全双工中继协作下的认知MIMO系统吞吐量最大化研究

本文研究了全双工中继协作下的认知MIMO系统的平均吞吐量最大化问题。与传统的中继协作认知无线电系统不同的是,该系统模型中的双工中继节点既能协助认知用户源节点进行多天线频谱感知以提高频谱检测性能,也能解码转发认知用户源节点的发送信号以获得更大的系统吞吐量。为使系统平均吞吐量最大,首先,本文以认知用户能获得的最大平均频谱空洞被发现的概率为目标,对系统的帧结构进行优化以获得最佳的感知时间,接着对多个发送天线进行优化以选择出最佳的发送天线,并推导出了在总的发送功率和对主用户干扰受限条件下的认知用户源节点和双工中继节点的最佳功率分配方案。最后的仿真结果表明本文提出的系统模型和优化方案相比传统的双工等功率分配方案以及单工功率分配方案能够获得更大的系统平均吞吐量。      

主用户活跃性下的多功率分配策略

考虑到认知用户在信息传输过程中主用户的状态可能随时变化,提出了一种新的功率分配模式——多功率分配策略。在基于频谱感知的系统模型中,以认知系统的吞吐量为目标函数,得出了主用户感知过程的多种状态,并分配三种不同的功率,最大化认知系统的容量。仿真结果表明,随着主用户活跃指数的逐渐提高,所提新模型的功率分配策略要优于传统方法。同时分析了新的功率分配下平均干扰功率与主用户接收端的信噪比对系统吞吐量和最优感知时间的影响,进一步验证了所提出新策略的有效性。 〖HT5H〗关键词：〖HT5K〗认知无线电;主用户活跃;频谱感知分配;多功率分配;吞吐量最大化     

一种适用于SC-FDMA多小区系统的协作调度和功率控制算法

该文针对长期演进(LTE)上行单载波频分多址(SC-FDMA)多小区系统的性能受限于小区间干扰的问题,提出一种综合考虑协作调度和功率控制的方案。该方法分步执行小区间的协作调度和功率控制,首先调度各小区中的用户,在此基础上优化用户的发射功率。调度时首先估计小区间的干扰信息并分配频率资源块给每个小区内的用户,在优化用户的发射功率时,同时考虑由于用户功率改变所造成的目标小区和其他干扰小区性能的变化。进一步提出一种低复杂度功率控制方案,在优化目标小区用户的功率时,只考虑受目标小区干扰影响最大的几个小区性能的变化,其他干扰小区性能的变化则通过引入补偿因子来估计。计算机仿真验证了该文所提方法在系统吞吐量和小区边缘吞吐量方面的性能优势显著。     

基于多主用户活跃性的多功率认知接入策略

针对大多数认知无线电场景中存在多个主用户,且具有较强活跃性的问题,提出了一种基于授权用户活跃性的多主用户多状态认知接入机制以及对应的多功率接入策略。该方法能够使认知用户选择最优的授权信道接入,并采用合适的功率进行传输,实现了认知系统吞吐量的最大化。数值仿真结果表明,该接入机制能够使认知用户充分利用多主用户信息和资源。与传统的功率接入方式相比,既能减小对主用户的干扰,又能提升认知系统的容量。     

TDD模式下无小区大规模MIMO系统的导频干扰抑制

为了缓解无小区大规模MIMO系统的导频干扰、提高系统性能，提出了一种综合导频复用、AP选择和功率控制的导频干扰抑制策略。首先，提出了基于用户距离排序的导频分配，合理地避免了两个距离较近的用户复用导频，以减少导频干扰的影响。然后，通过分析系统吞吐量表达式中的影响因子确定AP选择的标准，只选择对用户的宏分集增益有主要影响的AP作为用户的服务AP。最后，提出了一种改进的最大最小功率控制算法，提高系统平均吞吐量。仿真结果显示，提出的导频干扰抑制策略有效地减轻了导频干扰带来的性能损失。     

一种提高小区边缘用户性能的多用户子载波功率分配策略

在OFDMA系统中,小区边缘用户由于受到来自相邻小区的同频干扰,通信质量严重下降.有效地抑制小区间干扰,极大地提升无线网络性能尤其是小区边缘用户性能是5G移动通信系统的目标之一.基于速率自适应(RA)准则提出了一种提高小区边缘用户性能的子载波和功率的联合资源分配算法,该算法分为子载波分配和混合功率分配两步,在提高小区边缘用户性能的同时,最大化链路吞吐量.仿真结果表明,小区边缘用户吞吐量增益为25％以上,混合功率分配下的系统吞吐量逼近全部用户使用注水法时的系统吞吐量,并且降低了运算复杂度.     

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。     

一种抑制小区间干扰的比例公平调度算法

针对LTE-Advanced系统中小区间干扰及用户公平性问题,提出了基于多小区联合预编码和静态功率控制的比例公平(MCPPC-PF)调度算法。通过干扰空间迫零和静态控制发射功率的方法抑制小区间干扰,并结合比例公平(PF)调度算法,提高用户的公平性。仿真结果表明,与传统算法相比,MCPPC-PF算法提升系统容量的同时还提高了用户的公平性;与基于多小区联合预编码和静态功率控制的最大化吞吐量调度算法相比,MCPPC-PF算法在系统容量损失了4.6%的情况下,边缘用户容量提高了约45%。     

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。     

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。     

物联网多终端协同的应用场景及网络控制需求

在物联网环境下,随着终端技术的发展、用户拥有智能终端数量的增加、越来越多终端对近距离通信技术的支持,同一用户或不同用户终端之间,可以通过相互协同,提升单个用户终端的功能和性能,为用户提供更加智能化的业务体验。本文分析和列举了多终端协同的7种应用场景,并提炼出了3种多终端协同下的网络控制需求,为物联网多终端协同的网络控制技术研究奠定了基础。     

RIS辅助卫星物联网中基于压缩感知的SCMA信号重构

卫星物联网是未来6G网络重要组成部分,在地面部署可重构智能反射面（Reconfigurable Intelligence Surface, RIS）则能进一步增强天地之间信号的传输能力;然而海量设备的接入和检测,以及RIS的引入带来的较高复杂度,给系统设计与实现带来挑战。针对卫星物联网设备和业务稀疏特性,本文提出了一种基于压缩感知的信号重构算法,旨在提高系统的接入用户数和检测成功率,同时降低检测的复杂度。首先,介绍了RIS辅助的卫星物联网系统架构,构建了天地信道模型和星上接收信号模型。然后考虑到卫星物联网地面终端的稀疏性和业务的稀疏性,结合稀疏码分多址（Sparse Code Multiple Access,SCMA）和压缩感知的信号处理方法,通过合理设计SCMA中的稀疏码字,将多用户检测转化为压缩感知理论中的信号重构。最后提出了一种演进的近似消息传播算法（Evolved Approximate Message-Passing,EAMP）来实现压缩感知中的信号重构。仿真结果表明,RIS辅助的SCMA系统与功率域的非正交多址接入技术相比可以提高系统的吞吐量性能,同时EAMP算法相比传统的SIC算法具有更高的正确检测概率和更低的算法复杂度。      

无人机短包通信中基于NOMA传输的安全性能分析

针对物联网（IoT）通信的低延时需求,为了保证数据传输的灵活性,本文构建一种基于短包传输的无人机（UAV）通信网络。由于非正交多址接入（NOMA）技术能够增加可服务的地面用户数量,故将该技术应用到无人机短包通信（UAV-SPC）系统中可以解决多用户的安全传输问题。与正交多址（OMA）技术相比,NOMA可有效提高用户接入公平性和频谱利用率,因此被广泛用于下行链路的通信传输。为解决复杂的安全传输问题,首先证明在功率和译码错误率约束的条件下,分别存在最优的功率分配,数据传输包长和系统传输比特数使目标用户的平均安全吞吐量最大。在此基础上,通过本文所提算法得到安全传输问题的优化解。实验结果验证了该算法的稳定性和可行性。此外,与基准方案相比,本文所提方案可有效降低短包传输的通信时延,提高系统中目标用户的平均安全吞吐量。      

面向6G低轨卫星物联网的能效优先的多波束鲁棒预编码设计

如今,物联网已经应用在经济社会的各个领域,但是由于空间、环境等限制,地面物联网在一些应用场景中表现出了服务能力严重不足的问题。针对这个问题,第六代移动通信技术（6th generation mobile networks, 6G）,提出将卫星通信与地面通信融合,从而实现全球无缝覆盖。对于卫星通信,卫星通常由太阳能供电,导致能量有限,因此想要实现大规模设备高质量的通信,卫星的能量效率设计非常必要。本文为6G低轨（low earth orbit, LEO）卫星物联网（Internet of Things, IoT）设计了一个能量有效的非正交多址接入（non-orthogonal multiple access, NOMA）框架,以支持广域分布设备的大规模机器通信（massive machine-type communications, mMTC）。考虑到LEO卫星的能量有限性和信道状态信息（channel state information, CSI）不准确,本文建立了一个在功率和信干噪比（signal-to-interference-plus-noise ratio, SINR）约束下最大化能效的优化问题。通过将分数形式问题转换为等效的减法形式优化问题,提出了一种鲁棒的联合波束成形和功率分配算法,以在存在信道不确定性的情况下最大化能量效率。理论分析和仿真结果均验证了所提算法的有效性和鲁棒性。      

一种OFDMA系统半静态干扰协调算法

为了解决多小区OFDMA系统边缘用户受到严重的同频干扰问题,提出了一种基于小区边缘用户数的半静态干扰协调算法SICUN。该算法用小区边缘用户数指示小区边缘业务量的大小,结合特定的频率资源优先级规划方案以确定系统中小区中心、边缘用户的可用频率资源,在此基础上进行了补偿式功率控制。仿真结果表明:SICUN能在保证小区边缘用户性能的前提下,较大地提高系统整体性能。     

Service community construction method of internet of things based on semantic similarity

Internet of Things (IoT) as an important and ubiquitous service paradigm is one of the most important issues in IoT applications to provide terminal users with effective and efficient services based on service community. This paper presents a semantic-based similarity algorithm to build the IoT service community. Firstly, the algorithm reflects that the nodes of IoT contain a wealth of semantic information and makes them to build into the concept tree. Then tap the similarity of the semantic information based on the concept tree. Finally, we achieve the optimization of the service community through greedy algorithm and control the size of the service community by adjusting the threshold. Simulation results show the effectiveness and feasibility of this algorithm.     

莱斯信道下低精度ADC去蜂窝大规模MIMO系统的性能分析

去蜂窝大规模多输入多输出（MIMO）系统被认为是未来6G通信的关键技术之一。然而,随着接入点（APs）和用户数量的激增,硬件成本问题成为了限制系统发展的重要因素。为了有效地降低硬件成本,可以考虑在AP和用户端配置低精度的模数转换器（ADCs）。基于上述原因,本文针对莱斯衰落信道下低精度ADC去蜂窝大规模MIMO系统展开研究。通过利用加性量化噪声模型,推导了该系统使用共轭转置预编码时的可达速率闭合表达式,并且该闭合表达式有助于研究AP的数量、ADC的精度以及莱斯K-因子对于可达速率的影响。此外,在保证每个用户的服务质量和每个AP的功率约束前提下,提出了一种能够最大化总速率的功率控制算法。最后,仿真结果表明了,相较不使用功率控制算法的情况,所提的算法能够带来更大的性能增益。      

多小区协作无人机通信感知一体化系统的资源分配

在通信感知一体化系统中,由于通信与感知两者的目的并不完全一致,这使得通信和感知之间的性能折中问题尤为关键。本文研究多小区协作联网无人机网络的通信感知一体化问题,其中基站作为通信感知收发器与无人机用户通信,同时估计感知目标的位置。基于此,联合优化多个基站协作发射功率控制以及无人机用户的轨迹来平衡感知和通信性能,在满足无人机用户的信干噪比需求和感知目标定位的克拉美罗下界需求基础上,最小化基站的能量消耗。该问题是一个非凸优化问题,通常难以直接进行求解。为解决该问题,本文提出基于交替优化的联合基站功率控制与无人机轨迹优化方案,分别利用半正定松弛技术和连续凸近似技术对基站功率控制和无人机轨迹进行优化设计。最后,实验仿真结果验证了所提联合优化方案的性能。      

基于感知无线电非合作博弈功率控制算法的研究

本文基于Goodman提出的非合作博弈功率控制模型改进了代价函数。针对感知无线电系统（CR）中各用户的通信需求,采用多载波码分多址（MC-CDMA）感知无线电系统,解决感知用户对主用户干扰和通信中断等问题,为实现感知频谱资源的有效分配,提出了一种新的感知无线电系统功率控制博弈算法。通过仿真表明,该算法同几种经典算法相比,既满足不同种类用户SIR要求,又提高了系统吞吐量,实现了对不同用户发射功率的有效控制,且系统性能明显提高。     

基于深度强化学习的无人机间通信链路智能决策

由于无人机组网灵活、快速、低成本的特性,空中基站被视为在未来无线通信中有前景的技术。无人机集群可以通过相互协调和合作,完成的复杂任务,具有重大的研究和实用价值,而无人机间的高效通信是当下面临的重大挑战。为了在满足无人机间通信速率的前提下,尽可能节省发射功率,本文提出基于深度强化学习的集群方案和功率控制的智能决策算法。首先,本文设计了三种无人机集群方案,以对地面用户提供无缝的无线覆盖;然后,本文提出了基于深度Q网络（Deep Q-network）算法的集群方案和功率控制决策算法,用深度神经网络输出不同条件下联合决策的无人机集群方案和发射功率,并研究了重要性采样技术,提高训练效率。仿真结果表明,本文提出的深度强化学习算法能够正确决策无人机集群方案和发射功率,与不带强化学习的深度学习（Deep Learning Without Reinforcement Learning, DL-WO-RL）算法相比,用更低的发射功率满足无人机之间的通信速率要求,并且重要性采样技术能够缩短DQN算法的收敛时间。