LTE-A系统中基于QoE能效的无线资源分配算法

针对无线通信网络能耗日益增加与用户体验质量(quality of experience,QoE)难以得到保证的问题,提出一种LTE-A系统基于QoE能效的资源分配算法。首先,给出联合优化QoE和能效的数学模型,特别的考虑了用户最小QoE要求;其次,根据约束条件提出了一种迭代算法进行用户资源块(resource block,RB)分配,然后利用分数规划的性质并采用凸优化方法求得最优的发射功率来优化目标函数。仿真结果表明,相较现有基于能效的资源分配算法,该算法在提高系统性能的同时有效的保证了用户QoE。     

Femtocell网络中基于保证公平性的频谱资源分配算法

家庭基站是一种低成本低功耗,由用户部署的小型基站,能提供更好的室内覆盖效果和数据速率。但是在无协作频谱复用场景中,小区间干扰已经成为当前主要问题。本文提出一种保证公平性的频谱资源分配算法。首先提出一种基于干扰图的公平系数来确定FAP使用频谱资源数的下界值,保证FAP间资源分配的公平性;然后提出灵活的准则用于资源分配。仿真结果表明,本文提出的公平算法不仅提高了用户平均吞吐量和小区边缘用户吞吐量,同时也确保了资源分配的公平性。     

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QoE感知的星地一体化网络公平资源分配策略

星地一体化网络是卫星网络和地面网络互联，实现卫星网络和地面网络优势互补的一体化网络。随着无线通信的快速发展，卫星网络和地面网络的同频复用技术可有效提升资源利用效率，满足日益增长的无线数据业务需求。但由于无线数据业务类型的多样化和频谱资源的稀缺性，如何实现用户数据服务的服务体验质量（Quality of experience， QoE）和公平性提升也成为星地一体化网络亟待解决的关键问题。本文综合考虑信道时变性、服务体验多样性和服务公平性，提出了一种基于QoE感知的星地一体化网络资源分配策略。为此，将目标问题描述为基于时间平均的服务体验质量的网络公平效用最大化，并利用李雅普诺夫优化理论，将复杂的动态原始优化问题进一步转化并分解为3个瞬时优化子问题，每个子问题可以在每个时隙独立求解。同时，由于无线资源分配为典型的非凹混合组合优化问题，推导了一个低复杂度的两步算法来求解第三个资源分配子问题。仿真结果揭示了在不同的公平性参数下用户的长时QoE与公平性之间的折衷情况。     

云环境下基于神经网络和群搜索优化的资源分配机制

在云环境下,各种闲置资源可以通过池化形成资源池,进而利用虚拟化技术将资源池中的不同资源组合以服务的形式提供给用户使用,因此需要合理而有效的机制来分配资源.针对云环境下资源的特点,将经济学和智能方法相结合,提出了一种基于双向组合拍卖的智能资源分配机制.在该机制中,提出了基于体验质量（quality ofexperience,简称QoE）的威望系统,引入威望衰减系数和用户信誉度,降低拍卖中恶意行为造成的影响,为资源交易提供QoE 支持.对拍卖中的竞价决策,综合考虑多种因素,提出了基于BP 神经网络的竞标价格决策机制,不仅可以合理确定竞标价,而且使价格可以动态适应市场变化.最后,由于组合拍卖胜标确定问题是NP 完全的,因此引入群搜索优化算法,以市场盈余和总体威望为优化目标,得到资源分配方案.仿真研究结果表明,该机制是可行和有效的.     

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。     

基于匹配理论的LoRa参数双重匹配优化

将LoRaWAN中的资源分配设定为扩频因子分配和信道分配的优化问题，特别是在LoRaWAN中有大量连接设备的情况下，以保证有限频谱资源的LoRa用户之间的吞吐量公平性。首先，引入匹配理论，将LoRa用户与信道和LoRa用户与扩频因子视为匹配双方，为了最大化它们的效用，提出了一种基于匹配的信道与扩频因子分配算法MSFCAA。然后，以匹配理论为基础，以最大化效用为目标，以最优化网络信道与扩频因子分配为结果，最大限度地提高LoRaWAN中实现的最小信道容量。同时，还提出一种公平传输时间初始化算法，以保证每组参数的吞吐量公平性。仿真结果表明，公平传输时间初始化算法能获得优于其他分配方案的初始分配结果，基于匹配的信道与扩频因子分配算法能显著提升LoRa网络数据提取率并极大降低网络能耗。     

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.     

面向多租户网络资源分配的博弈优化策略

为了应对5G及未来网络中用户间差异化的服务需求,改善多租户网络切片资源利用率低和部署成本高的问题,提出一种基于多租户网络资源分配的博弈优化策略。在多租户网络中,网络切片租户（NSTs）租用基础设施提供商基站的无线频谱资源,将接入服务切片构建为网络切片即服务,为用户提供网络接入服务。将NSTs和用户的关系建模为一个多主多从的Stackelberg博弈,引入切片流行度和服务命中率指标,建立博弈双方的策略空间和收益函数,并证明NSTs的切片订购策略存在唯一的纳什均衡。通过逆向归纳法分析博弈模型,提出一种分布式迭代算法求得用户的最优吞吐量需求以及NSTs的最优切片定价。仿真结果表明,与传统考虑切片资源分配的优化策略对比,基于多租户网络资源分配的博弈优化策略能够有效提高资源利用率和用户满意度,并降低切片部署能耗,较好地实现频谱带宽资源的合理分配。     

Resource Allocation Based on User Pairing and Subcarrier Matching for Downlink Non-Orthogonal Multiple Access Networks

The traditional orthogonal multiple access (OMA) is unable to satisfy the needs of large number of smart devices. To increase the transmission rate in the limited spectrum resource, implementation of both non-orthogonal multiple access (NOMA) and successive interference cancelation (SIC) is essential. In this paper, an optimal resource allocation algorithm in NOMA is proposed to maximize the total system rate in a multi-sector multi-subcarrier relay-assisted communication network. Since the original problem is a non-convex problem with mixed integer programming which is non-deterministic polynomial-time (NP)-hard, a three-step solution is proposed to solve the primal problem. Firstly, we determine the optimal power allocation of the outer users by using the approach of monotonic discrimination, and then the optimal user pairing is determined. Secondly, the successive convex approximation (SCA) method is introduced to transform the non-convex problem involving central users into convex one, and the Lagrangian dual method is used to determine the optimal solution. Finally, the standard Hungarian algorithm is utilized to determine the optimal subcarrier matching. The simulation results show that resource allocation algorithm is able to meet the user performance requirements with NOMA, and the total system rate is improved compared to the existing algorithms.      

基于用户分配和负载的频谱分配算法

提出了一种基于用户分配和负载的频谱分配算法.该算法包括两部分:用户分配子算法和频谱分配子算法.用户分配子算法首先基于聚类划分理论,使分配到相同访问点下的用户具有相近的信噪比,缓解了无线接入网络中普遍存在的远近效应问题.在该用户分配基础上,频谱分配子算法根据各访问点的负载及其关联用户信噪比的平均值计算最优频谱分配.该算法具有可实现性、多项式时间的计算复杂度以及比例公平性.真实数据驱动的仿真实验结果表明,该算法能够有效地提高系统吞吐量,同时大幅度减小访问点的报文缓冲区队长.     

异构无线网络密集部署场景下高效网络接入及频谱分配

如何在异构网络重叠覆盖场景下实现动态耦合频谱资源高效分配以满足用户流量需求是下一代无线通信网络的重要挑战。综合考虑网络域频谱属性差异化及用户域需求多样化问题，以用户获得总带宽最大化为目标，将频谱资源分配建模为非线性多约束条件0-1整数规划问题，并设计了两种求解方法。首先，设计了一种基于改进匈牙利算法的化简方法，该方法通过对约束条件进行化简，将复杂模型转化为标准形式0-1规划，并通过对匈牙利算法进行改进，有效求解了该复杂的频谱分配问题；其次，设计了一种改进的遗传算法，把主网络干扰约束及次用户需求融合进适应度评估中，以修正不符合要求的基因，并利用精英主义思想保留优秀个体，以进化迭代到优秀个体。最后通过实验对提出的方法与粒子群优化方法的性能进行对比分析，实验结果显示化简方法具有较大的效率优势，而改进遗传算法可得到更大的带宽。     

异构网络资源分配：改进多对一转移匹配

随着无线业务的急剧增长,短缺的频谱资源正面临着巨大挑战。采用无线异构网络被视作解决此问题,提高频谱利用率的一种有效手段。但是,由于宏蜂窝和微蜂窝共享相同频谱资源,同层和跨层干扰非常严重,这时如何合理进行资源分配成了一个棘手的问题。针对该问题,根据匹配理论提出了一种改进多对一转移匹配算法进行资源分配。该算法在满足交换条件下,通过微蜂窝用户不断地交换其匹配资源,最终形成稳定转移匹配。仿真结果表明,所提改进转移匹配算法较传统转移匹配算法和改进Gale-Shapley匹配算法性能更易收敛到最优解,同时提高了频谱利用率,降低了计算复杂度。     

非理想条件下OFDMA系统物理层安全的资源分配算法

针对OFDMA系统中用户QoS需求的差异性,提出了一种非理想状态下不同用户的资源分配算法,即求取用户携带比特数和发射功率最优解问题。基于自适应功率分配增益较小的情况,通过进行功率的平均分配来降低算法复杂度,基于吞吐量最大化原则,将剩余未分配的子载波分配给能获得最大传输速率的用户,提升系统的整体吞吐量水平。仿真结果表明:相对于其他传统资源分配算法,这个算法能够保证不同混合用户的最小传输速率要求的同时,有效提升算法的公平性。