一种基于蜂窝网络的D2D通信资源分配算法

设备直连（Device-to-device,D2D）通信用户通过复用蜂窝用户的频谱资源可提高频谱利用率和系统的整体通信容量,但复用蜂窝网络频谱资源会带来严重的干扰,影响整体通信质量。针对干扰问题,本文通过建立通信系统模型,研究系统的线性规划问题以及相应的最佳资源分配算法。考虑到最佳算法复杂度较高,本文提出一种启发式算法来分配通信资源,通过遍历D2D对用户与蜂窝用户之间的干扰矩阵找到最小干扰值,分配复用资源给相应的蜂窝用户和D2D对用户。在蜂窝用户都分配到通信资源之后,对D2D对用户进行专用通信资源分配。仿真结果表明,该算法在降低算法复杂度的基础上显著地减小了D2D对用户对蜂窝用户的干扰,能够最大程度地增加D2D对用户的数量。     

基于多对一Gale-Shapley算法的D2D通信资源分配

针对D2D通信复用异构蜂窝网络上行信道产生的干扰问题和频谱资源优化问题进行研究,提出一种基于多对一Gale-Shapley算法的D2D通信资源分配方案。本方案允许多个D2D用户共享一个蜂窝用户信道资源,通过设置信干噪比（SINR）门限保证用户的通信服务质量（QOS）。根据信道分配情况,构建D2D用户和信道的偏好列表,最大化系统总容量。仿真结果表明,该方案收敛较快,复杂度较低,能够有效保证用户的通信服务质量,系统总容量接近最优解。本研究为实现D2D用户和蜂窝用户的频谱资源共享,提高频谱利用率提供了一种有效方案。     

D2D通信中基于保证蜂窝用户通信质量的功率分配算法

针对D2D通信与蜂窝通信复用频谱资源时会产生同频干扰的问题,提出一种基于保证蜂窝用户通信质量的功率分配算法。在保证蜂窝用户平均SINR和最小SINR双重约束的基础上,建立以最大化D2D链路平均吞吐量为目标的凸优化问题,并利用拉格朗日函数推导出最优功率分配的闭式解。仿真结果表明:该算法不仅可以保证蜂窝用户通信质量,而且也能最大限度地提高D2D链路以及整个系统的总吞吐量。     

基于烟花算法的D2D资源分配方案

D2D（Device-to-Device）通信通过复用蜂窝用户的频谱资源来提升系统频谱资源的利用率，并提高系统吞吐量，但同时也为系统带来了严重的同频干扰。为了应对复杂的干扰问题，并在保证资源分配公平性的情况下尽可能提高系统吞吐量，提出一种基于烟花算法的D2D资源分配方案，以最大化系统的加权和速率为目标，将资源分配矩阵抽象为烟花，通过爆炸、变异、选择等过程求出最终的匹配矩阵。仿真结果表明，所提方案能够有效提高系统的吞吐量和资源分配的公平性。     

基于Kuhn-Munkres最优匹配的D2D资源分配算法设计

由于资源复用,D2D链路与蜂窝链路之间会产生同频干扰.为了抑制这种干扰,提出了一种基于Ku-hn-Munkres最优匹配的资源分配算法.该算法采用了图论中的Kuhn-Munkres最优匹配算法来实现最大限度的复用系统内的RB,达到提高系统吞吐量的目的.同时,通过使一对D2D用户复用多个RB进行通信以保证不同的QoS需求.最后,通过计算机仿真可以看出,该算法既可以有效地满足D2D用户的不同QoS需求,又提高了系统吞吐量.     

5G全双工D2D通信系统中的最优功率控制方案

作为5G的关键技术,设备直通技术(Device-to-Device Communication,D2D通信)和全双工可以提升5G系统的频谱效益和吞吐量,两者结合可以进一步提升性能增益。但是全双工节点的自干扰和资源复用产生的同频干扰会很大程度影响系统的性能。基于此提出了功率控制方案,通过凸规划的拉格朗日对偶方法得到最优的发射功率,来最大化全双工D2D的链路速率并同时满足蜂窝用户的服务质量(quality-of-service,QoS)需求。通过仿真,观察了相比于半双工D2D,全双工D2D的增益随着蜂窝用户的需求和自干扰消除量变化的影响,并且对比了全双工D2D复用不同数目信道时的性能。     

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NOMA的D2D用户和蜂窝用户通信方案

LTE网络采用非正交多址来增强网络容量,采用D2D来提高频谱效率;让D2D用户使用非正交多址技术共享蜂窝用户的频谱资源可以缓解当下频谱资源短缺的问题,但也会在D2D用户和蜂窝用户之间引入干扰。提出了一种基于非正交多址技术（Non-orthogonal Multiple Access,NOMA）的D2D用户和蜂窝用户的共享研究方案,对于蜂窝用户和D2D用户之间的干扰采用SIC技术消除。该方案不仅通过调整用户的传输功率来优化系统的吞吐量,而且提高了边缘用户的性能。仿真结果表明,基于NOMA的D2D用户和蜂窝用户之间的通信方案在性能上优于传统的蜂窝资源分配方案和干扰控制方案。     

基于图着色理论的全双工D2D分簇资源分配方案

全双工通信允许用户同时同频收发信号,将其应用在D2D(Device-to-Device,D2D)通信中虽然可以提高系统吞吐量,但是也带来了更加复杂的干扰关系。为了降低干扰,提升系统吞吐量,本文提出了以簇为单位的资源分配方案。该方案先引入图着色理论为全双工D2D用户进行合理的分簇,然后采用匈牙利算法进行链路资源的分配,从而优化蜂窝系统的性能。仿真结果表明,该方案在提高频谱利用率的同时提升了整个蜂窝网络的系统容量。     

基于图着色的密集D2D网络资源分配算法

蜂窝设备到设备(D2D)网络通过D2D用户与蜂窝用户的上行链路复用,可大幅提高网络的频谱效率,但当D2D用户数大于蜂窝用户数时,即在D2D密集部署场景下,传统的资源复用算法不能满足D2D用户的频谱资源需求。针对该问题,提出基于图着色理论的D2D网络干扰协调频谱资源分配算法,可实现信道资源在多个D2D用户对间的多重复用,从而提升网络负载能力,改善网络吞吐量。在此基础上,给出一种改进的资源分配算法,以提高D2D用户的公平性。仿真结果表明,该算法在降低D2D用户获取信道资源"饥饿"概率的同时,能够提升网络信道资源的空间复用率及系统吞吐量。     

毫米波5G网络中一种D2D通信的资源分配方案

在5G系统中,毫米波（mmWave）与终端直通技术（device-to-device,D2D）有利于提升系统容量和频谱利用率。针对73 GHz下underlay蜂窝网络中的D2D资源分配进行了研究。为了降低彼此间的干扰,首先提出对基站和D2D用户接收机进行区域限制;其次利用线性相关的方法选出可复用的蜂窝用户;最后在满足蜂窝通信和D2D通信服务质量（QoS）的要求下提出一种基于干扰控制的资源分配,以提升系统的吞吐量。仿真结果表明所提算法的性能优于参考算法。该算法能够有效提升系统吞吐量和频谱效率。     

异构蜂窝网络中功率和资源分配博弈算法研究

基于D2D和中继异构蜂窝网络进行资源复用可获得系统性能增益,但同时也使得网络中的干扰更加复杂。针对该问题,提出功率和资源分配博弈（PRAG）算法,通过功率控制和资源分配对D2D和中继异构蜂窝网络进行干扰协调。基于代价参数设定D2D和中继链路效用函数,确定最佳发射功率。在此基础上,将生成的效用值矩阵参与博弈,选择合适的蜂窝用户进行资源复用。仿真结果表明,与等功率分配随机（EPAR）算法相比,PRAG算法能够在消耗更少功率的基础上获得更大的系统吞吐量。     

基于灰狼优化和匈牙利算法的D2D资源分配策略

当前,车联网系统中存在频谱资源有限、系统干扰较大、D2D（device to device）用户通信质量差等问题。针对上述情况,提出了一种基于灰狼优化和匈牙利算法的D2D资源分配策略。在保证蜂窝用户以及D2D用户通信质量的前提下,该模型首先利用灰狼优化获得每个D2D用户的最佳发射功率,然后利用匈牙利算法实现D2D用户与蜂窝用户的最佳信道匹配,最大化D2D用户的总容量。仿真结果表明,该算法与和声搜索算法和遗传算法相比,在有效提升D2D用户的总容量同时,单个D2D用户也能获得较高的最大、最小容量。     

基于二分图的D2D通信资源复用分配算法

为了提升D2D（Device to Device）通信资源复用分配的频谱效率,本文以最大化系统吞吐率为目标建立资源复用模型。同时面对高复杂度的组合优化求解过程,提出一种分布式的资源分配迭代算法,该算法使用二分图建立D2D用户与RB（Resource Block）资源的关系模型。每轮资源分配中,D2D用户根据所在RB资源上的动态干扰环境,自治的竞争RB资源,基站则根据吞吐率增益选举最优的D2D用户分配,避免多对一的RB竞争冲突。仿真实验表明,二分图算法在降低算法复杂度的同时,拥有较优的吞吐率性能优势。     

一种联合D2D资源分配的中继选择算法的研究

为提高蜂窝网络中边缘用户的QoS,可在蜂窝网络中引入了D2D辅助中继技术,然而由于D2D链路复用蜂窝资源会与蜂窝链路之间产生同频干扰,为了降低这种干扰,提出了一种联合资源分配的中继选择算法,该算法首先使用一种资源分配策略,使得D2D链路对蜂窝链路产生的干扰最小,然后结合资源分配结果提出了一个中继选择方案,该方案不仅考虑了D2D链路和回程链路的信道质量,而且还同时考虑到了对蜂窝链路的干扰问题。通过仿真验证,本文所提出的算法不仅能有效提升边缘用户吞吐量,同时保证了中心用户的QoS。