干扰受限系统的认知用户功率控制算法

根据认知无线电系统中认知用户的不同通信需求,结合干扰温度模型和非合作博弈理论,以单小区CDMA为系统平台,提出基于SINR的对数效用函数的干扰受限认知无线电系统功率控制算法。仿真实验结果表明,与经典SINR平衡算法及Koskie-Gajic算法相比,该算法在满足认知用户目标SINR和主用户干扰温度限制的前提下,通过适当增大认知用户发射功率,能够满足认知用户高速数据通信的需要。     

基于认知的智能电网家域接入控制网络非合作博弈功率控制算法比较研究

智能电网家域网中应用认知无线电技术的主要目的是提高频谱利用率。功率控制是提高频谱利用率并实现频谱共享的主要手段之一,其通过减小认知用户间干扰来提高用户信干噪比性能,从而保证认知用户正常通信。研究基于认知的智能电网家域接入网络中三种不同功率控制算法的性能。通过仿真对比可得:三种算法收敛迅速,效率极高,在一定程度上都能降低系统开销,提高网络性能,对实际工程有很好的指导意义。     

认知无线电中基于博弈论方法的联合功率速率控制

在认知无线电网络中,认知用户在满足目标信干比的前提下,采用非合作博弈的方法以降低每个认知用户的发送功率。为解决认知无线电中共享频谱状态下的联合功率和速率控制问题,将系统中次级用户间的关系假定为非合作的竞争性关系,同时考虑次级用户对主用户的干扰容限,提出一种基于次级用户传输时延花费的非合作博弈联合功率速率控制算法,并证明该算法纳什均衡的存在性与唯一性。仿真结果表明,该算法可使用户在使用较小传输功率的情况下获得较高的效用值与较低的传输延时,同时使次级用户对主用户的干扰小于干扰阈值。     

基于认知OFDM系统的功率分配算法

在正交频分复用的认知无线电系统中,授权用户会受到认知用户频带内子载波带外功率泄漏的干扰。针对这一问题,提出了一种基于幂函数分布的次优化功率分配方案,通过线性约束的凸优化数值运算,有效降低了最优方案中运算的复杂度。给出了在认知用户发射功率约束条件下的信道吞吐量分析。仿真结果表明,所提出的方案在满足授权用户干扰门限约束条件下,提高了现有功率分配方案的认知用户信道吞吐量。     

混合保护准则下基于NC-OFDM的认知无线电系统功率分配

针对主用户采用OFDM通信体制,认知用户采用NC-OFDM通信体制,认知用户共享主用户授权频谱的工作场景,研究了认知无线电系统功率分配策略。提出依据主用户不同工作状态,采用不同的约束准则:对认知用户工作信道,引入功率泄漏干扰因子约束认知用户的发射功率,以限制对主用户工作信道的泄漏功率强度;对主用户工作信道,设置主用户速率损失上限,以确保主用户正常工作。功率分配算法以混合约束准则为基础,最大化认知无线电系统的传输速率。仿真结果表明,与干扰功率约束机制相比较,本算法能显著提升传输速率。     

考虑频谱感知错误的多载波认知无线电资源分配算法

认知无线电(CR)资源分配中二级用户对主用户造成的干扰源于两方面,即带外频谱泄露和频谱感知错误。滤波器组多载波(FBMC)技术和正交频分复用(OFDM)技术相比,FBMC带外泄露较小,频谱利用率较高。FBMC技术考虑干扰来源,可以降低二级用户对主用户的干扰,提高CR系统吞吐量。为此,提出考虑频谱感知错误的CR资源分配算法,建立干扰模型,将资源分配分步简化为载波分配和功率分配,在干扰约束和功率约束条件下对二级用户进行功率分配。基于FBMC和OFDM系统的仿真结果表明,该算法对主用户造成的干扰更小,CR系统可以获得更大的吞吐量,FBMC的干扰和吞吐量性能均优于OFDM。     

认知无线电中基于博弈论的联合功率和速率控制算法

研究了认知无线电(CR)中共享频谱状态下的联合功率和速率控制问题。功率控制技术是认知无线电的关键技术之一,而下一代的网络也对速率的多样化传输提出了要求。将系统中次级用户(SU)间的关系假定为非合作的竞争性关系,同时考虑到次级用户对主用户的干扰容限,提出了基于博弈论的联合功率控制算法(NPRG),并证明了该算法的纳什均衡的存在性、唯一性。仿真结果证明了算法具有较快的收敛性,且能收敛到较低的功率和较高的速率。     

干扰约束下的认知无线电传输链路自适应算法

针对干扰约束下的认知无线电传输链路自适应算法开展研究,基于OFDM的认知用户与主用户共存,认知用户在保证对主用户干扰容限的前提下执行子载波与功率分配,以树形分支贪婪算法为基础,引入功率余量因子和干扰余量因子并通过比较余量因子相对大小来选择子载波,通过减小分支数以降低算法复杂度.仿真结果表明,改进的树形分支贪婪算法获得的...     

认知无线电中快速收敛的功率控制博弈算法

针对认知无线电中分布式功率控制算法收敛速度较慢的问题,提出了一种新的非合作博弈模型下的功率控制算法。算法主要通过构造基于信干比(SIR)的正切型代价函数来减少迭代次数,从而提高收敛速度。仿真结果表明,所提算法在满足认知用户信干比要求和主用户干扰温度容限下,与Koskie-Gajic算法和自适应功率控制（CR-NCPCG）算法相比,在收敛速度上有了大幅度的提高,能更好地满足系统实时性要求,并且在用户数小于20时,平均信干比至少提高了0.3dB,可以实现对认知用户发射功率的有效控制。     

基于干扰温度限制的认知正交频分复用系统功率分配算法

在认知正交频分复用（OFDM）系统中,为避免对主用户（PU）的干扰,需要对认知用户（CU）基站的发射功率进行控制和分配。针对认知用户基站无法合理分配其发射功率及无法有效提高数据传输速率等问题,在传统注水功率分配算法的基础上,提出了一种双因子二分搜索最优化功率分配算法。该算法充分考虑认知用户信道上干扰温度的限制,首先,在满足总功率限制的条件下引入剩余函数;然后,利用剩余函数的单调性,通过双层二分搜索迭代方法求得拉格朗日因子的准确值;最后,通过拉格朗日因子的值求出各子信道上所分配的功率值。仿真结果表明,所提算法能有效利用主用户频带间的频谱空穴,在总功率限制和干扰温度（IT）限制下,最大化认知用户的数据传输率,其值逼近传统注水算法。同时该算法所得到的数据传输速率比总功率平均控制算法和干扰温度平均控制算法有明显的提高,在相同仿真环境下其传输总速率超出约4×105b/s。在迭代过程中所提算法处理时间较少,并体现出良好的鲁棒性。     

认知网络中基于博弈论的联合功率控制与速率分配算法

针对认知无线网络上行链路中的资源分配问题,提出了一种适应于多小区认知无线网络的基于功率控制与速率分配的博弈算法。为了更加合理地控制用户的功率和速率,减小各次用户间的干扰,首先,在效用函数中分别给功率和速率设置了不同的代价因子,使其能够更加合理地控制用户,避免用户过度增加发射功率。其次,从理论上证明了该算法纳什均衡的存在性、唯一性以及算法的收敛性。最后,为了解决发射功率和传输速率的最优化问题,给出了联合功率控制和速率分配的迭代更新算法流程图。理论分析及仿真结果表明,与同类博弈算法相比,在保证通信质量的前提下,所提算法可以使得用户以较小的发射功率获得较大的传输速率和较高的信干噪比（SINR）,并且减小了用户间的干扰,提高了次用户系统容量。     

基于主用户公平性保护的最优功率分配

考虑了一个主用户为集中式通信系统的基于OFDM的认知无线电场景。因为认知用户的发送端到主用户的各个子用户之间的信道质量可能存在很大的差异,因而认知用户给各个子用户导致的干扰可能存在很大的不平衡,有的可能几乎没有受到干扰,而另外一些可能遭受到非常严重的干扰甚至中断。为了确保主用户中每个子用户的通信质量,考虑了基于对主用户中各个子用户公平性保护的最优功率分配的问题,它的最优解也被推导。仿真结果显示,提出的算法能够在资源(功率、频谱)的使用效率和对主用户各子用户保护的公平性之间取得良好的平衡。     

认知无线电网络中基于公平性的功率控制方案

针对现有非合作功率控制博弈算法中存在用户“远近性公平”问题,在主次用户共享频谱的认知无线电上行链路中,给出一种基于代价函数的高效和公平的功率控制博弈算法。在该博弈模型中,代价函数的设定依据次用户接收端信号质量需满足次用户的服务质量要求。改进后的效用函数能够同时兼顾认知无线电系统的总吞吐量和次用户获取资源的公平性,并利用超模理论证明了该模型存在纳什均衡,然后得到求解发射功率纳什均衡解的迭代过程。仿真结果表明,相比已有的研究,该算法不仅能提高认知系统的吞吐量,还能降低发射功率,改善系统效用,而且兼顾了远近用户吞吐量的公平性。     

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。     

一种基于价格竞争的D2D通信资源分配算法

针对蜂窝用户与D2D用户所构成的混合网络系统中同频干扰问题,提出一种基于价格竞争的D2D通信资源分配算法.该算法不仅考虑利用基站定价来减小对蜂窝系统的干扰,而且联合基站端的干扰容限对干扰功率进行约束.首先将问题公式化制定非合作博弈过程,利用效用函数模型分析D2D用户的利润和对蜂窝基站的干扰,从而调整发射功率最大化系统整体收益;然后通过通信的D2D用户来更新干扰继而更新复用价格;最后采用注水算法利用拉格朗日条件来优化价格.仿真表明,该算法不仅可以简单地控制干扰功率,而且还有效地提高了系统吞吐量.     

基于OFDM的多用户认知无线电系统的基于效用函数的跨层资源优化分配

提出了一个基于OFDM的多用户认知无线电系统的基于效用函数的跨层资源优化分配算法,该算法不仅能控制认知用户因为频谱泄露导致的对主用户的干扰,而且能够在多个认知子用户间平衡资源分配中的资源使用效率和公平性的问题。仿真结果显示,提出的算法就平均吞吐量或平均效用与现有的最具代表性的两种典型算法相比有更好的性能,同时认知子用户也获得了公平性的资源分配。