面向用户体验的多小区混合非正交多址接入网络资源分配方法

该文研究了多小区混合非正交多址接入(MC-hybrid NOMA)网络的资源分配.为满足异构用户的服务体验,以最大化全网综合平均意见评分(MOS)累加和为目标,考虑基站选择、信道接入和功率资源分配的联合优化问题,该文提出一种用户、基站和信道3方的2阶段转移匹配算法,并根据用户MOS进行子信道功率优化.仿真结果表明所提多小区混合NOMA网络资源分配方案能有效提升全网用户服务体验和公平性.     

基于能效的NOMA蜂窝车联网动态资源分配算法

在支持车与车直接通信(V2V)的非正交多址接入(NOMA)蜂窝网络场景下,针对V2V用户与蜂窝用户的干扰以及NOMA准则下的功率分配问题,该文提出一种基于能效的动态资源分配算法。该算法首先为了保证V2V用户的时延及可靠性同时满足蜂窝用户的速率需求,联合考虑子信道调度、功率分配和拥塞控制,建立了最大化系统能效的随机优化模型。其次,利用李雅普诺夫随机优化方法,通过控制可接入数据量保证队列稳定性以避免网络拥塞,并根据实时网络负载状态动态地进行资源调度,设计一种次优化子信道匹配算法获得用户调度方案,进一步,利用凸优化理论和拉格朗日对偶分解方法得到功率分配策略。最后,仿真结果表明,该文算法可以满足不同用户的服务质量(QoS)需求,并在保证网络稳定性前提下提高系统能效。     

两用户非正交多址接入的最优时延均衡和功率控制方法

该文针对采用非正交多址接入(NOMA)技术的两用户单小区网络,考虑信道衰落的随机性和业务到达的动态性,以均衡用户排队时延并最大化网络总吞吐量为目标,构建了资源管理的随机优化问题。基于李雅普诺夫优化方法,推导了随机优化问题的最优解的闭式表达式,并提出一种低复杂度的联合时延均衡和功率控制的最优资源管理方法。对比了采用NOMA时的次优资源管理方法与采用时分多址接入方法时的最优资源管理方法,仿真结果表明所提方法能够显著提升网络性能。     

可重构智能表面辅助的非正交多址接入网络鲁棒能量效率资源分配算法

为提高非正交多址接入(NOMA)网络的鲁棒性和系统能效(EE),考虑了不完美信道状态信息,该文提出一种可重构智能表面(RIS)辅助的NOMA网络鲁棒能效最大资源分配算法。考虑用户信干噪比(SINR)中断概率约束、基站的最大发射功率约束以及连续相移约束,建立了一个非线性的能效最大化资源分配模型。用Dinkelbach方法将分式形式的目标函数转换为线性的参数相减的形式,利用S-procedure方法将含有信道不确定性的SINR中断概率约束转换成确定性形式,利用交替优化算法将多变量耦合的非凸优化问题分解成多个凸优化子问题,最后用CVX对分解出的子问题进行求解。仿真结果表明,在EE方面,所提算法比无可重构智能表面(RIS)算法提高了7.4%。在SINR中断概率方面,所提算法比非鲁棒算法降低了85.5%。     

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。     

多波束赋形在非正交多址接入技术中的应用研究

为解决非正交多址接入(NOMA)技术在毫米波Massive MIMO系统中用户的分组受限于基站波束宽度的问题,提出了一种能够产生指向多个方向的波束的波束赋形方案.基于该多波束波束赋形方案,建立了多小区多用户场景下的用户资源分配的数学模型.为降低计算的复杂性,采用两阶段的资源分配算法.在第一阶段中,在给定的功率分配条件下将模型转化为联盟博弈中联盟的生成问题,并提出一种通过迭代确定用户分组和天线单元分配的算法;在第二阶段中,通过将非凸的数学优化问题转化为DC规划问题,提出用户功率分配的算法.仿真结果表明,本文所提多波束波束赋形方案能够有效产生指向多个方向的波束,且所提资源分配算法能够有效提高系统的性能.     

无线供电混合多址接入网络的资源分配

无线供电技术是延长无线网络节点寿命的有效方案。该文研究一个由基站和多个分簇用户组成的无线供电混合多址接入系统。系统的传输分为两个阶段。在第1阶段,基站向用户广播能量;在第2阶段,用户向基站传输信息。用户簇和用户簇之间采用时分多址接入,分时传输;同一簇内多个用户采用非正交多址接入,同时传输。该文研究联合优化系统的各阶段的传输时间、基站的发射功率、用户的发射功率等资源,分别以优化网络频谱效率和用户簇之间的公平性为目的,提出最大化网络吞吐量和最大化用户簇的最小吞吐量的联合资源分配算法。研究结果表明所提的两种算法分别能有效提高系统的频谱效率和保证用户簇之间的公平性。     

OFDM系统Femtocell网络下行联合资源分配

为进一步提高家庭基站(Femtocell)网络中频谱利用率并优化功率分配,在基于正交频分复用技术(OFDM)系统网络中,提出一种子载波联合优化的多用户资源分配算法,即以最大化频谱利用率作为目标函数,加入基站选择因子对家庭基站进行待机模式选择优化,再对用户的子载波资源进行公平分配,最后利用线性封顶注水算法对小区基站用户功率进行优化分配。仿真结果表明,多用户资源分配算法不仅使频谱和功率利用率都得到显著增长,而且提高了系统吞吐量和用户公平性。该家庭基站资源寻优模型有效地改善了频谱紧缺和功率浪费现状,降低了家庭基站之间的干扰。      

接入与回传一体化小基站的接入控制与资源分配联合优化算法

针对全双工无线接入与回传一体化小基站场景下长期的频谱效率和能效同时最大化问题,该文提出一种基于近似动态规划理论的接入与回传一体化小基站接入控制与资源分配联合优化算法。该算法首先联合考虑当前基站的资源使用和功率配置情况,在任一用户需求动态到达以及平均时延、小基站回传速率和传输功率约束下,使用受限马尔科夫决策过程(CMDP)建立频谱效率最大化和功率消耗最小化的多目标优化模型,其次运用切比雪夫理论将多目标优化问题转化为单目标问题,并使用拉格朗日对偶分解法进一步转化为非受限的马尔科夫决策过程(MDP)问题。最后,为了解决其求解时存在的“维度灾”爆炸问题,该文提出基于近似动态规划的无线接入与回传一体化小基站资源动态分配算法进行求解,得到此时的接入与资源分配策略。仿真结果表明,所提算法能在保证平均时延约束、小基站回传速率约束和传输功率约束的同时最大化长期平均频谱效率和能效。     

基于能量效率的双层非正交多址系统资源优化算法

该文针对双层非正交多址系统(NOMA)中基于能量效率的资源优化问题,该文提出基于双边匹配的子信道匹配方法和基于斯坦科尔伯格(Stackelberg)博弈的功率分配算法。首先将资源优化问题分解成子信道匹配与功率分配两个子问题,在功率分配问题中,将宏基站与小型基站层视作斯坦科尔伯格博弈中的领导者与追随者。然后将非凸优化问题转换成易于求解的方式,分别得到宏基站和小型基站层的功率分配。最后通过斯坦科尔伯格博弈,得到系统的全局功率分配方案。仿真结果表明,该资源优化算法能有效地提升双层NOMA系统的能量效率。     

Proportional bandwidth allocation with consideration of delay constraint over IEEE 802.11e-based wireless mesh networks

Wireless mesh networks (WMNs) extend the limited transmission coverage of wireless LANs by enabling users to connect to the Internet via a multi-hop relay service provided by wireless mesh routers. In such networks the quality of experience (QoE) depends on both the user location relative to the Internet gateway and the traffic load. Various channel access or queue management schemes have been proposed for achieving throughput fairness among WMN users. However, delay and bandwidth utilization efficiency of such schemes may be unacceptable for real-time applications. Accordingly, the present study proposes a proportional bandwidth allocation scheme with a delay constraint consideration for enhancing the QoE of users of WMNs based on the IEEE 802.11e standard. An analytical model of the proposed scheme is provided. Moreover, the performance of the proposed scheme is systematically compared with that of existing bandwidth allocation methods. The simulation results show that the proposed scheme outperforms previously proposed schemes in terms of both an improved throughput fairness among the WMN users and a smaller end-to-end transmission delay.     

多用户MIMO-OFDM系统基于QoE效用函数的跨层资源分配

对多用户MIMO-OFDM系统下行链路的资源分配问题进行了研究.依据实时(RT,real-time)和非实时(NRT,non real-time)业务的不同特点分别设计了QoE效用函数,并提出一种基于RT &NRT QoE效用函数的跨层资源分配算法.该算法利用所设计的效用函数计算用户分得资源所贡献的QoE增量,并根据由QoE增量确定的用户优先级完成时频资源块的分配,进而通过“拟注水”方式对功率分配进行优化.仿真结果表明,该算法相比已有算法在用户平均QoE、实时业务平均分组时延、非实时业务平均分组丢失率以及系统和吞吐量方面的性能均得到了明显改善.     

多用户多服务无线网络中感知用户体验的比例公平调度

The effective radio resource allocation algorithms, which satisfy diversiform requirements of mobile multimedia services in wireless cellular networks, have recently attracted more and more attention. This paper proposes a service-aware scheduling algorithm, in which the Mean Opinion Score (MOS) is chosen as the unified metric of the Quality of Experience (QoE). As the network needs to provide satisfactory services to all the users, the fairness of QoE should be considered. The Proportional Fair (PF) principle is adopted to achieve the trade-off between the network performance and user fairness. Then, an integer programming problem is formed and the QoE-aware PF scheduling principle is derived by solving the relaxed problem. Simulation results show that the proposed scheduling principle can perform better in terms of user fairness than the previous principle maximizing the sum of MOS. It also outperforms the max-min scheduling principle in terms of average MOS.     

Proportional-fair energy-efficient radio resource allocation for OFDMA smallcell networks

This paper investigates the energy-efficient radio resource allocation problem of the uplink smallcell networks. Different from the existing literatures which focus on improving the energy efficiency (EE) or providing fairness measured by data rates, this paper aims to provide fairness guarantee in terms of EE and achieve EE-based proportional fairness among all users in smallcell networks. Specifically, EE-based global proportional fairness utility optimization problem is formulated, taking into account each user’s quality of service, and the cross-tier interference limitation to ensure the macrocell transmission. Instead of dealing with the problem in forms of sum of logarithms directly, the problem is transformed into a form of sum of ratios firstly. Then, a two-step scheme which solves the subchannel and power allocation separately is adopted, and the corresponding subchannel allocation algorithm and power allocation algorithm are devised, respectively. The subchannel allocation algorithm is heuristic, but can achieve close-to-optimal performance with much lower complexity. The power allocation scheme is optimal, and is derived based on a novel method which can solve the sum of ratios problems efficiently. Numerical results verify the effectiveness of the proposed algorithms, especially the capability of EE fairness provisioning. Specifically, it is suggested that the proposed algorithms can improve the fairness level among smallcell users by 150–400 % compared to the existing algorithms.     

OFDMA系统基于QoS保证和最大最小公平性准则下的动态资源分配

正交频分多址(OFDMA)技术以其更高的频谱效率和抗多径衰落特性成为高速无线通信网络的候选标准。兼顾效率和公平性是OFDMA系统资源分配亟待解决的问题。本文研究了OFDMA系统中的无线资源分配问题,既要保证QoS用户的最小速率要求,同时“尽力而为”用户之间必须满足最小速率最大化公平性(max-min fairness)准则;该资源分配问题可以表述为一个系统总功率约束下的子载波分配和功率控制的混合离散型优化模型,这是难解的NP-hard问题,穷举搜索的代价是极其巨大的。针对该非凸模型,本文设计一个拉格朗日松弛的优化算法,该算法中采用修正的椭球算法求解对偶问题。算法具有多项式时间复杂度,且与子载波数目呈线性增长关系。仿真结果表明,该算法能近似最优地满足用户QoS及最大最小公平性要求。      

一种基于干扰温度限制的信道与功率联合分配新算法

随着无线通信业务的不断增长,频谱资源越来越紧缺,然而另一方面大量授权的无线频谱却被闲置或者利用率极低,于是认知无线电技术应运而生,已成为无线通信领域的研究热点。认知无线电的基本思想是次用户（认知用户）利用主用户（授权用户）未占用的空闲频谱进行通信,其可用无线资源是根据授权用户的频谱使用情况而动态变化的。因此,能否实现对系统可用无线资源的合理有效管理,对整个认知无线电系统性能的优劣起着决定性作用。本文提出了一种在干扰温度限制下基于公平的功率与信道联合分配算法,该算法在主用户干扰温度及次用户发射功率的双重限制下,以最大化系统容量为基本目标,实现信道与功率的联合分配,并且引入贫困线来保证各个用户信道分配的公平性。论文建立了该问题的非线性规划数学模型,给出了模型的求解方法,并进一步设计了具体分配算法及其步骤。论文对干扰门限分别为-90dBm、-95dBm、-100dBm、-105dBm、-110dBm时的系统归一化容量累积分布函数进行了仿真比较,发现当干扰门限越低时,本文算法的优势越明显。这是因为在干扰门限较低时,干扰温度限制是功率分配的主要制约因素,而本文的算法正是基于干扰门限进行分配的。因此基于干扰温度限制的公平的功率与信道联合分配算法具有良好的性能,在保证了系统的公平性效益的同时,提高了系统的归一化容量。      

基于多智能体强化学习的动态频谱分配方法

针对认知无线电网络中多个异质用户具有不同的服务质量(QoS)要求,提出一种基于多智能体强化学习的动态频谱分配方法。该方法从用户满意度角度出发,以用户体验质量(QoE)作为系统的评价指标,构建多个虚拟智能体,模拟多个用户以合作方式与环境进行交互学习,融合各个用户的学习和频谱决策结果,实现频谱资源优化分配。仿真结果表明,在未知主要用户使用规律和信道动态特性条件下,相比基于传统强化学习的动态频谱分配方法,提出的方法能有效提高次用户的QoE,降低用户间的冲突概率。     

VLC网络中兼具功率与时隙分配的自适应干扰管理机制

为了更好解决目前可见光通信（visible light communication,VLC）中干扰管理方案存在的动态优化问题,提出了一种兼具优化功率分配与时隙分配的自适应干扰管理机制。首先,在每个时隙依据用户的位置建立每个用户的接入点（access point,AP）协作集,寻找所有由最多数量互不干扰用户组成的极大独立集,以此自适应地避免同频干扰;在每个时隙为每个极大独立集采用改进的线性注水功率分配算法为信道自适应地分配发送功率,以此优化每个极大独立集的用户和速率;基于用户和速率、速率公平性及时延公平性的归一化优先因子,选出具有最大优先因子的候选极大独立集,其中包含的用户在该时隙被调用。通过仿真且与代表性文献中的算法比较可得,本文提出的自适应干扰管理与优化资源分配方案在网络频谱利用率、能效、用户速率公平性与时延公平性方面具有明显优势。      

基于MADDPG的无人机辅助通信功率分配算法

针对多无人机(unmanned aerial vehicle, UAV)作为空中基站辅助通信的吞吐量和公平性问题,提出了一种基于多智能体深度确定性策略梯度算法(multi-agent deep deterministic policy gradient algorithms, MADDPG)的功率分配算法,该算法通过联合优化UAV基站的功率分配和用户接入以提高系统吞吐量和公平性。本文首先构建了UAV基站为地面建立通信服务的三维场景,然后通过联合功率、用户关联和UAV位置约束,构建了吞吐量和公平性最大化的问题模型。考虑到该问题的复杂性,本文将所构建的优化问题建模为马尔科夫决策过程(Markov decision process, MDP),通过引入深度确定性策略梯度算法(deep deterministic policy gradient algorithm, DDPG)解决该问题。仿真结果表明,本文提出的基于MADDPG的UAV基站功率分配算法与其他算法相比,可以有效地提升系统的吞吐量和用户的公平性,提高通信的服务质量。     

移动自组织网络中基于QoE的跨层多波束信道接入机制

引入数字多波束技术可以使移动自组织网络的信道容量得到有效提升，然而，时间、频率、空间、用户、功率等多维度资源域的统一调度与跨层联合优化使得信道接入机制的分析与设计变得更加复杂。为此，结合多波束的特性，将波束宽度限制、收发限制、通道限制、功率限制等多种约束条件抽象图论问题，并建立分析模型。基于分析模型，进一步提出了MB-MAC（Multi-beam Medium Access Control）信道接入机制，结合物理层的预编码技术，建立定向链路的队列模型，度量用户的满意度(Quality of Experience,QoE)，设计了适用于自组织网络中多用户并发并收的信道接入机制，兼顾了网络容量和用户满意度。仿真结果表明，MB-MAC机制能在保证各个用户满意度的情况下，有效提升网络吞吐率。