电力线通信中动态子载波组分配

针对电力线通信自适应OFDM系统的限制条件,探讨在每OFDM符号内各RT用户要求的约束下,研究系统总功率地窖注水分配后多子载波上的速率自适应子载波分配模型,提出一种新的动态子载波组分配算法。在典型电力线信道环境下对其仿真,并与另外两种分配算法进行比较,结果表明,本文动态子载波组分配算法的复杂度大大减小,能满足多用户资源分配的多目标要求。     

电力线载波远程抄表通信技术的研究

本文提出基于低压电力线远程抄表方案,给出了电力线信道模型,建立低压电力线载波OFDM(Orthogonal Frequency Division Muhiplexing)通信系统.用自适应OFDM调制方式代替传统的固定调制方式,从而提高传输效率;仿真结果表明:自适应OFDM调制方式提高了OFDM系统整体误比特率性能和信道频谱利用率.     

自适应OFDM算法及其在煤矿井下无线通信系统中的应用

由于频率选择性衰落,OFDM的每个子信道的频率响应各不相同,为了保证系统的误码率性能,OFDM只能根据衰减最大的子信道来决定比特和功率的分配,造成很大的浪费。因此,文章提出了一种自适应OFDM(AOFDM)算法,该算法使得OFDM的每个子载波都能根据信道特性动态的变化选择调制方式和功率分配,最好地匹配信道容量。文章详细介绍了AOFDM的比特、功率算法,并详细分析了煤矿井下无线通信系统的特点,指出AOFDM算法非常适用于煤矿井下无线通信系统,并给出了基于AOFDM的矿井无线通信系统的组成框图,仿真结果表明使用效果良好。     

在MIMO—OFDM系统实现自适应编码调制的算法

研究了信道质量和子载波调制方式、联合最优编码率和最佳调制方式与信道容量、频谱利用率的关系．提出一个使系统得到较高的频谱效率和信道容量的自适应编码调制算法。其中,系统的有效数据传输效率是根据信号干扰噪声比进行评估的。论证了MIMO—OFDM系统自适应编码调制算法,分析它的信道容量以及频谱效率,并进行仿真实验,给出算法的性能结果。     

单用户OFDM系统中自适应调制和功率分配算法

针对现有最优算法计算复杂度高、不利于实时应用的不足,结合相关自适应比特和功率分配算法的优点,提出了一种新的单用户OFDM系统中联合自适应调制和功率分配算法,在满足给定的总发射功率门限和误码率性能的条件下使系统频谱效率最优。基于分配每比特的功率代价最小原则,找到最优子载波,自适应地将该子载波的调制方式调高一级,高效地进行比特和功率分配。仿真结果表明,新算法的频谱效率性能与最优算法相当,而平均算法复杂度却降低了接近90%,能满足实时性要求较高的业务需求。     

基于信道聚合的OFDM自适应资源分配算法

针对OFDM系统中多用户自适应资源分配问题,提出了一种新的基于信道聚合和遗传算法的自适应资源分配算法。该算法首先将所有子载波均匀分组,将子载波分配问题转化成子载波组分配问题。然后,兼顾用户之间的公平性,引入遗传算法,实现用户间的资源分配。仿真结果表明,与现有的算法相比,新算法在保证用户公平性的同时,有效地降低了计算复杂度和获得系统最优解的计算时间,实现系统总的容量最大化。     

基于子带动态划分的电力线OFDM自适应算法研究

针对电力线载波通信中信道的强时变问题,提出了一种基于子带动态划分的电力线OFDM自适应调制算法.算法根据信道的变化状态动态的进行子带划分,并在此基础上根据信噪比门限为各子带实时的选择合适的调制方式,从而减少了因信道时变带来的信令消息负荷.仿真实验结果表明,该算法能较有效解决复杂度高、误码率较大等问题,提高了电力线系统的性能.     

一种低复杂度的水声OFDM通信系统子载波分配算法

近年来,随着国家"智慧海洋"战略的推进,以及海洋资源开发的需求,基于OFDM调制的水声通信技术得到了飞速发展,其关键问题之一就是主节点如何分配子载波资源以优化系统性能.据此,提出了一种低复杂度的水声OFDM子载波分配算法,以某个准则挑选出每轮待分配的候选节点,选择综合信道状态最差的节点分配子载波,在提高系统整体传输性能的同时兼顾了最差传感器节点的传输性能.此外,针对多轮分配的连续轮空现象,优先为上轮的"空闲"节点分配其上信道状况最好的子载波.仿真结果表明,改进的算法在几乎不降低原算法性能的前提下较好地解决了连续轮空的问题.算法的提出对水下多传感器组网的资源分配有一定的参考意义.     

基于Q-学习算法的矿井自适应OFDM调制研究

针对传统基于固定信噪比门限的自适应OFDM(正交频分复用)调制技术应用于复杂矿井信道时,由于反馈信道状态与实际信道状态不能完全匹配,导致误码率高和吞吐量低的问题,提出了一种基于Q-学习算法的自适应OFDM调制方法,并将其应用于矿井自适应OFDM调制系统。该系统由发送端、矿井无线信道和接收端组成,发送端为矿井下装有传感器的小车,可以在狭长的巷道内自由移动。发送端利用Q-学习算法在与矿井无线信道的动态交互中不断更新状态-动作值函数,并根据更新的状态-动作值函数,采用贪婪策略来选择调制方式,逼近最优自适应调制策略,以达到降低系统误码率、提高通信吞吐量的目的。与基于SARSA算法、固定信噪比门限的2种矿井自适应OFDM调制系统性能进行仿真对比,结果表明:矿井小车在匀速和移动速度变化状态下,基于Q-学习算法的自适应OFDM调制系统平均误码率分别为1.1×10~(-3),2.1×10~(-3),总吞吐量分别为3 115bit,2 719bit,均优于基于SARSA算法和固定信噪比门限的自适应OFDM调制系统,且系统中Q-学习算法收敛速度优于SARSA算法。     

基于复合星座的自适应OFDM系统

在多用户正交频分复用（OFDM）系统中,提出了一种基于复合星座的自适应子载波和比特分配算法。为了尽量减少系统的发射功率,该算法消除了许多研究中每个子载波只能被一个用户占用的限制,以较小的计算复杂度下获得了较高的性能。