OFDM认知无线电系统中多用户资源分配新算法

OFDM是认知无线电系统物理层的关键技术,本文针对多用户的OFDM认知无线电系统,提出了一种联合功率、信道和比特分配的新算法,该算法将多用户资源分配映射成多维O-1背包问题,考虑了主次用户之间的干扰,引入了次用户的带宽需求,既保证了次用户对主用户干扰功率的限制,同时又满足了各个次用户的QoS.仿真结果表明,本文的算法与...     

基于认知无线电的WiMAX系统多用户资源分配算法

基于认知无线电(CR)和OFDM的传输特性,提出了一种WiMAX系统多用户资源分配算法.感知用户根据认知到的频谱资源信息,在不对授权用户造成干扰的前提下使用空闲频谱资源.利用注水算法对多个用户请求使用同一子载波进行裁决,在满足传输速率以及QoS要求下,完成子载波、比特和功率分配,使整个系统传输功率最小.仿真结果表明,基于认知无线电的WiMAX系统多用户资源分配算法的传输功率和性能明显优于使用静态算法方案的系统.     

OFDM认知无线电系统中分布式资源分配

针对多用户的OFDM认知无线电系统,提出了一种适合于混合业务的分布式资源分配新算法.该算法以最大化系统容量为目标,将资源分配问题建模为非凸优化问题,并通过拉格朗日对偶理论将原问题分解为若干个独立的子问题,通过对子问题的求解可以获得最优的子载波分配和功率分配.同时,根据认知用户业务分组中不同的业务类型授予其不同的权重因子,确保资源分配结果能够满足各认知用户的QoS.仿真结果表明,该算法不仅提高了系统容量,而且还保证了资源分配的公平性和用户的QoS,且算法复杂度不高.     

认知无线电系统中基于OFDM的一种资源分配方案

文章在已知主用户干扰门限的基础上,对认知用户的子载波和功率进行合理分配;阐述了使认知用户系统容量达到最大的最优功率分配算法,给出了易于实现的次优算法,并与传统功率分配算法进行比较。仿真结果表明,在给出不同干扰门限的条件下,认知用户采用最优算法比传统算法获得的发射功率要高,并且次优算法的性能接近最优算法。     

一种新型的多用户OFDM系统资源分配策略

在多用户正交频分复用（Orthogonal Frequency Division Muhiplexing，0FDM）系统中，系统容量和用户公平性不能同时兼顾，本文提出了一种综合考虑系统容量和用户公平性的资源分配算法．该算法利用多用户的分集增益，根据用户的实时信道状态和传输速率要求，合理的选择用户接人的时刻，既保证了用户公平性又提高了系统容量，达到时频二维空间优化系统的效果．仿真结果表明，本算法在不增加算法复杂度和不损失用户公平性的前提下，有效的提高了系统容量。     

基于背包模型的认知OFDM系统中的资源分配

本文针对多用户的OFDM认知无线电系统,提出了基于背包模型的资源分配新算法。该算法以最大化系统容量为目标,同时考虑各认知用户的QoS需求,将资源分配问题建模为多维0-1背包模型,并通过贪婪算法对其进行求解。仿真对比结果表明,该算法在性能上不仅逼近优化算法,而且具有较低的复杂度。     

Underlay模式下认知无线电OFDM系统多用户资源分配

为了更有效地求解Underlay频谱共享模式下的OFDM系统多用户资源分配问题,提出了一种公平、复杂度低的资源分配方法,首先利用公平性的子载波分配方法为认知用户分配子载波,然后利用子载波分配结果,将复杂的多用户资源分配问题转化为简单的单用户功率分配问题,并利用一种复杂度较低的线性封顶注水算法对子载波功率的分配进行求解.通过一种TV频段OFDM系统对算法性能进行了仿真对比分析,仿真结果验证了本文所提资源分配方法的有效性和优越性.     

认知OFDM无线电系统中分布式资源分配

本文针对多用户的OFDM认知无线电系统,提出了一种适合于混合业务的分布式资源分配新算法。该算法以最大化系统容量为目标,将资源分配问题建模为非凸优化问题,并通过拉格朗日对偶理论将原问题分解为若干个独立的子问题,通过对子问题的求解可以获得最优的子载波分配和功率分配。同时,根据认知用户业务分组中不同的业务类型授予其不同的权重因子,确保资源分配结果能够满足各认知用户的QoS。仿真结果表明,该算法不仅提高了系统容量,而且还保证了资源分配的公平性和用户的QoS,且算法复杂度不高     

基于Message Passing的认知无线电快速资源分配

针对多用户的OFDM认知无线电系统上行链路,提出一种基于Message Passing的分布式快速资源分配算法。该算法以认知系统总发射功率最小化为优化目标,综合考虑了认知用户对授权用户的干扰、总发射功率预算以及认知用户之间的比例公平性等约束条件,将资源分配分为子信道分配与功率分配相继2个步骤,构建资源分配的因子图,通过在节点间迭代地传递信息直至最终完成分布式的资源分配。分析和仿真结果表明,该算法在保证系统通信性能及资源分配公平性的前提下降低了系统总发射功率,并且运算效率得到了明显提升。     

基于认知无线电的OFDM智能侦察监测系统

自适应正交频分复用(OFDM)技术在军事和民用通信领域中都具有广泛的应用。重点研究认知无线电技术在智能侦察监测系统中的应用,建立基于认知无线电的OFDM信号智能侦察监测接收系统模型,结合系统需求和实现可能性,搭建基于软件无线电技术(SDR)的智能侦察监测系统,并分析系统构建的合理性、技术的有效性,为将来的工程实践打下基础。     

认知无线电中基于MIMO-OFDM的限速率反馈资源分配算法

针对基于MIMO-OFDM技术的认知无线电系统,在考虑TCM编码的情况下提出了一种限速率反馈资源分配算法.该算法首先定义系统中各用户的有效发射模式集合;其次,根据链路质量指示函数,以最大化感知协作组吞吐量为目标进行初始的资源分配;然后,以确保认识用户公平享用频谱资源为目标,在认知用户间重新分配子载波和功率;最后,运用统计近似工具更新拉格朗日乘子并通过在线递归方法得到渐进收敛的资源分配解.仿真结果表明,该算法在保证授权用户权益的情况下不仅能有效提高感知协作组吞吐量,而且能保证认识用户公平享用频谱资源,并且具有反馈开销低的特点.     

A sub-optimal joint subcarrier and power allocation algorithm for multiuser OFDM

This paper investigates subcarrier and power allocation in multiuser OFDM. The aim is to maximize the overall rate while achieving proportional fairness amongst users under a total power constraint. Achieving the optimal solution is computationally demanding thereby necessitating the use of sub-optimal techniques. Existing sub-optimal techniques either use fixed power allocation and perform only subcarrier allocation or handle subcarrier and power allocation separately. In this paper, we propose an algorithm that performs joint subcarrier and power allocation. Simulation results are shown to compare the performance of the proposed algorithm with that of existing algorithms.     

基于区分业务的OFDM跨层动态资源分配算法

跨层设计是目前比较流行的、有效的无线系统设计方法.本文针对多业务(实时业务和非实时业务)正交频分复用(OFDM)系统,提出了一种跨层结构的动态资源分配算法.该算法不仅在物理层上考虑信道状态信息和功率限制条件,而且在MAC层上针对不同类型业务采取不同的调度策略:(1)对于高优先级的实时业务,采用最大化容量的OFDMA策略,在频域上最大限度地利用多用户分集提高频谱效率,在时域上通过时隙的分配来保证时延边界;(2)对于低优先级的非实时业务,在频域上采用基于比例公平的OFDMA策略,在时域上尽力而为地分配时隙.仿真结果表明,与传统的单层资源分配算法相比,所提算法能够在保证不同业务服务质量(QoS)的前提下,大幅度地提高系统性能.     

认知无线电系统的顽健资源分配算法

摘 要：针对多用户下垫式认知无线电网络中参数不确定性问题,提出了一种顽健分布式功率控制算法。在干扰温度门限和次用户信干噪比（SINR）的约束下,考虑信道不确定性,实现认知系统功率消耗最小化。基于欧几里得球形不确定性描述,利用拉格朗日对偶分解理论给出了顽健功率控制问题的解。仿真结果表明,该顽健功率分配算法能同时满足主用户和次用户的QoS需求,与非顽健算法和传统SOCP算法对比可提升系统性能。     

基于多用户MIMO/OFDM系统的空间子信道分配算法

对多用户MIMO/OFDM系统空间子信道进行了研究,以获取最大的系统吞吐量为目标,推导了子载波分配准则,提出了一种自适应空间子信道分配算法,并给出了相应的算法流程。仿真结果表明,该算法具有良好的性能,有效地提高了系统的传输速率。     

基于PSO-GA算法的多用户OFDM系统资源分配

为了最小化多用户OFDM系统的总发射功率,提出利用改进的粒子群算法与遗传算法相结合的联合算法(PSO-GA)来搜索最优的子载波和比特分配。该算法首先利用改进粒子群算法对系统的子载波和比特分配进行优化。算法运行过程中,当更新后的粒子速度大于最大粒子速度或小于最小粒子速度时,取最大粒子速度与最小粒子速度区间中的一个随机值作为更新的粒子速度。待PSO-GA算法的改进粒子群算法收敛后,将收敛后的种群作为遗传算法的初始种群,再利用遗传算法进行系统的子载波和比特优化分配,进而得出最优解。仿真结果表明,利用该算法比利用遗传算法、粒子群算法与Zhang算法的分配方案使系统需要的总发射功率降低2~10 dB。     

Proportional-fairness resource allocation for uplink OFDM-based cognitive radio systems

This paper has proposed a proportional-fairness resource allocation algorithm, including both subcarrier assignment algorithm and power allocation algorithm, for uplink orthogonal frequency division multiplexing (OFDM)-based cognitive radio (CR) systems. First, to get a better performance in the proposed system model, the influence factor (a,b,c) was introduced to realize the assignment of the subcarriers. Second, the transmit power of the secondary users (SUs) was allocated to the corresponding subcarriers in order to maximize the uplink capacity of the SUs subject to both power and interference constraints. With the appropriate influence factor in the subcarrier assignment, the loss of transmitted data rate arising from the fairness was minimized. Simulation results showed that the proposed algorithm can achieve a perfect fairness among the SUs while maximizing the system capacity simultaneously, and is of a low computation complexity.     

鱼群算法在多用户OFDM跨层资源分配中的应用

基于人工鱼群算法,利用已知信道信息对多用OFDM系统中的资源进行跨层分配.本文提出了新的目标函数,合理有效地找到了总传输速率最大化和实现用户的速率要求、比例公平要求的权衡点.为了减小资源分配的复杂度,本文提出首先对子载波进行分配,然后进行功率分配.仿真结果表明,人工鱼群算法的很好的解决了多用户OFDM系统中的跨层资源分...     

Adaptive resource allocation in multiuser OFDM systems with proportional rate constraints

Multiuser orthogonal frequency division multiplexing (MU-OFDM) is a promising technique for achieving high downlink capacities in future cellular and wireless local area network (LAN) systems. The sum capacity of MU-OFDM is maximized when each subchannel is assigned to the user with the best channel-to-noise ratio for that subchannel, with power subsequently distributed by water-filling. However, fairness among the users cannot generally be achieved with such a scheme. In this paper, a set of proportional fairness constraints is imposed to assure that each user can achieve a required data rate, as in a system with quality of service guarantees. Since the optimal solution to the constrained fairness problem is extremely computationally complex to obtain, a low-complexity suboptimal algorithm that separates subchannel allocation and power allocation is proposed. In the proposed algorithm, subchannel allocation is first performed by assuming an equal power distribution. An optimal power allocation algorithm then maximizes the sum capacity while maintaining proportional fairness. The proposed algorithm is shown to achieve about 95% of the optimal capacity in a two-user system, while reducing the complexity from exponential to linear in the number of subchannels. It is also shown that with the proposed resource allocation algorithm, the sum capacity is distributed more fairly and flexibly among users than the sum capacity maximization method.