基于网络编码的用户协作博弈资源分配算法

在正交频分多址接入两用户协作中继系统中,为进一步提高协作系统的吞吐量,提出在协作节点处运用网络编码(NC)进行全双工协作通信的传输方案. 同时,引入纳什议价均衡(NBS)博弈,考虑协作用户吞吐量均衡,设计了双层纳什议价均衡(DL_NBS)博弈来协调用户对间的子载波和功率分配. 仿真结果表明,基于NC协作系统方案的吞吐量比普通协作传输模式提高约491%,比直传模式提高约464%;DL_NBS博弈资源分配方案与传统资源分配算法相比,不仅更适用于分布式用户协作场景,且能取得公平性和有效性的折中.     

基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

协作OFDMA网络中公平的中继资源分配

在协作中继OFDMA(OFDMA/Relay)系统中,应用最大化最小(max-min)准则提出一种公平的OFDMA/Re-lay子载波和功率联合分配算法。该算法以最大化网络中当前速率最小用户的数据速率为目标,能够为尽力而为(besteffort)用户业务提供一致的数据速率(并满足用户业务对误码率的需求),有效地避免了饥饿现象,即与基站、中继站信道条件较差的用户业务出现数据传输速率接近于0的现象的发生。     

Femtocell双层网络中基于Stackelberg博弈的

引入Femtocell网络能增强室内覆盖,但会带来干扰管理问题;而绿色节能也是当前研究的热点。针对该问题,提出一种分布式的基于Stackelberg博弈的节能功率控制算法。该算法采用Stackelberg博弈框架,引入动态的干扰定价机制,抑制家庭用户(FUE)对宏基站的干扰;并应用指数级低通滤波器的思想,得到博弈中干扰定价因子和最优功率反应的闭式解。理论分析和仿真结果表明,与基于非合作博弈的功率控制算法(NPCA)相比,该算法在付出较低能量效率性能损失的代价下,极大地降低了算法的复杂度。     

超密集网络中宏微协作的干扰最小化资源分配

超密集网络能够最大化频谱利用率,但不可避免地带来严重的小区间干扰。为解决该问题,提出一种能够适应超密集网络动态负载场景宏微协作的干扰最小化资源分配算法。首先通过宏微协作交换小区子带干扰信息;然后为高功率用户分配邻区子带干扰较小的资源来降低小区间干扰。当小区业务部分加载时,算法还通过为高功率用户分配更多的带宽资源来降低它们的功率谱密度,从而进一步降低小区间干扰。仿真结果表明,新算法在业务量动态变化的超密集网络中能够有效地降低网络的干扰水平并提升网络的能效比。     

能量协作网络中基于协作干扰的物理层安全方案

研究了由1个单天线的源节点、目的节点、窃听节点和1个多天线的中继节点组成的系统中,通过能量协作增强保密传输性能的问题。为提高保密速率,中继节点发送经过波束赋形的干扰信号来干扰窃听者。在中继能量供应受限的情况下,提出一种协作干扰与能量协作相结合的方案。源端在能量约束范围内采用能量转移的方式为中继提供用于发送干扰信号的能量。对能量转移量、能量转移时间和干扰信号波束赋形的优化问题进行了求解。仿真结果表明,在不消耗中继自身能量的条件下,与直接传输相比,能量协作和协作干扰方案能够显著提高系统的保密性能。     

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。     

采用LDPC码的编码协作方案

本文提出了一种基于低密度奇偶校验(LDPC, Low Density Parity-Check)码的编码协作(Coded Cooperation)方案. 理论分析了该方案所具有的分集增益以及误码性能,并通过仿真验证了典型信道情况下该方案的性能.     

基于非合作博弈的中继网络分布式资源分配

提出一种可应用于正交频分复用多址(OFDMA)中继网络的分布式资源分配算法. 基于将模型描述为基站与中继的非合作功率分配博弈(RNCPAG), 设计出2种效用函数, 并以最大化效用函数为准则, 证明在总功率受限的约束下, 该算法存在并收敛于唯一的纳什均衡点. 研究表明, 同传统的平均功率分配算法相比, 分布式博弈算法以牺牲少量的迭代步数为代价, 获得更高的系统容量和资源效率.     

综合上下行链路的无线能量收集协作网络资源分配

为了提高和平衡时分双工系统上下行链路之间的能效,在无线能量收集(EH)协作网络中开展节能资源分配算法研究.建立考虑无线能量收集、频谱共享、系统功率受限的协作网络模型;基于所建模型,形成综合上下行链路、功率约束、带宽约束和上下行速率匹配的优化问题,分别优化系统的绿色能效和传统能效.对优化问题进行数学分析,得到资源分配的最优解,即源节点、中继节点和目的节点的最优发射功率,上下行链路最优的带宽分配,能量收集节点最优的功率分割以及最优的系统能效;归纳得到分别基于系统绿色能效最大化和基于系统能效最大化的资源分配算法.对所建模型与所得资源分配算法开展蒙特卡洛仿真分析,将所得算法与文献算法进行对比.仿真结果表明,通过综合优化系统上下行链路的资源分配,所得算法有效提升了绿色能效和传统能效.     

无线网络中基于效用函数的资源分配方案

从实际应用的角度出发,针对现有资源分配方案难以在混合业务下有效地兼顾服务质量(QoS)和频谱效率等问题,对不同业务的用户提出了统一形式的效用函数,通过建立最优化模型和对模型的分析,提出了混合业务下基于此效用函数的资源分配方案. 该方案利用合适的效用函数自动保证了实时业务的QoS请求以及best effort业务用户有效性和公平性的折中. 仿真结果表明,该方案适用于混合业务,并能在混合业务中自动地优先满足QoS用户的资源请求.     

认知无线电网络中基于演化博弈的协作频谱感知技术

 提出了一种基于演化博弈理论的认知网络协作频谱感知方法．对协作频谱感知中次级用户的传输时间和吞吐量进行分析,建立协作感知的博弈模型并研究其动态演化特性,基于次级用户吞吐量最大化准则,得到相应纳什均衡解,在此基础上提出一种次级用户自适应分布式学习算法．理论分析和仿真结果表明,这种协作感知方法在保证检测性能的基础上,有效减少了协作通信开销,提高了次级用户吞吐量．     

认知Ad Hoc网络多小区资源分配方案

在授权多小区频谱资源复用场景下,基于分级信道接入模型提出了一种认知Ad Hoc网络资源分配方案．授权小区将频谱资源进行区间复用,认知系统根据区域复用的不同划分可用频段,并在不同频段采取不同的接入方式;联合考虑链路传输需求及授权用户干扰保障设计传输效益因子,根据传输效益因子分配可用信道,运用拉格朗日对偶理论实现功率分配,并基于令牌环结构实现Ad Hoc链路局部信息交互．仿真表明,所提算法相对非复用认知场景系统容量可在相同指标下提升2%．     

上行小小区网络采用累计分布函数的资源分配

为了降低上行小小区网络中共信道干扰对频谱效率的影响,提出了一种基于累计分布函数的用户调度和分布式功率分配联合优化算法．小小区基站选取信噪比累计分布函数值最大的用户进行调度,被选中的用户调整发送功率,使其对同频小区的干扰低于门限值．通过设置合理的门限值,将全局最优问题转化为分布式最优问题,采用拉格朗日对偶分解,获取最优的功率分配．仿真结果表明,该算法同传统最优功率分配算法相比,能够降低复杂度,并且具有相近的系统性能．     

分布式网络中采用图型博弈的动态频谱接入

针对分布式无线网络中用户关系拓扑结构的任意性和复杂性带来的维灾问题,提出了一种基于图型博弈的动态频谱接入算法.利用环境信息的非对称性把频谱接入问题抽象为图型博弈模型,并用模型中的图型拓扑表示现实环境中博弈的内在结构;以最小化个人后悔值代替最小化系统后悔值来求解纯策略纳什均衡点.与现有算法比较,该算法能有效降低运算复杂度,满足通信中实时性的要求.仿真结果表明,该算法能快速收敛到无冲突的纯策略纳什均衡,提高了系统容量和功率利用率,在资源匮乏时优势明显.     

超密集网络中一种改进的分簇及资源分配方案

为了减少超密集网络中小区间的干扰,提出了一种改进的分簇及资源分配方案.首先,根据小基站间的路径损耗程度构造损耗图,基于损耗图选出簇头并且分簇,将路径损耗之和较小的小基站放在一个簇中,每个簇中小基站的数量不超过子信道的数量;然后,根据簇内的用户在每个子信道上的信干噪比依次为每个簇的用户分配正交的子信道;最后,优化功率分配,以提高吞吐量.仿真结果显示,与相同场景中的已有方案相比,所提方案更加均匀地将小基站分布在每个簇中,并且显著提高了系统吞吐量.     

VEC中多边缘节点协作卸载与资源分配算法

针对车载边缘计算(VEC)中任务计算成本高和边缘节点负载不均衡的问题,将软件定义网络(SDN)与多边缘计算相结合,构建了“端-多边-云”3层软件定义车载边缘计算模型,并提出了一种新的协作卸载和资源分配算法。使用SDN控制器从全局角度获取网络信息,对任务卸载和资源分配进行统一调度。将改进的k-means算法用于确定任务的初始卸载决策,将任务分别分配到本地簇、边缘节点簇和云服务器簇中。此外,利用深度Q网络算法获得了边缘节点簇中任务最优的卸载决策、卸载比例和资源分配策略。仿真实验结果表明,相较于对比算法,用所提算法使任务的计算成本降低了18.6%以上,提高了22.9%以上的边缘节点资源利用率,并实现了边缘节点间的负载均衡。     

采用双层子网动态虚通道的片上网络

通过片上网络(NoC)连接多个处理器核是一种新的片上系统结构,其核间的数据交换机制是影响数据传输服务质量(QoS)的关键要素之一。在虚通道数目受限的情况下,提出了动态虚通道分配和双层子网相结合的交换单元结构。动态分配虚通道技术可以有效提高建链成功率;双层子网结构分散了业务数据流,避免数据传输拥塞,减小了数据包传输延时。仿真显示两种技术的结合,在不增加硬件资源开销的情况下,可以为各种业务等级的数据包传输提供良好的QoS保障。     

网络虚拟化环境中虚拟网资源分配机制

从服务管理的角度对虚拟网资源分配问题进行研究,针对多基础设施提供商和多服务提供商竞争环境中虚拟网资源分配的特点,提出了基于拍卖的虚拟网资源分配机制,并证明了机制的有效性.仿真实验结果表明,该分配机制可以一次性完成多个基础设施提供商和多个服务提供商的资源分配及定价,并且有议价分配机制,比V-MART机制和无议价分配机制能产生更大的社会福利.     

基于DF中继的认知OFDM协作系统的资源分配算法

针对多中继认知OFDM协作系统的中继和功率分配采用的拉格朗日对偶分解法虽然具有较好的性能,但计算复杂度较高这一问题,提出了一种低复杂度的资源分配算法。该算法放宽了中继选择因子的整数约束条件,综合考虑认知用户各子载波的信道条件和对主用户的干扰进行中继选择。根据系统总功率和干扰约束的特点,提出一种次优功率分配算法对功率进行分步求解,在保证系统容量有所增加的基础上降低了算法的计算复杂度。仿真结果表明:本文提出的算法不仅保证了认知用户对主用户产生的干扰在临界值以内,而且使认知用户的系统容量得到了较大的提升,具有一定的可行性。