基于QoE的LTE多业务资源分配算法

高效地利用无线频谱资源和保证用户体验质量是未来无线网络的主要目标。基于此，提出一种基于QoE的LTE多业务资源分配算法。在考虑信道信息、QoS要求及公平性的基础上，引入QoE来计算的用户优先级。特别的，引入最小QoE约束来保证RT用户QoE要求；提出一种次优资源块（Resource Block，RB）分配算法来解决复杂的资源分配优化问题，该算法主要分为两步：保证RT用户最小QoE要求；最大化系统加权和速率。仿真结果表明，相较现有的RT/NRT资源分配算法，该算法在用户分组丢失率、平均QoE和小区频谱效率方面性能都有所提升。     

基于能量采集的大规模MIMO系统能效优化

研究基于能量采集的大规模多输入多输出(multiple-input multiple-output,MIMO)系统能效优化问题。保证用户服务质量、能量塔发射功率限制和能量采集时间约束下,为实现上行大规模MIMO系统能效最大化,对能量塔发射功率、能量采集时间进行联合优化。该问题属于非凸优化问题,首先通过分式规划理论将原优化问题等价转换,然后采用块坐标下降（block coordinate descent,BCD）方法,对能量塔发射功率、能量采集时间、系统能效进行迭代求解,提出了一种基于能量采集的大规模MIMO系统的联合优化能效算法(energy-efficient power and time allocation algorithm,EPTA)。仿真结果表明,在保证用户服务质量的情况下,与均时最小QoS保证算法(time-averaged minimum QoS guaranteed algorithm,TA-QoSA)、吞吐量资源分配算法(throughput maximization based power and time algorithm,TPTA)相比,该算法提高了系统能效。     

一种基于QoE效用函数的资源分配算法

针对多用户MIMO-OFDM系统,立足业务体验方,给出了一种最大化用户QoE的资源分配算法。通过设计QoE效用函数,将用户QoE与系统QoS参数关联起来,在发送功率和目标误码率的约束条件下,以最大化用户平均QoE为目标,通过QoE效用函数获取用户当前时刻QoE增量,据此确定用户时频资源分配优先级,进而进行注水功率分配。仿真结果表明,该算法能够充分利用系统资源,有效提高用户平均QoE。     

基于能效的异构无线网络联合切换调度和资源分配算法

在宏蜂窝和微蜂窝并存的异构无线网络中,为了提高系统能效,提出了一种联合切换调度和资源分配(JSRA)算法。首先,利用基于微基站睡眠的集中式切换调度算法(CUSA)来确定用户的关联基站,CUSA将微基站用户全部切换到宏基站是否能减少功耗作为判断微基站睡眠的准则;然后,基站采用基于最优信道质量的子载波分配调整(BCSA)算法为用户分配子载波和传输功率,BCSA算法通过调整最大能效用户和最小能效用户之间的子载波分配,保证网络能效逼近最优解。理论分析和实验仿真表明,同单独考虑用户切换或资源分配的三种算法相比,JSRA算法复杂度偏高,但是在用户数为120时网络功耗最多降低44.4%,用户总速率只比一种对比算法略有下降,最多提升80%,网络能效最多提升200%。实验结果表明,JSRA算法能够有效提高异构无线网络的网络能效。     

具有用户体验保障的资源优化分配算法

在研究智能电视用户体验质量(Quality of Experience,QoE)量化的基础上,提出一种具有用户体验保障的资源分配模型,并针对该模型提出两种资源分配算法:RA_BAT算法和RA_GHEU算法.实验结果表明,基于回溯法的RA_BAT能够求得问题的最优解,可作为算法比较的参照系,而启发式算法RA_GHEU可在极短的运行时间内求出接近于最优的解,适合用于智能电视资源分配的实时处理.     

一种多天线多用户大规模MIMO上行系统能效资源分配算法

针对目前大规模MIMO系统的资源分配研究集中于用户终端配备单天线的场景,但随着技术的发展和用户需求的增长,用户智能终端配备多天线情形越来越多,提出一种基于多天线多用户大规模MIMO上行系统的能效资源分配算法。在满足用户速率和续航要求的条件,基站采用迫零(ZF)接收情况下,通过建立系统能效函数,采用凸优化方法进行优化。首先确定用户不同天线的最优发射功率,再运用二分法确定基站激活的天线数目,通过联合用户发射功率和激活基站天线数来优化系统能效。仿真结果表明本文所提算法可以在迭代次数较少的情况下取得较好的系统能效。     

一种基于QoE效用函数的OFDM系统子载波和功率分配算法

以系统平均用户感受质量QoE(Quality of Experience)为优化目标,提出一种基于QoE效用函数的子载波和功率分配算法.该算法先根据用户需求与实际信道状态对子载波进行分配,将QoE引入效用函数构建中,并以系统平均QoE最大化为目标对子载波进行功率分配,在功率分配过程中使用导数迭代的方法逼近最优的功率分配...     

基于QoS的D2D能效优化

为解决基站数十亿通信设备的通信能耗和D2D通信过程中复用频谱资源对蜂窝用户造成的干扰问题,建立一种优化模型系统,解决用户通信服务质量(quality of service,QoS)和系统能效的权衡问题。针对优化问题中遇到的NP难题,提出一种启发式资源分配算法1-search,降低用户搜索范围以及匹配用户的搜索时间;利用松弛的方法忽略次要干扰的影响,降低算法复杂度。仿真结果表明,1-search算法可以提高系统能效,具有较好的收敛性。     

基于DQN的超密集网络能效资源管理

小基站的密集随机部署会产生严重干扰和较高能耗问题,为降低网络干扰、保证用户网络服务质量（QoS）并提高网络能效,构建一种基于深度强化学习（DRL）的资源分配和功率控制联合优化框架。综合考虑超密集异构网络中的同层干扰和跨层干扰,提出对频谱与功率资源联合控制能效以及用户QoS的联合优化问题。针对该联合优化问题的NP-Hard特性,提出基于DRL框架的资源分配和功率控制联合优化算法,并定义联合频谱和功率分配的状态、动作以及回报函数。利用强化学习、在线学习和深度神经网络线下训练对网络资源进行控制,从而找到最佳资源和功率控制策略。仿真结果表明,与枚举算法、Q-学习算法和两阶段算法相比,该算法可在保证用户QoS的同时有效提升网络能效。     

基于能效的D2D通信系统的干扰协调与资源优化

针对传统蜂窝用户与D2D通信用户之间的同频干扰问题,本文提出基于能效的D2D通信干扰协调与资源优化方案。该方案采用功率控制与资源分配分步进行的方式进行处理,首先是对于单个D2D用户的功率控制,在蜂窝用户最小速率以及D2D用户和蜂窝用户最大功率的限制条件下,通过优化D2D用户和蜂窝用户的功率使得D2D用户的能效最大,在此阶段,采用基于参数法的Dinkelbach算法来进行用户的功率分配;最后借助Kuhn-Munkres (KM)算法为D2D用户分配蜂窝频谱资源,以使得D2D用户的总能效最大。仿真结果表明,相比于其他方案,在保证蜂窝用户正常通信时,该方案能够进一步提高系统内D2D用户的能量效率,使能效优化效果更明显。     

异构蜂窝网络中联合功率控制的终端直通通信资源分配

针对异构蜂窝网络中终端直通（D2D）用户和小蜂窝用户复用宏蜂窝用户资源产生的干扰问题,提出一种联合功率控制的资源分配方案。首先,在满足用户信号干扰噪声比（SINR）和发射功率约束条件的前提下,根据系统干扰模型推导出每个D2D用户和小蜂窝用户复用宏蜂窝用户信道资源时的最优发射功率;其次,将用户的信道选择规划成用户和信道之间的双边匹配问题,采用延迟接受（Gale-Shapley）算法得到一个稳定的匹配解;最后,以所得的匹配解为初始条件,通过交换搜索算法进一步优化分配方案。仿真结果表明,该方案的系统总容量和能量效率分别是最优解的93.62%和92.14%,与随机资源分配方案、无功率控制和交换搜索的分配方案,以及有功率控制无交换搜索的分配方案相比,系统容量平均增幅分别为48.29%、15.97%和4.8%,系统能量效率平均增幅分别为62.72%、44.48%和4.45%。该方案能够达到近似最优的系统总容量,有效提高频率利用率和能量效率。     

基于能量效率的OFDMA系统资源分配

研究了OFDMA(正交频分多址)系统优化能量效率的资源分配方法,提出了一种基于能量效率的速率比例公平资源分配算法。首先在各子载波等功率的假设条件下为各个用户进行子载波分配,然后求得满足速率比例公平条件下的各用户注水线间的函数关系,再将用户和系统速率要求作为约束条件,采用二分法对函数求解,得到近似最优能量效率下的用户注水线,最后根据用户注水线进行功率分配。仿真结果表明,与其他方案相比,该算法在保持用户速率比例公平性的同时能有效提高系统的能量效率,且复杂度较低。     

基于联邦共识机制的多视频流带宽分配策略

针对瓶颈链路中视频带宽分配不均导致的用户QoE不公平以及带宽利用率低的问题,提出了一种基于联邦深度强化学习的分布式视频流公平调度策略。该策略能够根据客户端网络状态和视频QoE等级动态生成带宽分配权重因子,服务器端的拥塞控制算法则根据带宽分配权重因子为瓶颈链路中的每个视频流分配带宽,以保障瓶颈链路中视频流的公平传输。每个视频终端都运行一个带宽分配agent,且多个agent以联邦学习的方式周期性地训练,以便代理模型能够快速收敛。带宽分配agent通过共识机制同步联邦训练参数,实现了在异步播放请求条件下带宽分配agent模型参数的分布式聚合,并确保了agent模型参数的安全共享。实验结果表明,与最新方案相比,提出策略在QoE公平性和整体QoE效率方面分别提高了10%和7%,这表明提出策略在解决视频流带宽分配不均问题和提升用户体验方面具有潜力和有效性。     

基于改进式贪婪算法的5G网络切片动态资源调度策略

为了解决移动通信网络中资源利用率和用户体验质量的瓶颈问题,5G 引入网络切片来应对用户的巨大资源需求。提出了一种基于改进式贪婪算法的网络切片动态资源调度策略,在切片调度和用户调度阶段,设计了一种两层模型,即切片?用户模型,并且结合改进式贪婪算法,使服务权重值最大的切片和优先级最高的用户组合,完成相应的服务。该方法是将全局资源最优问题简化为规模更小的子问题,通过每一次切片和用户的最佳组合,从而使整个系统的资源和用户的体验质量达到最优。Matlab的仿真结果表明,基于改进式贪婪算法的网络切片动态资源调度策略在系统剩余资源利用率、系统达到平均的QoE水平、系统吞吐量等方面都显优于现行的资源调度策略,能够更好地满足用户的需求。     

基于分簇协作频谱感知的认知无线网能量效率研究

针对认知无线网能量消耗引起的能量效率较低问题,在研究认知无线网分簇协作频谱感知能量效率的基础上,提出了一种最优功率分配算法来最大化次用户系统的能量效率。通过建立基于次用户能量效率最大化传输优化模型,在考虑传输功率、感知时间以及干扰限制的情况下,利用拉格朗日函数及KKT条件,得到最优次用户发射功率分配算法,以达到系统能量效率最大化的目的,同时分析了不同参数对能量效率的影响。仿真结果表明,本文所提算法能有效提高次用户系统的能量效率、减少系统开销。     

A QoE-based jointly subcarrier and power allocation for multiuser multiservice networks在多业务多用户网络场景下的基于QoE的联合子载波和功率资源分配

Quality of experience (QoE) is widely applied to reflect user’s satisfaction of the network service, which exactly conforms to the user-centric concept in 5G. In this paper, we propose a QoE-based subcarrier and power allocation algorithm for the downlink transmission of a multiuser multiservice system. For the subcarrier allocation algorithm, the rate proportional fairness factor is defined to ensure the fairness between users. Based on different QoE models of three services, i.e., file down (FD), video streaming and voice over internet protocol (VOIP), a multi-objective optimization method is exploited to allocate the power resource by minimizing the total power consumption and maximizing the mean opinion score (MOS) value of users simultaneously. Simulation results indicate that the proposed algorithm has less power consumption and higher QoE performance than the traditional proportional fairness (PF) algorithm. In addition, the proposed algorithm can achieve nearly the same fairness performance as the PF algorithm. Moreover, when the number of subcarriers becomes larger, the power assumption will be less but with little influence on both the QoE and fairness performances.     

基于能效的OFDMA系统资源分配研究*

在正交频分多址（OFDMA）系统中,合理的资源分配对于提升系统的能效具有重要的意义。针对多用户OFDMA系统,对最大化系统能效为目标的资源分配算法进行研究,提出了基于智能水滴算法的全连通图资源分配模型,该模型以全连通图的顶点和边来表示用户与子载波之间的对应关系。在此基础上,进一步对智能水滴算法进行改进。仿真结果表明,在满足用户QoS的条件下,所提出的改进的智能水滴算法的全连通图资源分配方案能够有效提高系统能效,提升系统性能。