C-V2X通信中资源分配与功率控制联合优化

在C-V2X通信中,Mode 4资源分配方式使用基于感知的半持续调度（SB-SPS）算法进行资源分配,但该算法以最大功率传输安全消息,在高密度交通流状态下会导致系统的可靠性下降。为对SB-SPS算法进行优化,提出一种基于深度强化学习的联合资源分配与功率控制算法。车辆在感知到信道后,为安全消息选择干扰最小的子信道,并根据信道状态自适应调整传输功率,通过与环境交互学习的方式求解最优的子信道选择方案和功率控制方案。仿真结果表明,与SB-SPS优化算法相比,该算法在高密度公路场景下分组接收率提高5%,有效提升了车间通信的可靠性。     

应急通信系统中协作中继选择与功率分配优化

为提高应急通信系统的信道容量和能量效率,提出一种协作中继选择与功率分配的联合优化算法。在动态的通信环境中,通过最佳期望选取参与数据传输的协作中继集,提高通信系统的信道容量。为使每个用户及整个网络的能量消耗降到最低,采用凸优化方法,合理分配源节点和多个中继节点之间合理的发射功率。理论分析与仿真实验证明,该算法能以较低的复杂度明显提高系统的信道容量和能量 效率。     

基于MABC的中继系统资源分配策略

针对MABC的中继系统,对资源配置策略的优化问题进行研究,并将功率分配问题和中继选择问题相结合。基于此,提出了一种存在干扰情况MABC模型的多中继系统资源分配策略（IS-MABC-OPOR）。考虑双向中继系统干扰信号对其传输性能的影响,以通信链路信道容量最大化为优化目标,利用拉格朗日方法,对通信链路上的各节点进行了最优功率分配和最佳中继选择,给出了通信链路信道容量最大意义下的资源分配数学表达式。仿真结果表明,该链路的信道容量受中继节点位置以及链路总功率的制约,相比于等功率分配方案（EPA）、随机功率分配方案（RPA）和在所提方案的基础上加大干扰信号的信道增益,IS-MABC-OPOR方案有效提高了系统的信道容量,从而实现资源能够满足更高速率的业务传输需求。     

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。     

基于系统容量最大化的D2D通信资源分配算法的研究

设备到设备(Device-to-Device,D2D)通信技术近年来一直是蜂窝移动通信领域的一个重要内容。D2D通信系统中的资源分配直接影响到D2D通信能否提高频谱利用率以及降低功耗。研究了基于系统容量最大化的资源分配算法,详细论证了该算法在D2D通信技术中运用的可行性,并与传统的随机资源分配算法的性能作比较。仿真表明,不管在系统总容量还是所有蜂窝用户的容量损失方面,基于系统容量最大化的资源分配算法的性能明显优于随机资源分配算法。     

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。     

D2D通信中基于信噪比均衡的资源分配算法

针对蜂窝系统中D2D通信和蜂窝通信模式下的资源共享问题,提出一种基于信噪比均衡的资源分配算法。在优化所有用户接收干扰功率和均衡所有用户信噪比的基础上,建立以最大化系统总吞吐量为目标的凸优化问题。利用拉格朗日乘数法求解凸优化问题,得到闭式解。仿真结果表明,该算法能提高D2D链路与蜂窝链路的信噪比及系统总吞吐量。     

基于改进遗传算法的D2D资源分配策略

针对D2D（Device to device, D2D）通信技术在蜂窝系统中的资源分配与干扰问题,提出一种基于改进遗传算法的D2D资源分配策略。首先,确定保证蜂窝用户和D2D用户通信质量的功率范围,然后提出一种改进的遗传算法来确定D2D的最佳发射功率,最大化系统吞吐量。该算法在保证蜂窝系统服务质量（Quality-of-service, QoS）的同时,让交叉算子和变异算子随进化代数进行自适应变化,从而达到全局最优。仿真结果表明,本文所提算法可有效提升系统吞吐量并提高D2D用户的信道利用率。     

5G中基于穷举搜索的D2D资源分配算法

D2D（device to device）作为5G通信的核心技术,在满足用户通信需求与提高用户连通数量等方面具有至关重要的作用。针对传统复用算法的系统中断概率过高和用户资源消耗较大的问题,提出一种基于穷举搜索的D2D资源分配算法。该算法引入穷举搜索法初步确定用户发射功率;同时参考蜂窝与D2D用户状态以确定复用组合;应用调整功率步骤降低中断概率。仿真结果表明,小蜂窝用户数时基于穷举搜索的D2D资源分配算法相比于传统算法,在多D2D用户数情况下的连通概率平均提高了15.7%,用户资源消耗平均降低了10.5%。     

基于蜂窝网络的D2D通信传输模式选择方案

D2D技术作为5G通信的一项关键技术,其优势之一为利用D2D用户间的短距离通信来提高端到端的传输速率。而当D2D用户间距离较大时,由于用户发射功率有限,这一特性不再凸显。本文考虑利用中继技术增强D2D链路的性能。在传统D2D通信模型的基础上,本文进一步分析研究了放大转发（Amplify-and-forward,AF）和译码转发（Decode-and-forward,DF）两种中继辅助下的D2D通信模型,并提出了相应的模式间选择方案。特别地,该模式选择方案以闭式解的形式表述,且仅包含基本数学表达式。仿真结果表明,采用本文所提出的模式选择方案后,随着系统参数的变化,系统始终选择性能最优的通信模式进行端到端的通信,系统性能得到了显著提升。     

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。     

位置功率联合判决的高铁通信越区切换算法

随着我国铁路运输现代化进程的加快,高铁列车对通信信息技术的需求日益提升。越区切换是高铁无线通信移动性管理的重要部分,对提高通信质量和运营效率、确保运营安全具有重要意义。针对高铁列车切换性能差、乒乓切换率高的问题,提出一种位置功率联合判决的越区切换算法。以切换阈值作为约束条件并借助信道模型和测量信息计算得到最佳切换带,利用高铁列车的单向移动特点简化位置信息并优化切换流程,以有效避免乒乓切换现象。考虑到车载多中继节点对切换触发位置的判决误差之间存在相关性,构建代价函数筛选最优的预测参数,采用加权统计线性回归方法预测判决误差并加以纠正,使得切换位置收敛于最佳切换点。仿真结果表明,相对A3算法、距离触发算法,该越区切换优化算法能有效降低乒乓切换率,在列车速度为350 km/h时越区切换成功率达到99.5%以上,其能够提高通信系统的可靠性,推动列车提速并保障行驶安全。     

基于终端直通通信的多用户计算卸载资源优化决策

随着计算密集和时延敏感类应用的激增,移动边缘计算（MEC）被提出应用在网络边缘为用户提供计算服务。针对基站（BS）端边缘服务器计算资源有限以及网络边缘用户远距离计算卸载的时延较长等问题,提出了基于终端直通（D2D）通信的多用户计算卸载资源优化决策,将D2D融入MEC网络使用户以D2D方式直接卸载任务到相邻用户处执行,从而能够进一步降低卸载时延和能耗。首先,以最小化包括时延和能耗的系统计算总开销为优化目标,建模多用户计算卸载和多用户计算资源分配的联合优化问题;然后,将求解该问题看作是一个D2D配对过程,并提出基于稳定匹配的低复杂度的多用户计算卸载资源优化决策算法;最后,迭代求解D2D卸载的优化分配决策。通过理论证明分析了所提算法的稳定性、最优性和复杂度等特性。仿真结果表明,所提算法相较于随机匹配算法能够有效降低10%~33%的系统计算总开销,并且其性能非常接近最优的穷举搜索算法。可见,所提基于D2D卸载的决策有利于改善时延和能耗开销性能。     

基于STeC的高速列车运行模型与算法

为了使高速列车正点运行到达目的车站,提出了基于STeC(时空一致性)语言的高速列车运行模型与算法。该模型具有位置触发自动调整高速列车运行的特点,实现动态确定高速列车制动点并保证列车正点到达目的车站,从而满足了高速列车运行实时系统对时间和空间的一致性要求。通过Matlab/Simulink的仿真测试,证明了该模型的正确性和有效性。     

改进的多用户协作通信系统中继选择策略

基于多用户非再生协作网络,提出改进的多用户协作通信系统中继选择策略。假设在源节点和中继节点功率相等的条件下,利用源到中继、中继到目的节点的信道统计信息定义等效信道增益,并将其与信噪比结合,选择不同的中继节点集合,使得系统中断概率最小。实验结果表明,在高信噪比情况下,当中断概率为10?3时,与中继放大转发算法相比,可获得0.2 dB的信噪比增益,与单中继转发算法相比,信噪比增益为3.5 dB,能提高系统资源利用率。     

能效最优准则下的无人机中继系统的功率分配算法

由于无人机（Unmanned aerial vehicle,UAV）机动性好且部署简单,基于无人机中继的传输技术受到了广泛关注。功率作为通信系统的重要资源,其分配问题直接影响各条链路的性能和整个通信系统的能量效率。本文以莱斯衰落信道为背景,提出了一种在系统能效准则下的无人机中继通信系统的功率分配算法。首先在双跳放大转发（Amplify-and-forward,AF）中继传输模型的基础上建立功率分配的优化模型,将功率分配问题转化为求解最大系统能效的优化问题。在最优功率分配的求解过程中,先固定发射信号功率,获得波束形成优化方案;然后通过大信噪比区间近似,将非凸优化问题转化为凸优化问题;最后利用KKT（Karush-Kuhn-Tucker）条件,计算得出功率分配方案的闭式解。仿真实验表明,本文算法相对于迭代算法降低了算法复杂度。     

On-line Test for Train Communication Based System

This paper gives out a new train automatic control system, which is based on train communication, and proposes a high assurance method to construct the system from current system. In current automatic train control (ATC) system, the central logic device detects position of each train and calculates permissible speed of each blocking section. Therefore, the central logic device controls speed of all trains. On the contrary, in the new system proposed in this paper, there is no central logical device and, train can communicate each other. The train detects the position and calculates the permissible speed itself according to the received position information of the preceding train. In the traditional method of changing an old system to a new one, test must be done off-line.While the integration technique proposed in this paper achieves on-line properties, and high assurance can be satisfied.     

智能无人机轨迹与任务卸载联合优化

移动边缘计算（MEC）是云计算技术在边缘基础设施之上的应用拓展。考虑一个高能效的无人机移动边缘计算系统,通过联合优化无人机的运动轨迹、任务卸载策略和计算资源分配来最小化系统的能耗。为解决以上问题,提出一种双层优化方法,在上层用基于无监督学习的信道增益-自组织特征映射网络（h-SOM）对用户进行实时聚类,该聚类是以信道增益作为判断类别的指标并得到无人机的最佳部署位置;在下层根据无人机的部署,将计算卸载和计算资源分配问题转化为混合整数非线性规划问题（MINLP）,并采用带有精英初始策略和自适应双变异策略的改进差分进化算法（IDE）进行迭代求解,精英初始策略可以根据h-SOM的聚类结果提供优秀的初始解,自适应双变异策略能够提高算法的全局搜索能力并促进算法收敛,从而获得更好的任务卸载决策。通过仿真实验验证了所提方法的有效性,并与传统算法进行了比较,其优化效果显著,为MEC系统的联合优化提供了一种新思路。     

C-V2X无线资源管理算法研究

在蜂窝车联网（C-V2X）的underlay模式下,蜂窝用户（C-UEs）与车载用户（V-UEs）共享上行频谱。为解决C-V2X中的同频干扰问题,并确定不同数据包优先级（PPPP）用户的传输优先度,在保障V-UEs与C-UEs通信可靠性的同时,以最大化所有用户的信息值为目标,提出一种新的无线资源管理（RRM）算法。通过引入子用户的概念将RRM问题转换为功率分配问题与频率资源选择问题,在功率分配结果的基础上采用启发式算法实现低复杂度的频率资源选择,并对频率选择结果进行再分配得到最终发射功率。仿真结果表明,该算法相比正交分配算法能够有效提升所有用户的信息值,并保障系统可靠性。