解。仿真结果表明,模拟退火算法相比于贪心算法更易跳出局部最优陷阱,列文伯格算法对系统权重吞吐量的提升要优于平均功率以及注水算法。该方案能够进行多小区多维资源分配。     

OFDMA蜂窝中继网络中继选择算法研究

提出两种用于正交频分多址(OFDMA)蜂窝中继网络的中继选择算法,一种在限制数据速率情况下,以用户能量消耗最小化为优化目标;另一种在限制花费能量情况下,以系统频谱效率最大化为优化目标.同时,加入了小区内负载平衡处理机制.首先将基于定价的多小区非合作功率分配博弈模型引入蜂窝中继网络中,得到每一跳的功率-效用对;然后将其合并得到每条路径的功率-效用对;最后依据不同的优化目标,在可行路径的功率和效用之间进行折中中继选择.仿真结果表明,相对于基于信干噪比(SINR)的中继选择算法,提出的两种中继选择算法分别达到了其优化目标,获得了相应的性能增益.     

最小能量消耗的协作式MIMO功率分配算法

对解码转发协作式MIMO系统中的功率分配问题进行了研究.分析了系统误比特率和能量增益特性,在此基础上提出了一种基于黄金分割迭代的功率优化分配算法和2种简化的分配算法,在满足一定误比特率要求的条件下,使源节点和中继节点总的发射功率最小.考虑准静态平坦衰落信道,根据瞬时信道状态信息进行功率分配.理论分析与仿真结果表明,基于黄金分割迭代的功率优化分配算法可以以较少的迭代次数得到较高精度的最优解,而2种简化功率分配算法均可以获得与基于黄金分割迭代的功率分配算法相近的系统能量增益,并且计算的复杂度大大降低.     

无线携能通信时隙与功率联合优化算法研究

传统通信系统由于不能够有效利用射频信号的能量会导致传输能耗较高,所以必须合理分配资源,在信息和能量传输间获得折中,即保证充足的传输能量并尽可能提高系统的信息传输性能.因此,为了节约通信系统的能量,本文提出通信系统在多个时隙同时传输信息和能量从而实现无线携能通信.首先,将传输时间分成若干时隙,发射机按照要求在不同时隙内发送信息或者能量;然后,接收机在对应时隙内接收信息或者收集能量,并利用收集的能量提供电路耗能;最后,通过联合优化时隙和功率分配,在保证系统能量需求基础上最大化系统传输速率.仿真结果表明:相比等时间功率分配算法,提出算法的传输效率提高了约40 bps;且随着时隙数增加,提出算法性能显著提高.当传输能量增加时,可分配的信息功率更大;而当能量需求增加时,信息功率会降低,更多的功率用于能量传输.因此,提出算法通过为信息传输和能量采集合理分配时隙和功率,保证充足的采集能量基础上,最大化信息传输性能,系统通过采集无线能量有效提高了传输性能.     

认知反向散射网络通信容量公平的资源优化

为保证认知反向散射通信网络中物联网节点通信容量的公平性,提出一种基于最大最小准则的资源分配方案. 在考虑物联网节点动态电路能耗模型与非线性能量收集模型的基础上,通过联合优化发射功率、反射及时间分配系数构建一个最大最小物联网节点通信容量的非凸多维资源分配问题. 首先,采用反证法、连续凸近似及辅助变量等方法将原问题转换为凸优化问题;然后提出一种迭代算法来求解转换问题. 仿真结果表明,所提的资源分配方案在提升物联网节点通信容量的同时保障了节点通信的公平性.     

环境反向散射通信辅助CR-WPCNs的中继传输

为了提高覆盖式认知无线供电通信网络（CR-WPCNs）的性能,将环境反向散射通信技术引入该网络中,以提高认知系统的吞吐量。在基于环境反向散射通信的CR-WPCNs中,考虑到认知发射机的传输距离有限,提出了一种基于非正交多址接入和能量收集的中继传输方案,以提高认知系统的通信范围和吞吐量。在信道处于忙碌状态时,需要考虑认知发射机进行环境反向散射通信和认知发射机及中继器进行能量收集的时间资源分配;在信道处于空闲状态时,需要考虑认知发射机和中继器利用收集到的能量分别进行有源数据传输的时间资源分配。将上述资源分配问题建模为一个吞吐量最大化问题,并利用拉格朗日乘子迭代算法进行求解。仿真结果表明,所提方案可以显著地提高认知系统的吞吐量。     

保密MIMO无线携能系统的鲁棒能效优化

针对多输入多输出无线携能系统,研究了在多个窃听者存在且其信道状态信息不准确情况下的保密能量效率优化问题．在最大发射功率和最小收获能量的约束条件下,通过联合设计波束成形矩阵、辅助噪声方差矩阵和功率分配比,最大化系统最差情况的保密能量效率．基于分式理论,将原来的非凸分式问题转换成易处理的减式形式．通过S-procedure和一阶泰勒级数展开,将难于处理的非凸问题转化为凸问题．在此基础上提出了基于Dinkelbach方法的两级优化迭代算法,仿真结果验证了该算法的有效性和收敛性．     

基于mMIMO的MEC安全节能资源分配方法

移动边缘计算（MEC）系统在恶意用户干扰攻击和窃听的双重威胁下,会带来上行卸载受阻、用户信息泄露、系统能源利用率低等问题.对此,利用物理层安全技术防止窃听,并利用大规模多输入多输出（mMIMO）技术来减少干扰及用户能耗.此外,在时延受限的条件下,通过联合优化用户的卸载决策、发射功率以及卸载速率,实现用户总能耗最小化.针对此非凸的多目标优化问题,首先利用拉格朗日乘数法得到用户卸载数据量的闭合表达式,然后利用迭代算法得到用户最优的发射功率以及最大卸载速率.仿真结果表明,所提出的mMIMO-MEC安全卸载方案在解决干扰和窃听等安全问题的同时,有效地降低了系统的总能耗.     

Power allocation and transmission scheduling for a transmitter with hybrid energy sources

The problem of dynamic power allocation and transmission scheduling for a transmitter powered by hybrid energy sources (combination of power grid and energy harvesters) is studied. The goal is to minimize the time average energy consumed from the power grid, that is, to improve the utilization efficiency of the energy harvested by the harvesters under the condition of unknowing statistical distribution of the energy harvesting process, data arrival process and fading channel state. An efficient dynamic power allocation and transmission scheduling algorithm is proposed based on Lyapunov optimization, and the algorithm is simple to operate due to its low complexity. Using the proposed algorithm the power consumed by the transmitter from the power grid can be close to the minimum arbitrarily under all data queues stability, and meanwhile the algorithm guarantees that data queues cannot exceed the maximum delay. Simulation results indicate that the proposed algorithm has a better performance than other two simple algorithms.     

非线性电池模型下能量收集通信系统功率控制

针对发送端配备能量收集设备的无线通信系统,基于Lyapunov优化框架,提出了一种以最大化长期平均传输速率为目标的在线功率控制策略.功率决策算法中考虑了可充电电池充放电过程中的能量损失,采用非线性数学模型来描述充放电效率.将电池电量的约束条件转为能量虚队列的稳定性要求,将需要最大化的传输速率的相反数作为惩罚项,在仅拥有当前信道状态和电池状态的条件下,通过使漂移加惩罚最小化,在满足约束条件的同时最大化平均传输速率.仿真结果显示,所提算法的性能略低于离线注水算法,优于贪婪算法和半功率算法,也优于同样采用Lyapunov方法、但没有考虑充放电效率的现有其他算法.