超密集网络中非合作博弈的功率分配算法

为了抑制超密集网络中小小区基站的密集化部署带来的干扰,并提高系统的吞吐量,本文研究了频谱共享超密集网络中的功率分配策略.首先,针对非凸的系统和速率最大化问题,采用非合作博弈模型将其转化为每个用户效益函数最大化的凸子问题,并通过设计一种动态定价使得非合作博弈模型的纳什均衡点（NE）是原优化问题的驻点.其次,为了保证宏小区用户的服务质量（QoS）,模型中引入了干扰功率约束条件来抑制宏小区受到的干扰.最后,在此非合作博弈论框架下,设计了一种迭代式的基于全局信息的功率分配算法.每次迭代通过求解KKT条件获得每个用户的最优发射功率,通过理论推导证明了迭代算法可收敛到博弈模型的NE.此外,为了减少迭代算法的信令开销、提高资源利用率,还提出了一种基于局部信息的功率分配算法.仿真结果表明,所提出的基于全局信息的功率分配算法比对比方法具有更好的传输性能,所提出的基于局部信息的功率分配算法在保证较好的传输性能的前提下有效地减少了信令开销.     

UDN中基于JR-CoMP的分簇和资源分配方案

针对超密集网络（UDN）中的上行干扰问题,提出了一种基于多点协作联合接收（JR-CoMP）的分簇与资源分配方法.首先,将用户和基站进行单频段分簇,将同一小小区的多个边缘用户放在不同的用户簇中,将位于相邻小小区并且距离较近的边缘用户放在同一个用户簇中,根据中心用户到已有基站簇的干扰强度将其归簇;然后,对用户簇进行多重子频段分配,为包含同一个小小区用户的多个簇分配不同的子频段,并且尽量为每个用户簇多分配子频段;最后,以最大化系统总传输速率为目标,采用注水算法为每个用户分配功率.仿真结果显示,所提方案能显著提高频谱效率.     

用于OFDMA系统的多小区自适应资源分配算法

提出了一种用于正交频分多址通信系统下行链路的多小区自适应资源分配算法(MARA).为了降低系统复杂度,将子信道分配和功率分配分开实现,在小区内部进行动态子信道分配,并以单小区子信道分配结果为基础在相邻小区同频用户中进行功率分配.将非合作博弈论引入到多小区功率分配中,给出了基于代价函数的多小区分布式功率分配算法.通过协调相邻小区间同频子信道的发送功率,抑制小区间干扰,提高了无线资源利用率.仿真结果表明,与已有算法相比,本文提出的算法可以提高系统吞吐量.     

用于OFDMA蜂窝系统的多小区自适应资源分配算法

提出了一种用于正交频分多址通信系统下行链路的多小区自适应资源分配算法(MARA)。为了降低系统复杂度，将子信道分配和功率分配分开实现，在小区内部进行动态子信道分配，并以单小区子信道分配结果为基础在相邻小区同频用户中进行功率分配。将非合作博弈论引入到多小区功率分配中，给出了基于代价函数的多小区分布式功率分配算法。通过协调相邻小区间同频子信道的发送功率，抑制小区间干扰，提高无线资源利用率。仿真结果表明，与已有算法相比，本文提出的算法可以提高系统吞吐量。     

超密集网络中基于判别函数的聚类算法

超密集网络可以通过虚拟小区间的协作来提升用户体验,但由于小区的重叠覆盖使得用户间存在较复杂的干扰问题。因此,提出了一种基于判别函数的聚类算法来缓解强干扰带来吞吐量下降的问题。首先,利用用户间干扰信道的余弦相似度定义用户间的干扰网络;然后,基于干扰网络选出簇头并划分用户,同时为了解决虚拟小区下的模糊用户归属簇问题,以簇间干扰权重之和最大,簇内干扰权重之和最小为原则设计判别函数,对用户进行模糊归类。仿真结果表明,在不增加复杂度的同时,所提算法比其他方法的系统吞吐量提升了10%~30%,对于边缘用户具有一定优势。     

自适应小区间干扰协调技术

提出了一种基于势能博弈的自适应分布式功率分配算法,将带有惩罚因子的多小区子带容量作为效用函数,把一个全局优化的问题转化成一个多次迭代的局部优化问题,通过梯度投影准则动态地对每个资源块理性地分配功率,达到协调小区间干扰、提高系统容量和降低时间成本的目的.仿真结果证明,该算法有效地降低了系统容量损失,改善了小区边缘用户的吞吐量.     

基于用户分群的超密集小区网络资源分配

为了降低超密集小区网络中的小区间干扰,给出一种利用用户信干噪比和干扰泄漏计算连续权值的用户分群方案。利用连续权值进行用户分群后,采用次优化的启发式算法为用户群分配资源。仿真结果表明,与现有的用户分群算法相比较,所给算法的系统吞吐量可提升20%~35%,同时单个小区的吞吐量也可提升5%~10%。     

Kalman滤波预测的多小区子载波分配方法

小区间干扰协调是3G演进系统中抑制小区间干扰的重要策略, 并且在各类小区间干扰协调方案包含着不同的频率复用方法。为了在抑制干扰的同时提高频谱利用率,提出了可用频率集合的概念。如何分配可用频率集合中不同频点的子载波直接关系到小区间干扰的强弱程度,而现有的子载波分配方法往往基于当前信道状况, 导致在分配过程中因时间的滞后性而带来较大的干扰。针对这种情况,提出了一种基于Kalman滤波预测的自适应子载波分配方法。该方法通过检测获取不同子载波对用户的信道增益干扰比(GIR), 进而采用Kalman滤波估计得到下一时刻的GIR预测值大小,并以该预测值作为子载波分配的依据。仿真结果表明,与固定子载波分配方法和基于当前GIR的子载波分配方法相比,该方法能有效降低不同频率复用方法下的小区间干扰,改善小区和用户的性能,具体表现在提高了小区吞吐量,降低了用户的阻塞率,以及改善了小区边缘用户的比特丢失率。     

有限反馈CoMP系统中多小区差分CQI协作调度

针对有限反馈的协作多点系统,提出了一种考虑小区间干扰、提高小区边缘用户吞吐量的多小区协作调度算法.利用信道质量指示值(CQI)的差值(差分CQI)表征协作区域内相邻小区的用户采用不同预编码向量时对本小区用户的干扰情况.基站根据由用户反馈、小区间交互得到的差分CQI生成干扰加权因子,结合小区内比例公平调度算法计算的优先级因子,完成协作区域内不同小区间的用户配对和调度.新算法兼顾了系统的公平性和频谱效率,通过协调不同小区用户间的干扰,提高了边缘用户的数据速率,并利用差分CQI的反馈与交互,减小了协作小区间控制信息交互量.     

超密集组网多维资源联合调度

针对超密集异构网络的无线资源高效管理问题,提出一种多维资源联合分配方案。根据超密集网络C/U分离网络结构,建立能效与谱效权值和的目标优化函数。构造惩罚项,更新目标函数为无约束函数,采用分布优化和迭代搜索的策略进行求解。引入模拟退火算法与列文伯格功率分配循环迭代机制,对用户关联、子载波分配以及功率控制等多维资源进行分配,最终逼近全局最优解。仿真结果表明,模拟退火算法相比于贪心算法更易跳出局部最优陷阱,列文伯格算法对系统权重吞吐量的提升要优于平均功率以及注水算法。该方案能够进行多小区多维资源分配。     

Interference analysis and novel fractional frequency reuse scheme in LTE networks

Inter-cell interference (ICI) mitigation is always a challenge issue in LTE system. In this paper, several common interference parameters are firstly analyzed for both cell edge users and center users, and then a novel fractional frequency reuse (FFR) architecture based on interference avoidance scheme coupled with power control is proposed to solve the problem of interference management in multi-cell LTE environment. The scheme divides the whole sub-carriers into three groups orthogonally. One is allocated to cell edge users, while another two are assigned to cell center users with different transmitter power. Then a parameter named interference avoidance factor (IAF) is defined to avoid ICI and adjust the number of allocated sub-carriers to match the number of users. The parameter also takes weight factor and fairness factor into consideration. The simulation results show the proposed scheme can improve the performance of cell edge users obviously.     

MIMO-OFDM系统中的子载波间干扰消除

推导了一种在快衰落频率选择性信道下适用于多输入多输出正交频分复用(MIMO-OFDM)技术的系统模型.应用这个模型,分析了信道在一个传输符号内的时变特性带来的影响,它破坏子载波间的正交性,从而引起严重的子载波间干扰(ICI).针对这一问题,提出一种频域迭代子载波间干扰消除算法.通过将信道传输矩阵分离为数据部分和ICI部分,首先利用迫零算法获得发送信号的初始估计值,由信道的ICI矩阵生成干扰信号,从接收信号中减去干扰,之后利用数据矩阵和并行干扰抵消算法来消除不同发送天线上相同子载波的多流干扰.仅考虑邻近18个子载波带来的干扰,在其性能与原算法几乎相同的条件下,可以极大地降低计算复杂度.仿真结果表明该算法在不同的多普勒频移条件下能有效消除子载波间干扰,并且在低信噪比下逼近准静态信道下系统的性能.     

时变信道下OFDM系统中一种基于修正Kalman滤波的Turbo均衡

在OFDM系统中,由于时变多径信道的存在使子载波间失去了正交性,从而导致子载波间干扰(ICI),降低了系统性能.为了补偿时变信道下OFDM系统中存在的ICI影响,提出了一种基于修正Kalman滤波的Turbo均衡算法:通过Turbo迭代,利用软映射和软解映射算法提供的软值信息,实现模块之间的信息交换;通过修正Kalman预测和滤波,实现信道响应的逐符号更新;通过基于最大化信干噪比缩短窗的ICI抑制,实现信道响应中ICI分量的消除.理论分析和仿真结果表明,所给出的方法能够有效地跟踪信道并抑制ICI影响,即使在快时变信道中也能获得很好的性能.     

多小区MU-MIMO系统中的动态模式切换算法

基于干扰协调(IA)方法,通过级联小区间干扰抑制预编码矩阵P与小区内用户间干扰抑制预编码矩阵,能显著提高小区边缘用户的速率.然而,此方法只能针对固定位置用户设计,而实际系统用户在小区中是随机分布的.针对此问题,提出了一种动态模式切换(DMS)方式.小区中的所有用户根据各自受到干扰的情况,计算一阈值并自行选择工作模式(IA-MMSE或MF模式),基站分别对2组不同模式的用户进行机会调度.仿真结果表明,此方式既能提升小区边缘用户的速率,又保证了小区中心用户的速率不受影响.并通过优化矩阵P,进一步提高了小区边缘用户的速率.     

超密集网络中基于分簇的资源分配方案

为了缓解超密集网络中毫微微小区基站（FBS）间的同层干扰,提出一种基于干扰受限的分簇及资源分配（ILCRA）方案,该方案用一个预先设置的干扰门限来限制每个FBS簇内成员的数量。首先采用聚合成簇的思想对FBS进行分簇,每个FBS簇中干扰权值之和不能超过干扰门限,然后在每个FBS簇内采用穷举图着色算法依次对用户设备（UE）进行分簇;其次,在每个FBS簇内独立地分配资源,根据UE簇在每个子信道上的吞吐量依次为每个UE簇分配子信道;最后在每个FBS簇内采用注水算法为簇内用户分配功率。仿真结果显示,该方案有效地限制了FBS簇内成员的数量,提升了系统的吞吐量和频谱效率。     

多点协同系统中的协同波束赋形干扰抑制

为了解决采用波束赋形多小区系统中波束冲突带来的小区间干扰问题,提出了一种基于特征值的协同波束赋形算法. 该算法在各小区用户调度确定的情况下,部分干扰环境较为恶劣的用户要求其服务小区与最强干扰小区协同工作,联合计算在该用户所占用频率上的波束赋形向量. 通过这种多点协同技术可达到抑制干扰、采用相同频率用户的可达速率和最大化的目的. 仿真结果表明,与各小区独立计算波束赋形向量的方法相比,所提算法能有效提升系统性能.     

应用于超宽带正交频分复用系统的联合估计接收机

针对超宽带正交频分复用（UWBOFDM）系统存在的子载波间干扰（ICI）问题,提出了联合估计（JE）接收机方法. 该方法通过估计ICI矩阵,并进行相应处理以消除ICI. 仿真结果表明,此方法可以有效消除ICI带来的“地板效应”,使系统性能得到改善.