能效优先的用户关联与功率控制协同优化机制

在异构蜂窝网络中,针对系统的能效,提出了一种基于效用函数最大化模型的用户关联与功率控制协同优化方案,该方案表示为非线性混合整数问题。为了求得该问题的最优解,设计了一种迭代算法,首先将原问题转换为带参数的多项式形式的问题,在外层循环利用Dinkelbach方法求得最佳的能效因子,然后在内层循环分别求得最佳的用户关联矩阵和传输功率。最终实验结果表明,用户关联与功率控制协同的优化方案在能效和负载平衡方面比固定功率条件下的用户关联策略的性能更优。     

基于能效的D2D通信系统的干扰协调与资源优化

针对传统蜂窝用户与D2D通信用户之间的同频干扰问题,本文提出基于能效的D2D通信干扰协调与资源优化方案。该方案采用功率控制与资源分配分步进行的方式进行处理,首先是对于单个D2D用户的功率控制,在蜂窝用户最小速率以及D2D用户和蜂窝用户最大功率的限制条件下,通过优化D2D用户和蜂窝用户的功率使得D2D用户的能效最大,在此阶段,采用基于参数法的Dinkelbach算法来进行用户的功率分配;最后借助Kuhn-Munkres (KM)算法为D2D用户分配蜂窝频谱资源,以使得D2D用户的总能效最大。仿真结果表明,相比于其他方案,在保证蜂窝用户正常通信时,该方案能够进一步提高系统内D2D用户的能量效率,使能效优化效果更明显。     

一种基于QoE效用函数的资源分配算法

针对多用户MIMO-OFDM系统,立足业务体验方,给出了一种最大化用户QoE的资源分配算法。通过设计QoE效用函数,将用户QoE与系统QoS参数关联起来,在发送功率和目标误码率的约束条件下,以最大化用户平均QoE为目标,通过QoE效用函数获取用户当前时刻QoE增量,据此确定用户时频资源分配优先级,进而进行注水功率分配。仿真结果表明,该算法能够充分利用系统资源,有效提高用户平均QoE。     

OFDMA 协同网络中基于QoS 保证的资源分配算法

针对正交频分多址(OFDMA)协作通信系统,为了解决数据传输速率最大化并提供尽力而为业务与实时业务的服务质量(QoS)保证问题,提出新型资源分配算法.通过以总功率受限为约束条件,定义基于数据速率、时延和丢包率的效用函数,并以在协作传输中以最大化效用函数为目标进行中继选择和子载波分配.通过中继和用户上的子载波和功率分配方案的设计,从而最大化网络数据传输速率并最小化时延与丢包率,为多种业务提供服务质量保证.采用最优化理论与方法求解效用函数,得到了资源分配结果.仿真结果验证了算法收敛,并给出功率分配结果,以及网络吞吐量和时延性能指标情况,验证了算法的有效性.     

基于能效的多小区LTE系统资源分配算法

针对多小区LTE移动通信系统,考虑用户的最小速率要求,以最大化系统能效为目标,提出了一种迭代式的资源分配算法,通过不断迭代子信道分配和功率控制两个子过程来优化系统能效.针对子信道分配问题,提出了一种基于三种基本模式的子信道调整算法;针对功率控制问题,建立了多小区非合作博弈模型,理论证明了纳什均衡点的存在性,并设计了算法收敛于该纳什均衡点.仿真结果表明,与多小区最大化系统吞吐量算法相比,提出的算法获得了明显的能效增益,同时也达到了较好的系统吞吐量,尤其在强干扰环境下该算法的优势更加明显.     

一种基于价格竞争的D2D通信资源分配算法

针对蜂窝用户与D2D用户所构成的混合网络系统中同频干扰问题,提出一种基于价格竞争的D2D通信资源分配算法.该算法不仅考虑利用基站定价来减小对蜂窝系统的干扰,而且联合基站端的干扰容限对干扰功率进行约束.首先将问题公式化制定非合作博弈过程,利用效用函数模型分析D2D用户的利润和对蜂窝基站的干扰,从而调整发射功率最大化系统整体收益;然后通过通信的D2D用户来更新干扰继而更新复用价格;最后采用注水算法利用拉格朗日条件来优化价格.仿真表明,该算法不仅可以简单地控制干扰功率,而且还有效地提高了系统吞吐量.     

基于DQN的超密集网络能效资源管理

小基站的密集随机部署会产生严重干扰和较高能耗问题,为降低网络干扰、保证用户网络服务质量（QoS）并提高网络能效,构建一种基于深度强化学习（DRL）的资源分配和功率控制联合优化框架。综合考虑超密集异构网络中的同层干扰和跨层干扰,提出对频谱与功率资源联合控制能效以及用户QoS的联合优化问题。针对该联合优化问题的NP-Hard特性,提出基于DRL框架的资源分配和功率控制联合优化算法,并定义联合频谱和功率分配的状态、动作以及回报函数。利用强化学习、在线学习和深度神经网络线下训练对网络资源进行控制,从而找到最佳资源和功率控制策略。仿真结果表明,与枚举算法、Q-学习算法和两阶段算法相比,该算法可在保证用户QoS的同时有效提升网络能效。     

下行NOMA系统中一种考虑用户QoS的功率分配方案

为了提高未来网络的系统吞吐量和频谱效率,非正交多址接入技术(non-orthogonal multiple access,NOMA)的功率分配问题成为了近年来移动通信领域研究重点。在保证用户服务质量的前提下,针对下行NOMA系统的功率分配问题进行了研究,在子带间采用迭代注水算法,小范围注水分配各子带的功率,在子带内考虑用户服务质量,利用卡罗需—库恩—塔克(Karush-Kuhn-Tucker,KKT)条件求出最优功率分配因子,以此最大化系统总吞吐量。仿真证明,提出的功率分配方案能达到的系统总吞吐量、频谱效率优于传统的功率分配方案,其系统总吞吐量比正交多址接入技术(orthogonal multiple access,OMA)提升了约40%以上。     

基于信息能量同传的异构小蜂窝网络能效优化

研究无线信息和能量协同传输(simultaneous wireless information and power transfer,SWIPT)异构小蜂窝网络的能效优化问题。保证小蜂窝用户和宏用户通信质量、小蜂窝用户能量采集和小蜂窝基站传输功率等约束下,为实现小蜂窝系统下行能效的最大化,对小蜂窝基站发射功率和小蜂窝用户端功率分流系数进行联合优化。该问题属于非凸优化问题,通过变量替换对原问题作等价转换,然后采用基于拉格朗日乘子的次梯度算法求解。计算机仿真结果表明,该联合优化算法简单有效。     

D2D通信中高能效的资源分配算法研究

D2D(Device-to-Device)能够大幅度改善频谱资源匮乏问题,但同时也引入了复杂的同频干扰。提出多个D2D对同时共用相同的无线资源的模型,在满足最小频谱效率的要求下,达到最大化D2D通信系统能效的目标。提出一个新颖的无线资源管理算法:首先,为简化干扰模型,通过分簇算法完成对D2D用户的分组;然后利用广义分式规划理论将分式形式的目标优化问题等价转换为减式优化问题;最后,提出一个高效的功率控制和子载波分配的迭代算法。数值仿真结果显示,该算法在保证频谱效率的约束下,能够显著提高D2D通信系统的能效,并且具有很好的收敛性。     

基于分簇协作频谱感知的认知无线网能量效率研究

针对认知无线网能量消耗引起的能量效率较低问题,在研究认知无线网分簇协作频谱感知能量效率的基础上,提出了一种最优功率分配算法来最大化次用户系统的能量效率。通过建立基于次用户能量效率最大化传输优化模型,在考虑传输功率、感知时间以及干扰限制的情况下,利用拉格朗日函数及KKT条件,得到最优次用户发射功率分配算法,以达到系统能量效率最大化的目的,同时分析了不同参数对能量效率的影响。仿真结果表明,本文所提算法能有效提高次用户系统的能量效率、减少系统开销。     

Ad Hoc 网络节能型功率控制与拥塞控制的跨层优化

有限的节点能量和通信带宽,是Ad Hoc网络的两个重要的特点.节点能量是影响网络容量的关键因素,也是制约网络寿命的决定因素;而有限的通信带宽使得网络更容易产生拥塞.因此,节能型的功率控制与拥塞控制联合优化在Ad Hoc网络中显得尤为重要.首先,设计了节能型的网络效用最大化问题,即在目标函数中引入能量消耗成本函数,从网络效用和网络寿命两个方面来综合优化网络性能.其次,运用对偶分解与梯度投影方法,提出了相应的节能型功率控制与拥塞控制联合优化算法.另外,分析和证明了所提算法的收敛性.最后,详细的仿真结果表明了所提算法的有效性:在保持网络吞吐量基本不变的同时,可以有效地减少节点的能量消耗,从而延长网络寿命.     

异构蜂窝网络中联合功率控制的终端直通通信资源分配

针对异构蜂窝网络中终端直通（D2D）用户和小蜂窝用户复用宏蜂窝用户资源产生的干扰问题,提出一种联合功率控制的资源分配方案。首先,在满足用户信号干扰噪声比（SINR）和发射功率约束条件的前提下,根据系统干扰模型推导出每个D2D用户和小蜂窝用户复用宏蜂窝用户信道资源时的最优发射功率;其次,将用户的信道选择规划成用户和信道之间的双边匹配问题,采用延迟接受（Gale-Shapley）算法得到一个稳定的匹配解;最后,以所得的匹配解为初始条件,通过交换搜索算法进一步优化分配方案。仿真结果表明,该方案的系统总容量和能量效率分别是最优解的93.62%和92.14%,与随机资源分配方案、无功率控制和交换搜索的分配方案,以及有功率控制无交换搜索的分配方案相比,系统容量平均增幅分别为48.29%、15.97%和4.8%,系统能量效率平均增幅分别为62.72%、44.48%和4.45%。该方案能够达到近似最优的系统总容量,有效提高频率利用率和能量效率。     

异构蜂窝网络中QoS感知的负载平衡方案设计

鉴于异构蜂窝网络（Heterogeneous cellular network,HCN）的自身特性,传统最强信号接入（小区选择）方式已不再适合,新型小区选择方案急需引入。不同于传统接入方案,新型方案应具备平衡各类基站负载的能力。为反映用户资源消耗水平与实现平衡网络负载的目的,设计了一个服务质量（Quality of service,QoS）感知的负载平衡方案。该方案以资源消耗量作为基站负载,且同时拟合了用户服务质量需求。最终,该方案被规划为网络加权效益最大化问题。从规划问题的形式来看,该问题为非线性、混合整数优化问题,因此求解其最优解富于挑战性（尤其针对大规模问题）。为解决该问题,尝试利用对偶分解法设计了一个分布式算法。仿真结果表明,相比于最强信号接入和区域拓展接入,提出的接入方案具有更高的负载平衡水平与更低的呼叫阻塞概率。     

基于能量收集的环境反向散射通信联合优化算法设计

针对环境反向散射通信系统,设计两跳无线信息和能量传输方案并基于能效最大化准则给出联合优化算法。源端配置多天线并采用最大比发送(Max Ratio Transmission,MRT)预编码方法,中继节点使用功率分流法以完成信息发送与能量收集。基于系统传输模型,对源端天线数和发送功率采用联合优化算法以得到系统最大能效。借助高信噪比近似法进行非凸向凸的转化以解决优化目标中非凸问题。此外,利用Lambert W函数得到源端天线数和发送功率联合优化的最优解。仿真结果验证了所提方案的有效性和正确性。     

基于NOMA异构云无线接入网的联合子信道和功率分配算法

针对基于NOMA异构云无线接入网中增加网络效用需要以更高的能源消耗为代价,从而导致能源效率低的问题,提出了一种联合子信道和功率分配方案。首先,该方案定义网络效用和电网能源成本之间的差值为系统收益,考虑了最大传输功率、能量收集（energy harvesting,EH）电池容量、用户最小数据速率需求和跨层干扰阈值等约束,以最大化系统收益为目标建立优化问题;然后,采用贪心算法给用户配对并分配子信道,实现低复杂度次优解;最后,利用基于交替方向乘子法的拉格朗日最大化方法优化了功率分配。仿真结果表明,与NOMA系统中未配备EH单元的方案相比,系统收益提高了约18.8%;与OFDMA系统中配备EH单元的方案相比,系统收益提高了约11.8%。     

基于负载均衡的VEC服务器联合计算任务卸载方案

在车载边缘计算(Vehicular Edge Computing,VEC)网络中,车辆计算资源受限导致无法处理海量的计算任务,需要将车载应用产生的计算任务卸载到VEC服务器上进行处理。但车辆的移动性和区域部署的差异性易导致VEC服务器负载不均衡,造成了计算卸载效率和资源利用率降低。为解决该问题,提出一种计算卸载和资源分配方案,以使用户效用最大化。将用户效用最大化问题转化成服务器选择决策和卸载比例与计算资源分配联合优化两个子问题,在此基础上设计基于匹配的服务器选择决策算法和基于Adam梯度优化法的计算任务卸载比例与资源分配联合优化算法,并对上述两种算法进行联合迭代,直至收敛,从而得到近似最优解以达到负载均衡。仿真结果表明,相比最近卸载方案和预测卸载方案,该方案能有效降低计算任务处理时延和车辆能耗,增大车辆效用,促进负载均衡。     

无线充电体域网基于边际效用的网络资源分配方法

射频能量采集技术可以从根本上解决电池容量对无线体域网生存期的限制,为了提高网络资源分配的效率以及公平性,提出一种基于边际效用理论的网络资源分配方法。首先,设计传感器节点的效用函数,将节点所能获得的吞吐量映射成QoS满意的等级;然后,以最大化网络中全部传感器节点整体效用为目标,将多高效、公平的网络资源分配问题构建成效用最大化问题;最后,通过对偶分解方法求得该问题的最优解。仿真结果表明,与总吞吐量最大化和sigmoid效用最大化方法相比,所提出的方法在获得较高系统整体吞吐量的同时,确保了传感器节点个体获得吞吐量的公平性。     

Massive MIMO 下行系统能效资源分配算法

摘 要: 针对无线通信网耗能造成二氧化碳排放量和运营成本日益增加的问题,提出了一种下行大规模天线系统能效最优的资源分配算法。算法在基站端采用最大比合并(MRT)的预编码情况下,考虑各用户最小数据速率、最大发射功率和可容忍的干扰水平约束条件下,以最大化系统能效下界为准则建立非凸优化模型。首先采用一种迭代算法确定每个用户的带宽分配,然后根据分数规划的性质,将能效优化问题的分数形式转化为减式形式,进而利用凸优化方法求解基站端最优的发射天线数和发射功率来获得最优能效。仿真结果表明,所提算法能以较小的迭代次数收敛到最大能效值,并且有较好的系统频谱效率性能,同时算法复杂度得到了显著降低。