基于MIMO阵列的混合波束赋形算法

低轨(low earth orbit,LEO)卫星通信可以克服恶劣地形影响实现远距离通信,面对突发灾害能快速部署解决通信问题,但是,卫星在保持高速运动的同时采用高频段的信号,容易导致通信时产生严重的信号衰落。针对此问题,基于传统遗传算法提出一种适用于混合波束赋形架构的算法。固定模拟域对数字域进行迭代优化,然后固定数字域对模拟域进行迭代优化,通过共同的待优化矩阵进行联合求解,在固定功率的前提下不断迭代优化矩阵,采用混合波束赋形方法有效减少硬件复杂度,更加接近数字波束赋形的性能。仿真表明,在混合波束赋形架构应用上,相对于传统的正交匹配追踪(orthogonal matching pursuit,OMP)算法,所提算法性能提升了6.61%。     

一种改进的RVSSLMS波束赋形算法

作为智能天线的关键技术之一,波束赋形算法引起了众多学者的广泛关注。为克服目前RVSSLMS算法比较简便,易于实现,但收敛速度较慢;RLS算法收敛速度较快,但其运算量大的问题,根据移动通信系统中波束赋形算法必须具有较快的响应速度和收敛速度的要求,对RVSSLMS算法进行了改进;结合RLS算法和RVSSLMS算法的优点,在开始迭代前的25次用RLS算法求加权系数W(k),再使RVSSLMS算法用RLS算法求出的加权系数W(k)作为初始值进行迭代求解,使其在保持原有运算量小的特点的同时,具有更快的收敛速度。用Matlab仿真对改进方法的有效性进行了验证,仿真结果表明:RLS-RVSSLMS算法既具有RLS算法收敛速度快的特点,同时保持了RVSSLMS算法计算量小的特点。     

基于改进粒子群算法的自适应波束形成

基于最小均方误差准则,将自适应波束形成的权值求解问题表示为多目标优化模型,利用提出的改进粒子群优化算法,获得了阵列最优权值向量.改进粒子群优化算法中引入动态邻域拓扑结构,自适应调整粒子的领域搜索范围,避免粒子陷入局部最优.仿真结果表明:所提算法的收敛速度优于传统算法.     

多输入多输出单载波频分多址系统的鲁棒波束赋形算法

针对多输入多输出(MIMO)单载波频分多址(SC-FDMA)系统中现有波束赋形算法在非理想信道状态信息下性能下降以及对信道信息误差敏感的问题,提出了一种鲁棒波束赋形算法。该算法利用谱范数对信道状态信息误差进行建模,并基于均方误差和准则将波束赋形优化问题建模为一个极小极大化问题,然后利用优超理论以及奇异值不等式理论证明该优化问题的鞍点特性并得出最优的波束赋形结构,最后利用凸优化得到最优的功率分配算法。仿真结果表明:与非鲁棒波束赋形和等功率分配算法相比,该鲁棒波束赋形算法在误码率以及频谱效率方面都能获得更好的性能,信道状态信息误差增大时,该鲁棒波束赋形算法与非鲁棒波束赋形算法相比在高信噪比时误码率性能约有1dB增益,频谱效率约提升6%。     

一种基于RLS和RVSSLMS智能天线波束赋形算法

根据智能天线波束赋形算法必须考虑设备的复杂性和收敛速度的要求,提出一种结合RLS和RVSSLMS算法各自优点的RLS-RVSSLMS波束赋形算法,并用Matlab进行了仿真。仿真结果表明：RLS-RVSSLMS既具有RLS算法收敛速度快的特点,同时保持了LMS算法计算量小的特点。     

基于遗传算法的基站天线赋形波束综合

提出了一种改进的适应度函数确定方法,通过改变适应度函数中的待定参数,有效提高了搜索效率。采用遗传算法对基站天线的方向图赋形,其结果优于同种条件下用WoodWard法得到的结果。结合工程实践,考察了本文遗传算法的解的稳定性。文中的结果对工程和理论研究都具有重要意义。     

一种下行波束赋形与功能控制联合优化的新算法

在无线蜂窝系统中，当采用下行波束赋形技术时，所有用户所接收到的信号必须满足给定的信噪干扰比，由于信噪干扰比的大小与天线的辐射方向图有关，故平常所用的技术（如空间相关矩阵特征值分解技术）都必须再加以额外的功率控制，提出了一种新的下行波束赋形与功率控制的联合优化算法，这种算法不但能够调整权系数以使所有用户具有相同的信噪干扰比，而且可以使用户的功率辐射最小。     

多输入多输出智能天线中的自适应波束形成算法

基于传统的LMS算法,提出了一种新的MIMO智能天线自适应波束形成算法,即LMS-MIMO算法.与传统的LMS算法相比,LMS-MIMO算法在发射端和接收端同时采用了智能天线技术.仿真结果表明,LMS-MIMO算法性能明显优于LMS算法,并且随着发射和接收天线阵元数目的增加,其系统性能得到了进一步改善.     

毫米波通信系统中利用随机逼近的波束赋形算法

为了在60 GHz毫米波通信系统中确定收发机最优的窄波束方向使得传输速率最大,提出了一种基于波束码本的自适应波束赋形算法.该算法在室内60 GHz信道的射线跟踪模型基础上建立了离散优化问题,并引入随机逼近的全局优化算法进行求解,首先在窄波束空间中进行随机采样,再利用含噪的信道估计获得样本目标函数的无偏估计量,并据此执行...     

基于多目标优化方法的一类k-Means自适应算法

【目的】针对k-Means聚类算法及MinMax k-Means聚类算法需要人为提前给定聚类数量而导致数据划分准确率偏低以及MinMax k-Means算法聚类效果受类簇边缘点影响较大等不足提出解决方案。【方法】将k-Means和MinMax k-Means算法的目标函数相结合,建立多目标优化模型,提出基于多目标优化方法的k-Means算法。分析簇数异常情况下最小中心方差与最大簇内方差之间的关系。【结果】发现当分类簇数大于最优簇数时,最小中心方差小于最大簇内方差,据此提出了基于多目标优化方法的k-Means自适应算法。【结论】数值实验表明：提出的自适应算法在人工数据集和UCI标准数据集均具有较好的自适应性且聚类效果较优。     

超密集异构网络中的一种混合资源分配方法

针对在宏小区覆盖范围内高密度部署小小区所带来的跨层干扰和同层干扰,研究了超密集异构蜂窝网络中的资源分配问题,采用了一种共享频谱与分离频谱共存的混合频谱分配方案。依据簇中小基站与宏基站的干扰是否超过设定的阈值,将簇进行分类并以不同的方式进行资源分配,超过阈值的簇采用分离频谱的方式分配资源,反之,可共享整段频谱。而在每个小基站簇内,在相应的约束条件下采用对偶分解法求出规划的优化目标,为每个小基站分配子信道和功率。基于联合分配方案提出算法1和算法2(次梯度算法),算法1最接近最优解决策略,而算法2可以解决高复杂度问题,具有更高的实用性。仿真结果表明,所提方案能够有效地抑制干扰、提升系统容量,同时兼顾用户间公平性。     

基于射频能量收集的异构网络资源分配策略

针对异构网络中微微基站出现过多用户的情况,研究最大化上行总吞吐量的资源分配问题。通过部署一个具有能量收集功能的中继节点,将微微基站部分用户转移到相邻的空闲微微基站。中继节点具有能量收集功能,可以从专用射频源和环境射频源收集能量。将资源分配问题建模为最优化问题,以最大化微微基站用户的上行总吞吐量为目标,同时满足用户最小数据速率、中继节点能量消耗和发射功率的约束条件。通过引入增广拉格朗日乘子法,获得最优解。仿真结果表明,与传统的将部分微微基站用户转移到宏基站的方法相比,提出的方法具有较大的吞吐量提升。此外,与同样采用中继节点进行辅助通信的等功率方法相比,提出的方法在吞吐量方面有一定程度的增加。     

基于OFDM的认知无线网络中最小代价增量资源分配算法

认知无线电是解决频谱资源紧张,提高频谱利用率的有效方式之一。在保护授权用户不受过度干扰的前提下,为了充分利用基于OFDM的认知无线网络频谱资源,在分别考虑频谱检测可靠性和互干扰对资源分配影响的基础上,构建了一个联合功率控制和子载波分配的最优化目标。考虑算法实际可行性,提出了3个次优的基于最小资源代价增量的算法,即最小功率代价增量算法、最小干扰代价增量算法以及最小功率干扰加权和代价增量算法。数值仿真表明,相比于现有的静态等功率资源分配,所提算法的吞吐量性能均有明显提升,其中,最小功率干扰加权和代价增量算法整体性能最好。     

NOMA残余干扰下D2D网络的能效资源分配算法

为了解决非理想串行干扰消除（serial interference cancellation,SIC）解码引起的残余干扰给非正交多址接入（non-orthogonal multiple access,NOMA）增强型设备到设备（device-to-device,D2D）组链路带来的高能耗、低信道利用率问题,提出一种基于能效优化的资源分配算法。在保证蜂窝、D2D组用户通信服务质量和复用子信道个数约束条件下,建立能效优化模型;使用一种以D2D组能效为权重的加权二部图最大匹配联合匈牙利算法为每个D2D组分配子信道;考虑到各接收机用户在相同和不同残余干扰下的能效问题,通过参数变换、Dinkelbach法和拉格朗日对偶法实现功率分配。仿真结果表明,提出的算法在非理想SIC条件下可有效提升系统D2D组链路的信道利用率和总能效。     

VLC网络中兼顾QoS和公平性的协作子载波与功率分配算法

针对目前可见光通信(visible light communication,VLC)中干扰管理算法存在的问题,提出了一种兼顾服务质量(quality of service,QoS)和公平性的协作子载波和功率分配算法.将终端公平度与QoS的乘积作为优先级因子,每轮优先级因子最高的终端获得协作接入点(access poin...     

一种OFDMA上行系统公平资源分配算法

为了提高无线网络吞吐量并兼顾用户之间的公平性,该文针对正交频分多址接入(OFDMA)系统的上行链路提出了一种比例公平的自适应资源分配算法。该算法考虑了上行系统中用户功率的离散分布特性,以最大化用户速率的对数和为优化目标。首先通过理论分析给出了上行比例公平资源分配的最优解形式,然后提出了一种兼顾效率和公平的上行OFDMA系统子载波和功率联合分配算法。仿真结果表明:相比传统的上行资源分配算法,该算法能够取得吞吐量和公平性之间的良好折中。     

基于OFDM技术的多用户子载波分配算法

为了提高无线网络频谱利用率,有效地利用系统现有资源,该文在保证用户公平性的前提下提出了一种新的基于余量最大化准则的自适应子载波分配算法。该算法采用分步降解法,将子载波和比特分配分为3部分。第一部分,为每个用户分配一个信道增益最好的子载波,以此确保该用户拥有基本的传输能力;第二部分,根据用户的传输速率比例约束分配剩余子载波;第三部分,根据子载波的分配结果进行比特分配。该算法运算复杂度低,功率消耗少。仿真结果表明该算法优于现有的BABS+ACG资源分配算法。     

OFDMA中继网络上行链路资源分配算法设计

针对放大-转发OFDMA中继网络上行链路,考虑具有不同QoS要求的异构业务场景,在用户与中继独立功率约束条件下,提出一种子载波对匹配分配与功率分配算法,以实现在满足非弹性用户速率需求前提下,最大化弹性用户和速率的目标.为降低算法计算复杂度,将原混合二进制整数规划问题分解为子载波对匹配分配,非弹性用户与中继、弹性用户与中继联合功率分配三个子问题,从而实现计算复杂度从指数级别到线性的下降.仿真结果显示,所提方案能够满足非弹性用户的速率需求,且弹性用户的和速率容量明显高于等功率分配原则和未进行子载波匹配下的资源分配算法.     

基于对偶分解的 MU-CoMP 联合资源分配算法

在MU-CoMP-JT(multi-users coordinated multiple-points joint transmission)资源分配算法中,大多数将功率分配与子载波分配分为独立的2个部分进行独立求解,这样势必会降低系统性能,而实际上子载波分配和功率分配是密切相关的.为了有效地提升系统吞吐量,采用了迫零预编码技术,研究了一种在多个小区和多个子信道之间联合优化用户调度与功率分配的资源分配算法,该算法以最大化用户权重速率为目标,基于对偶分解理论,将原优化问题分解为多个独立优化的子问题.仿真结果表明,该算法与最优的穷尽分配算法相比性能有所降低,但有效地降低了复杂度,同时也能获得较好的性能.     

一种优化的认知无线电网络资源协同分配算法

在目前的认知无线电研究中,多用户OFDMA系统中如何实现子载波和功率的合理分配是研究的重点之一.针对认知无线电资源分配过程中出现的多认知用户资源分配不公平的问题,研究了认知无线电网络中授权用户占用子载带时,认知用户的吞吐量受限制的问题,提出了一种基于underlay频谱共享模式下的OFDMA认知无线电网络功率与子载带协同分配优化算法.该算法利用干扰门限的设置,使用原始感知信息(RSI)和信道状态信息(CSI)进行功率与子载波分配,然后分别进行功率控制和用户选择的计算,找到最优化传输功率与每个子载带最优使用用户,在保证授权用户免受有害干扰的前提下,使授权用户存在时,也可共享频谱传输,确保了系统的稳定性,提高了网络吞吐量.理论分析与仿真结果表明,相比传统的功率与子载波联合分配算法,该算法可以提高系统的平均加权吞吐量.