基于认知无线电系统的新型合作功率控制博弈算法

以改进的空时分集OFDM-CDMA系统为基础，研究已认知频谱资源的公平分配问题，根据信道状况，吞吐量最大化和功率限制需求，提出了一种合作功率控制纳什议价博弈算法，以有效地降低认知用户（secondary users）的发射功率，提高网络吞吐量。仿真结果表明该算法满足了认知用户公平共享频谱资源的需求，在相同功率消耗情况下，网络吞吐量显著提高。     

干扰攻击下基于MAPPO的电视频谱资源分配研究

将认知无线电（Cognitive Radio,CR）与能量采集（Energy Harvesting,EH）进行组合是一种提高电视系统频谱性能的有效方案,但由于CR的开放性,电视网络容易遭受干扰攻击。基于此,研究了干扰攻击下EH-CR网络的联合信道和功率分配问题,考虑网络中存在随机和反应扫描两种干扰攻击,通过信道接入和功率分配,使次用户（Secondary Users, SUs）平均吞吐量最大化。将EH-CR网络建模为部分可观测的马尔可夫决策过程,提出了一个基于多智能体近端策略优化（Multi-Agent Proximal Policy Optimization,MAPPO）的联合信道和功率分配方法。仿真结果表明,提出的方法能够显著提高干扰攻击下SUs的平均吞吐量。     

机器学习在认知无线网络中的应用研究

研究的是在认知无线网络中,多个认知用户之间的信道与功率分配的方法。具体是根据认知无线网络中用户业务的动态性,利用机器学习能根据周围环境的变化而自动地使决策达到收敛的特点,提出了一种认知无线网络中用户信道和功率智能分配的方案。根据仿真结果,该方案能有效地提高认知无线网络的吞吐量,而且实现了认知无线网络决策的智能性与自主性。     

一种新型认知无线电资源分配跨层技术

为有效利用频谱资源,提高频谱效率,文中利用环境感知技术,设计出认知无线电跨层结构框架,提出一种新的功率控制博弈BPCG（Bandwidth and Power Control Game Algorithm）算法。研究不同用户的频谱带宽分配和功率控制,该算法在确保频谱带宽有效分配前提下,通过对用户功率的有效控制,实现网络总吞吐量的提高。仿真结果表明该算法在相同的功率消耗前提下,网络吞吐量显著提高,并随频谱带宽的增加,实现网络吞吐量的最大化。     

多用户多速率OFDM中的子载波分配和功率控制

该文基于对多用户多速率正交频分复用(OFDM)系统性能的分析,提出了子载波分配和功率控制方案。在采用P-QAM调制的下行链路中,如已知所有子信道的信息状态(CSI),在满足每一个用户的服务质量的前提下,先给固定速率的用户分配最优子信道,再给变速率的用户按照子信道链路增益最大化分配剩余的子信道;每一个用户分配的子信道数目,由链路增益的取值区间决定。信号发射功率则按照注水法则分配:链路增益大的子信道分配的功率大,链路增益小的子信道分配的功率小,则系统的总传输速率可达最大。仿真结果证明了该文提出的分配方案优于Jang的分配方案。     

不完整CSI下OFDMA无线中继系统资源分配算法研究

针对实际OFDMA系统中下行无线链路信道状态信息(CSI)不完善的前提下,提出一种满足不同用户QoS需求的资源分配算法。在该方案中,首先确定用户与中继站之间的CSI,然后在总功率约束条件下,通过在等功率分配降低算法复杂度的基础上进行最佳中继选择和子载波的分配,最后再对子载波进行注水的功率分配来进一步提高系统容量。仿真结果表明,该方案在保证用户QoS的同时进一步提高系统容量。     

一种低复杂度基于公平性的MIMO-OFDMA资源分配方案

该文针对MIMO-OFDMA下行链路系统,考虑在总功率和BER 以及用户数据速率成比例的约束下,以获取整个系统吞吐量极大化为准则,提出一种基于成比例公平性约束的资源分配方案。新的方案基于MIMO信道状态信息,利用特征子信道来确定子载波和功率分配,充分利用了空间域,频域以及多用户分集提高系统的频谱效率。在子载波分配时,松弛成比例约束条件,使用户数据速率近似地成比例于每个用户分配的子载波数,推导出一种线性的不需要迭代的低复杂度的功率分配方案。仿真和分析表明,整个方案在保证系统吞吐量的前提下,取得了用户间良好的速率公平性,同时又具有较低的计算复杂度。     

基于PSO的D2D蜂窝网络联合信道分配和功率控制

为解决蜂窝用户(Cellular Users, CU)和终端直通(Device to Device, D2D)用户之间的干扰管理问题,提高无线蜂窝网络吞吐量,提出了一种基于粒子群优化的联合信道分配和功率控制方案。提出了具有不同约束条件的2个联合信道分配和功率控制问题,并将离散信道和连续功率联合分配给CU和D2D对,允许任意数量的D2D对与一个CU共享同一信道。通过设计适应度值避免算法陷入局部最优或产生不可行的解决方案,并使算法收敛到全局最优。通过搭建仿真网络模型进行测试验证,并与随机粒子群优化算法进行对比分析。实验结果表明,所提方法可有效提高蜂窝网络中的D2D通信网络吞吐量,且与随机粒子群优化算法相比,所提方法在D2D吞吐量、蜂窝吞吐量以及整体网络吞吐量方面具有明显优势。     

认知网中感知时间和功率控制的联合优化机制

针对认知无线网中为了最大化认知用户的吞吐量问题,提出了一种感知时间和功率控制的联合优化机制。该机制保证认知系统在低于一定干扰限制下,将认知用户吞吐量描述成为一个多约束优化问题,从理论上分析了最优功率分配方案与最优感知时间分配方案。根据理论分析结果,设计了联合迭代机制通过确定合适的感知参数从而达到最大化认知用户吞吐量的目的。仿真结果表明：提出的联合优化机制复杂度较低,并且该方案的认知吞吐量性能最接近理论最优方案的性能。     

宽带码分多址系统无线资源管理的最优实现

本文通过定性分析宽带码分多址（WCDMA）系统的业务吞吐量的最大化,推导出了WCDMA系统无线资源管理的两种最优化方案,第一种是用户以相同的速率传输数据,在每信道发射功率受限条件下分配最小的功率给用户;第二种是在总发射功率受限制条件下分配给用户不同的传输速率。文章最后通过实际系统的分析比较了这两种方案的实现效果。     

非线性能量收集认知无线电网络的次用户吞吐量最大化方案

针对一对主用户和M对次用户构成的认知无线电网络（cognitive radio network,CRN），研究了非线性能量收集的认知无线电网络的次用户吞吐量最大化问题。具体来说，对于考虑次用户发射器（secondary transmitter,ST）电路功率的情况，首先将主用户吞吐量需求下的次用户吞吐量最大化（secondarythroughput maximization,STM）问题建模为一个非线性优化问题，然后将它转化成凸优化问题，最后提出一种联合使用黄金分割和二分法的低复杂度算法，获得主用户发射器（primarytransmitter,PT）能量传输和次用户信息传输的最优时间分配以及主用户发射器的最优发射功率。对于忽略次用户发射器电路功率的情况，首先证明次用户吞吐量最大化问题的凸特性，然后设计了一个更高效的算法来求解。仿真结果表明，相比等时间分配方案和链路增益优先级方案，提出的设计算法能显著提升次用户吞吐量。     

认知无线电网络中一种基于深度强化学习的功率控制算法

在认知无线电网络中,对于Underlay接入方式的功率控制问题,现有基于强化学习的方法存在次用户接入信道的成功率和吞吐量较低。针对这一问题,提出了一种基于A3C的功率控制算法。仿真结果表明,所提基于A3C的功率控制算法比现有基于DQN的功率控制算法有效地提高了次用户接入信道的成功率和吞吐量。为了进一步优化次用户的吞吐量,将次用户功率选择空间连续化。仿真结果表明,在连续功率场景下,所提基于A3C的功率控制算法可以进一步提高次用户的吞吐量。     

基于OFDM的认知无线电功率分配方法研究

针对认知无线电(Cognitive Radio,CR)需要提高频谱利用率,而正交频分复用(Orthogonal FrequencyDivision Multiplexing,OFDM)技术系统中针对子载波的功率分配算法计算复杂度高的缺点,对认知无线电中的频谱资源和功率分配方法进行了研究。提出了一种将整个信道分为多个子载波块进行功率分配的算法,该算法结合频谱检测和信道估计的结果,选取可用的通信频段并采用注水算法为每一个子载波段分配功率,并通过自适应调制实现吞吐量最大化。仿真结果表明,该算法可以有效提高频谱利用效率。     

非理想状态信息下SC-FDMA上行链路的信道调度

信道依赖调度(CDS)通过在信道里使用多用户分集和频率选择性来增加蜂窝系统的数据吞吐量,主要研究非理想信道状态信息(CSI)对CDS的影响。具体来说,当CSI有反馈延时,分析具有未编码自适应调制及CDS的上行链路单载波频分多址(SC-FDMA)系统的数据吞吐量。频域资源分配采用集中式和分布式的子载波映射方案。通过仿真可以看到在应用CDS时,集中式的子载波映射产生最高的总数据吞吐量,然而,当信道迅速变化时,集中式映射对CSI的质量以及信道容量增益的迅速减少非常灵敏。对于高机动性的用户来说,具有静态轮询调度方案的分布式映射更加合适。     

认知型飞蜂窝网络中的子信道分配与功率控制

为了解决宏蜂窝与飞蜂窝构成的两层异构网络上行干扰与资源分配问题,提出了一种在认知型飞蜂窝的双层异构网中结合子信道分配和功率控制进行资源分配的框架。通过对异构网中跨层干扰问题进行分析与建模,将求解最优子信道分配矩阵和用户发射功率矩阵作为干扰管理问题的解决方法。模型中认知型飞蜂窝网络子信道和飞蜂窝网络用户构成非合作博弈,双方利用效用函数最优值进行匹配,构成初始信道分配矩阵;再由接入控制器根据接入条件从初始信道分配矩阵中筛选用户,并优化接入用户的发射功率矩阵,得到最优子信道分配矩阵和功率矩阵。仿真结果表明,优化框架提高了双层异构网络中飞蜂窝网络用户的吞吐量和接入率,降低了异构网中跨层干扰。     

认知无线网络基于信号博弈的分布式功率控制算法

针对认知无线网络分布式环境下信道信息不对称导致资源分配冲突的问题,该文提出一种基于信号博弈的分布式功率分配算法。考虑具有竞争关系的次用户在不使用控制信道的情况下,通过信号博弈策略依次选择功率分配策略,达到信道信息共享的目的,能有效避免对主用户正常传输的干扰以及竞争次用户之间功率分配冲突。该文对均衡结果进行分析,仿真结果表明该算法可以有效估计信道增益,次用户的吞吐量相对于已有研究得到明显提升。     

基于非理想感知的认知无线电系统感知时间与频谱分配联合优化算法

针对非理想感知情况下感知时间与频谱分配联合优化问题,同时考虑漏检与主用户重新占用频谱两种场景所造成的主次用户碰撞,并通过量化主用户对认知用户的干扰,给出有无主用户存在时认知系统可获得的吞吐量。在总传输功率约束以及对主用户的最大干扰功率约束两个限制条件下,以最大化系统平均吞吐量为优化目标,给出感知时间与频谱分配联合优化算法。算法首先通过折半法搜索最优感知时间,在既定的感知时间下,将子信道分配给能获得最大平均吞吐量的认知用户,在此基础上,利用凸优化相关理论求得最优功率分配。仿真结果表明,本文所提算法相比于传统频谱分配算法系统平均吞吐量性能提升了10%左右。     

多用户MIMO系统中基于博弈论的鲁棒性功率分配

针对多用户多输入多输出( MU-MIMO)天线系统,提出了一种基于非合作博弈论的功率分配方案。此博弈模型中,以用户在系统中的信号泄漏噪声比值( SLNR)作为用户功率分配和公平性参数设置的依据,保证用户所期望的服务质量和公平性,并证明了纳什均衡的存在性。其次,考虑信道估计误差的影响,提出了一种基于滑动模型的迭代功率分配控制算法满足所有用户的最小通信质量要求。仿真结果显示此方案在信道误差的情况下,相比现有方案可提高系统吞吐量。     

基于动态反馈与功率分配的干扰对齐方法

在多用户MIMO系统中,信道状态的精确性严重影响干扰对齐技术的性能。该文针对信道状态信息(CSI)有限反馈导致的干扰泄露问题,提出一种基于动态反馈与功率分配的干扰对齐方法。首先从理论上分析了系统和速率与信道状态反馈比特分配和功率分配之间的关系,得到了在动态反馈和功率分配条件下系统和速率的解析表达式;在此基础上,以系统容量提升为目标,对反馈比特分配和功率分配优化问题进行建模;并根据信道的准静态特性利用库恩塔克条件(KKT)对该问题进行求解,得到功率和反馈比特分配方案。仿真结果表明,与单独考虑信道状态动态反馈条件下的干扰对齐技术相比,提出的方法能够有效减少干扰泄漏强度,提高系统和速率。     

基于粒子群算法的下行CR-NOMA网络资源分配

将非正交多址接入(Non-orthogonal Multiple Access,NOMA)技术应用于认知无线电(Cognitive Radio,CR)次网络,使次用户的信号在功率域叠加,可以进一步提高次网络的吞吐量。为此,将粒子群算法(Particle Swarm Optimization,PSO)应用于底层模式的CR-NOMA网络进行资源分配,并分为子信道分配和功率分配两个步骤。在子信道分配中,使用结合遗传算法思想的粒子群算法提高算法的全局搜索能力。在此基础上,使用基于罚函数的粒子群算法对子信道功率和信道内用户功率进行分配。仿真结果表明,提出的基于粒子群算法的CR-NOMA网络资源分配相比以往算法能获得更高的次网络吞吐量。