认知OFDM无线电系统基于公平度门限的资源分配

根据认知无线电的特点和正交频分复用(OFDM)的传输特性,提出了一种针对认知OFDM无线电系统的自适应资源分配算法。在传统的子载波分配过程中,具有优先权的用户将优先选择载波,但信道增益最大的载波并不一定会被其使用,这将导致载波利用效率下降。针对这一问题,该算法在载波分配过程中,通过公平度门限来决定载波分配的优先级,从而实现容量和公平度的折中。同时,在子载波和功率分配中使次用户对主用户的干扰功率限制在主用户可容忍的干扰极限内,保证了每个用户的通信要求。仿真结果表明,该算法在满足公平性的同时还提升了系统的容量。     

考虑频谱感知错误的多载波认知无线电资源分配算法

认知无线电(CR)资源分配中二级用户对主用户造成的干扰源于两方面,即带外频谱泄露和频谱感知错误。滤波器组多载波(FBMC)技术和正交频分复用(OFDM)技术相比,FBMC带外泄露较小,频谱利用率较高。FBMC技术考虑干扰来源,可以降低二级用户对主用户的干扰,提高CR系统吞吐量。为此,提出考虑频谱感知错误的CR资源分配算法,建立干扰模型,将资源分配分步简化为载波分配和功率分配,在干扰约束和功率约束条件下对二级用户进行功率分配。基于FBMC和OFDM系统的仿真结果表明,该算法对主用户造成的干扰更小,CR系统可以获得更大的吞吐量,FBMC的干扰和吞吐量性能均优于OFDM。     

干扰约束下的认知无线电传输链路自适应算法

针对干扰约束下的认知无线电传输链路自适应算法开展研究,基于OFDM的认知用户与主用户共存,认知用户在保证对主用户干扰容限的前提下执行子载波与功率分配,以树形分支贪婪算法为基础,引入功率余量因子和干扰余量因子并通过比较余量因子相对大小来选择子载波,通过减小分支数以降低算法复杂度.仿真结果表明,改进的树形分支贪婪算法获得的...     

中继OFDMA系统容量公平资源分配算法研究

针对OFMDA解码-转发中继系统的资源分配问题,提出了一种以系统总功率和用户间的数据速率比例公平为约束条件,以最大化系统总速率为目标的资源分配算法。该资源分配问题为非线性最优化问题,联合求解所有变量复杂度很高,通过次优化的方法降低计算复杂度。算法包括：子载波分配和功率分配。子载波分配是以功率平均分配为前提,对基站-中继站和中继站-用户链路的子载波按照信道条件进行配对,并根据比例公平约束将配对的子载波分配给相应的用户。功率分配是对每个用户利用Lagrange方法调整每个子载波的功率,进一步提高系统的数据速率。算法仿真分析表明,该算法既能同时满足多用户不同数据速率的要求,又能提高系统的数据速率。     

基于MIMO系统的容量最大化资源分配算法

多输入多输出(MIMO)技术可以提高系统传输速率、增大系统容量。针对应急通信中短时间内用户激增,传统资源分配算法的系统容量无法满足用户需求的问题,提出一种基于MIMO-OFDM系统用户最小速率的系统容量最大化资源分配算法。该算法考虑了应急场景内通话类等低速率业务剧增的情况,首先根据用户速率由低到高依次分配子载波,然后根据分得的子载波数之比将剩余子载波按照用户速率由高到低分配;对于有盈余带宽的子载波,采用子载波分组的方法再分配,从而 最大化 系统服务用户数。为了补偿信道衰弱和抑制信道间干扰,提出一种对子载波信道矩阵分组的功率分配方法,减少了迭代次数,降低了复杂度。从吞吐量、服务用户数和计算复杂度等方面评估了容量最大化算法的性能。仿真结果表明,相对于传统的资源分配算法,所提算法增加了系统服务用户数,减小了计算复杂度。     

OFDMA系统中的一种资源分配算法

在OFDMA系统中,通过为每个用户分配不同的子载波可以实现并行数据传输.资源分配是OFDMA系统资源调度中的一个重要研究问题.本文时OFDMA无线网络系统的下行链路,考虑了资源分配的问题.重点研究了功率和子载波在用户之间的分配问题,以往的分配算法通常是非线性的迭代算法,复杂度非常高.本文的资源分配算法降低了运算复杂度,与其它算法相比考虑了信道估计的误差问题,更加符合实际情况.仿真结果表明,该算法获得了较好的分集增益.     

非理想条件下OFDMA系统物理层安全的资源分配算法

针对OFDMA系统中用户QoS需求的差异性,提出了一种非理想状态下不同用户的资源分配算法,即求取用户携带比特数和发射功率最优解问题。基于自适应功率分配增益较小的情况,通过进行功率的平均分配来降低算法复杂度,基于吞吐量最大化原则,将剩余未分配的子载波分配给能获得最大传输速率的用户,提升系统的整体吞吐量水平。仿真结果表明:相对于其他传统资源分配算法,这个算法能够保证不同混合用户的最小传输速率要求的同时,有效提升算法的公平性。     

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。     

基于分簇的多用户OFDM自适应资源分配方案

针对正交频分复用自适应资源分配中算法复杂度和系统容量的问题,提出了一种联合子载波分配和功率分配的方案。在子载波分配中,将频带内相邻的子载波合为子载波簇,对用户速率进行比例约束,根据预设的比例为用户分配子载波簇;在功率分配中,根据子载波分配完毕后的用户速率比例,为用户分配功率,再利用注水算法解决单用户下子载波的功率分配问题。仿真结果表明,所提出的方案不仅可以有效降低算法的复杂度,而且提高了系统容量,从而证明了方案的可行性。     

基于SC-FDMA的宽带认知无线电网络中最优功率分配的研究

研究了基于单载波频分多址(SC-FDMA)的宽带认知无线电网络中非授权用户(NU)的最优功率分配(OPA)问题.首先给出了基于SC-FDMA的宽带认知无线电网络中非授权用户对授权用户的干扰功率模型.在此基础上,分别在下述两种约束条件下利用凸优化理论推导出了两种使非授权用户的和速率最大的最优功率分配(OPA)算法.约束条件一为:任一非授权用户的任一子载波对授权用户的干扰功率受限(IPCs);约束条件二为:所有非授权用户的所有子载波对授权用户的干扰功率受限(IPC).仿真结果表明,与等功率分配(EPA)和传统最优功率分配(C-OPA)算法相比,所提出的算法显著提高了非授权用户的可达和速率.     

基于CRQP的多小区OFDMA系统联合资源分配算法

针对OFDMA多小区系统中相邻小区同频干扰下的吞吐量最大化问题,在系统功率的约束条件下,基于协同量子粒子群算法提出一种子载波和功率联合分配的协同随机量子粒子群算法（CRQP）。分别利用粒子群算法独立优化子载波的功率分配,并利用改进的量子遗传算法独立优化用户的子载波分配。在独立优化的同时,通过随机协同策略避免陷入局部最优解,达到全局最优。仿真结果表明,与传统的分步求解算法相比,CRQP算法能获得更多的系统吞吐量和更高的资源利用率。     

Resource allocation for physical-layer security in OFDMAdownlinkwith imperfect CSI

We investigate the problem of resource allocation in a downlink orthogonal frequency-division multiple access (OFDMA) broadband network with an eavesdropper under the condition that both legitimate users and the eavesdropper are with imperfect channel state information (CSI). We consider three kinds of imperfect CSI: (1) noise and channel estimation errors, (2) feedback delay and channel prediction, and (3) limited feedback channel capacity, where quantized CSI is studied using rate-distortion theory because it can be used to establish an informationtheoretic lower bound on the capacity of the feedback channel. The problem is formulated as joint power and subcarrier allocation to optimize the maximum-minimum (max-min) fairness criterion over the users’ secrecy rate. The problem considered is a mixed integer nonlinear programming problem. To reduce the complexity, we propose a two-step suboptimal algorithm that separately performs power and subcarrier allocation. For a given subcarrier assignment, optimal power allocation is achieved by developing an algorithm of polynomial computational complexity. Numerical results show that our proposed algorithm can approximate the optimal solution.     

认知中继网络功率分配的优化算法

本文研究了认知中继网络的功率分配策略。在基于AF(amplify-and-forward)和DF(decode-and-forward)中继模式下,考虑认知用户传输功率受限以及主用户干扰容限等因素,建立了认知中继网络吞吐量的非凸函数和凸函数优化模型;并利用拉格朗日乘子得到最优解。仿真结果表明,所提算法在认知用户传输功率受限以及主用户干扰容限下优化了认知中继网络的吞吐量。     

认知网络中基于博弈论的联合功率控制与速率分配算法

针对认知无线网络上行链路中的资源分配问题,提出了一种适应于多小区认知无线网络的基于功率控制与速率分配的博弈算法。为了更加合理地控制用户的功率和速率,减小各次用户间的干扰,首先,在效用函数中分别给功率和速率设置了不同的代价因子,使其能够更加合理地控制用户,避免用户过度增加发射功率。其次,从理论上证明了该算法纳什均衡的存在性、唯一性以及算法的收敛性。最后,为了解决发射功率和传输速率的最优化问题,给出了联合功率控制和速率分配的迭代更新算法流程图。理论分析及仿真结果表明,与同类博弈算法相比,在保证通信质量的前提下,所提算法可以使得用户以较小的发射功率获得较大的传输速率和较高的信干噪比（SINR）,并且减小了用户间的干扰,提高了次用户系统容量。     

基于认知OFDM系统的功率分配算法

在正交频分复用的认知无线电系统中,授权用户会受到认知用户频带内子载波带外功率泄漏的干扰。针对这一问题,提出了一种基于幂函数分布的次优化功率分配方案,通过线性约束的凸优化数值运算,有效降低了最优方案中运算的复杂度。给出了在认知用户发射功率约束条件下的信道吞吐量分析。仿真结果表明,所提出的方案在满足授权用户干扰门限约束条件下,提高了现有功率分配方案的认知用户信道吞吐量。     

一种基于多天线选择的新型多用户MIMO—OFDM自适应子载波组分配算法

针对于多用户MIMO-OFDM下行传输,本文提出了一种基于用户信道特征,利用多天线选择和子载波组分配相结合的新型自适应算法.该算法在不明显降低系统整体性能的前提下可大大降低发射端计算复杂度,使之更适用于实时信道传输环境.仿真结果表明,该算法在计算复杂度大幅减小的情况下仍能保证系统性能无明显损失.     

一种子载波配对和功率分配联合最优算法

在基于正交频分复用的多载波两跳中继系统中有两个关键的问题亟需解决:子载波间的功率分配和子载波配对.子载波功率分配和配对之间存在复杂的耦合关系,通过现有的方法对子载波功率分配和配对进行联合优化比较困难.在深入研究这种耦合关系的基础上,针对解码转发,利用凸优化思想,提出一种功率受限下的子载波配对和功率分配联合最优算法.仿真结果表明,本算法可以有效提升中继系统的系统容量.     

Resource Allocation Based on User Pairing and Subcarrier Matching for Downlink Non-Orthogonal Multiple Access Networks

The traditional orthogonal multiple access (OMA) is unable to satisfy the needs of large number of smart devices. To increase the transmission rate in the limited spectrum resource, implementation of both non-orthogonal multiple access (NOMA) and successive interference cancelation (SIC) is essential. In this paper, an optimal resource allocation algorithm in NOMA is proposed to maximize the total system rate in a multi-sector multi-subcarrier relay-assisted communication network. Since the original problem is a non-convex problem with mixed integer programming which is non-deterministic polynomial-time (NP)-hard, a three-step solution is proposed to solve the primal problem. Firstly, we determine the optimal power allocation of the outer users by using the approach of monotonic discrimination, and then the optimal user pairing is determined. Secondly, the successive convex approximation (SCA) method is introduced to transform the non-convex problem involving central users into convex one, and the Lagrangian dual method is used to determine the optimal solution. Finally, the standard Hungarian algorithm is utilized to determine the optimal subcarrier matching. The simulation results show that resource allocation algorithm is able to meet the user performance requirements with NOMA, and the total system rate is improved compared to the existing algorithms.      

保证公平的最大化中继OFDMA系统容量策略

基于正交频分多址(OFDMA)解码-转发中继的系统资源分配方法不能兼顾系统容量与用户公平度。针对该问题,提出一种新的子载波与功率资源分配算法,其中包括子载波分配与配对以及功率分配2个过程。在子载波分配与配对过程中,设计新的同步子载波差值最小配对方法,以最大程度匹配两跳链路配对的子载波。在功率分配过程中,通过拉格朗日方法调整每个子载波对的功率,进一步提高系统传输速率。仿真结果表明,将该策略运用于不同的OFDMA子载波分配算法中能够较好地兼顾系统容量与用户间公平度。