认知无线电中OFDM多用户频谱分配

针对认知无线电需要提高频谱利用率,限制功率以及保障QoS的要求,结合OFDM技术,研究了认知无线电场景中的多用户频谱分配,并给出了2种算法.其中,最优算法通过授权用户的SIR下限得到认知无线电的发射总功率,并采用拉格朗日定理为每个认知用户分配子载波和功率;次优算法引入"分配比例因子"来体现用户分配中的公平原则,并通过限制SIR得到频谱分配结果.仿真表明,最优、次优算法的性能好于基于FDMA的静态频谱分配算法,最优算法相对于FDMA能够有35%的容量提升;次优算法容量略有减小,但充分保障了用户的QoS需求.2种算法从不同层面满足了认知无线电的需求.     

电力线通信系统中基于动态规划的自适应资源分配

分析了电力线通信OFDM系统在多种约束下,多用户多业务在多子载波上自适应的比特和功率分配模型,提出了一种新的基于动态规划的速率和功率自适应相结合的动态资源分配算法,其先给实时用户分配资源以满足固定速率下总功率最小,再利用剩余功率和未用子载波给非实时用户分配资源以满足最小速率下总速率最大．在典型电力线信道环境下的仿真结果表明,该算法的性能优于已有的多用户资源分配优化算法,且其能更好的满足电力线通信系统中多用户资源分配的多目标要求．     

基于OFDM的认知无线电系统中功率分配算法

针对基于正交频分复用(OFDM)的认知无线电系统中,子载波功率分配的最优化算法中出现的迭代运算繁琐、不易实现的问题,提出一种基于幂函数分布的次优化功率分配算法.该算法采用线性约束的凸优化数值运算方法,对认知用户频带内子载波的功率按照幂函数的数值特性依次分配,该算法具有运算速度快、易于实现的特点,并且有效地解决了授权用户受到认知用户频带内子载波带外泄漏功率的干扰问题.通过使用MATLAB建模仿真,结果表明,提出的算法方案在满足授权用户干扰门限的条件下,使得认知用户频带内信道容量能够达到最大化,并且在同样条件下提高了现有功率分配方案的最大传输速率.     

基于OFDM的认知无线电系统中的功率分配改进

基于正交频分复用(OFDM)的认知无线电系统中,次用户子载波功率的泄漏会对主用户产生干扰.针对这一问题,提出了一种改进的功率分配方法,即在主、次用户所在子信道间合理设置保护带条件下,采用迭代分块注水算法.仿真结果表明,改进的算法满足各主用户干扰功率上限的条件下,也使得次用户信道容量最大化.     

比例速率约束下基于遗传策略的多用户OFDM系统资源自适应分配算法

基于遗传策略提出了载波和功率自适应分配算法,它在最大化多用户OFDM系统下行链路总容量的同时维持用户之间的比例公平性,是一种将子载波分配和功率分配独立开的低复杂度次优算法。当总功率在载波间均等分布时,首先进行子载波的分配。随后引入遗传算法通过全局搜索实现用户间的功率分配,以满足比例公平性要求。功率分配结束后,针对每一个用户使用等功率分配方式实现容量分配并实现总功率的最大化。仿真结果表明,所提出的资源分配算法平衡了总容量和公平性之间的折中问题。与最小容量最大化算法相比,满足了用户之间不同的速率要求。相对于总容量最大化算法,容量在用户之间分布更公平。     

基于QoS的多用户OFDM系统自适应资源分配算法

在多用户OFDM系统中,为满足用户的服务质量要求并降低算法复杂度,提出一种基于QoS的自适应资源分配算法。该算法将子载波和功率分配算法分开进行,给出了基于QoS的子载波分配方案,并将用户分为VIP用户和普通用户,对两种用户分别采用不同的功率分配算法,在保证VIP用户达到所需要速率的前提下,尽量满足普通用户的速率要求,使MU-OFDM系统成为一个具有服务质量保障的系统。仿真结果表明,该算法既保证了VIP用户和普通用户的性能指标,又降低了算法的整体计算复杂度。     

双功能雷达通信系统的多用户功率分配算法

为解决传统多用户双功能雷达通信系统因载波分配导致通信性能较差的问题,提高双功能雷达通信系统的资源利用率,提出了一种通信用户载波共享模型下的多用户功率分配方案,并通过构造合理的资源分配问题使得系统具有更优的通信性能。首先,建立双功能雷达通信系统的通信用户载波共享信号模型。其次,为保证双功能雷达通信系统性能,构造了以系统通信和速率最大并满足雷达信噪比下界、总功率和用户功率约束的优化问题,通过理论分析严格证明了优化问题的可行性。最后,为求解凸优化问题,提出一种多用户功率分配算法,通过引入辅助变量对目标函数进行二次转换,将其分解为两个优化子问题,继而通过交替迭代的方式进行求解。研究结果表明,相较于传统通信用户载波分配模型,优化后的通信用户载波共享模型通信和速率提高了约40%,从而验证了所提方案具有更优的通信性能,有效提高了系统资源利用率。本研究成果为提高多用户双功能雷达通信系统的通信性能提供了一种新思路和手段。     

多播系统中基于多用户分集的资源分配

针对无线多播系统中传输速率受限于多播组中最差用户信道容量的问题,提出一种组内资源分配算法.在考虑用户之间不同速率需求的前提下,对多播组内用户进行子载波分配和功率分配,来最大化多播系统归一化速率.子载波分配算法利用每个子载波上多播用户之间的多用户分集,将子载波分配给该子载波上性能较好的多个用户.功率分配算法采用基于梯度的功率分配方式对各子载波上所分配的功率做局部优化,进一步提高多播系统的传输速率.仿真结果表明,与传统多播组内资源分配方案相比,显著提升多播系统的归一化速率.     

多小区多用户OFDM系统中的最佳比特分配算法

在研究单小区多用户OFDM(正交频分复用)系统中最佳或次最佳的子载波比特功率分配算法基础上,提出了一种在满足所有用户QoS(服务质量)要求下多小区多用户OFDM-TDMA(正交频分复用-时分多址)系统的,以最大化系统吞吐量为目的的最佳功率比特分配算法.通过仿真验证,此算法在确保QoS条件下,能够最大化系统吞吐量并减轻同频干扰的影响.     

基于人工蜂群算法的多用户OFDM自适应资源分配方案

针对多用户正交频分复用(OFDM)自适应资源分配中用户公平性和系统容量的问题,本文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,首先确定每个用户需要的子载波数量,然后根据用户的速率比例继续分配子载波,最后分配剩余子载波。在功率分配中,通过人工蜂群(ABC)算法的全局搜索实现在所有用户之间的功率寻优,并利用等功率的分配方式对每个用户的子载波进行单用户功率分配。从仿真结果中可以看出,本文算法不仅可以兼顾用户的公平性,同时也有效地提高了系统的吞吐量,从而证明了本文算法的有效性。     

认知无线电系统转移接入概率的动态子载波分配

针对认知无线电系统可用子载波的动态变化,提出一种基于接入概率的动态子载波分配方法. 该方法通过控制认知用户在子载波上的接入概率最大化系统的吞吐量,保证了用户的服务质量需求. 为简化求解过程,提出一种基于接入概率转移的启发式算法,该算法可将子载波接入概率在用户间转移,直至所有用户的速率需求都得到满足. 仿真结果表明,在瑞利衰落信道环境下启发式算法能得到全局最优解. 同时,与现有动态分配方法和载波侦听多路接入方法相比,新方法能有效地提高系统吞吐量性能.     

一种容量最大化的OFDMA资源分配算法

针对功率受限的多用户OFDMA系统,提出了一种简化的子载波和功率分配算法,此算法在最大化系统容量的同时兼顾了用户间的公平性。算法首先依据当前的信道状况计算出各用户所需的载波数量,并分配子载波,然后以注水算法对各载波上的功率进行分配。仿真结果表明,以此算法对OFDMA的系统资源进行分配可显著提高系统的多项性能。     

Fair subcarrier-power allocation scheme for multiuser multicarrier systems

The main objective of multiuser orthogonal frequency division multiple access(MU-OFDM) is to maximize the total system capacity in wireless communication systems. Thus, the problem in MU-OFDM system is the adaptive allocation of the resources(subcarriers, bits and power) to different users subject to several restrictions to maximize the total system capacity. In this work, a proposed subcarrier allocation algorithm was presented to assign the subcarriers with highest channel gain to the users. After the subcarrier allocation, subcarrier gain-based power allocation(SGPA) was employed for power and bit loading. The simulation results show that the proposed subcarrier-power allocation scheme can achieve high total system capacity and good fairness in allocating the resources to the users with slightly high computational complexity compared to the existing subcarrier allocation algorithms.     

一种协作多点多用户通信系统的预编码方法

提出了新的线性预编码方法,适用于联合处理模式下的协作多点多用户多输入多输出下行链路传输系统. 该方法通过信道矩阵的扩展,引入低复杂度的矩阵分解方法,有效抑制了噪声和多用户干扰这2个因素对系统的影响,并适用于接收端各用户配置任意根天线的系统;提出了在基站总功率受限的约束条件下次优的功率分配方案. 通过对算法复杂度的分析和性能仿真可知,所提方法不仅从总体上降低了中央控制站的处理复杂度,而且改善了系统性能.     

认知无线电网络中的参数优化问题

针对在多协作用户宽带信道情况下,认知无线电网络中当信道增益固定时,检测时间、功率以及带宽分配等参数的优化问题,提出了各参数的联合优化算法.以信道容量为目标函数,给出了最优的资源分配算法.结果表明,该算法能够实现频谱接入并且极大地提高了次用户系统的总信道容量,且资源分配与主用户占用的概率、峰值发射功率和干扰约束等因素有关.在多认知用户网络中,参与合作的用户越多,接收信号的信噪比越高,次用户系统的总信道容量越大.     

聚类多Agent强化学习认知无线电资源分配

针对认知无线电多用户的信道和功率资源分配问题,提出一种基于用户聚类和可变学习速率的多Agent强化学习方法. 首先使用分层处理分离信道选择与功率控制,采用快速最优搜索结合用户数均衡调节实现信道分配;其次,使用随机博弈框架对多用户功率控制问题进行建模,通过K均值用户聚类减少博弈参与用户数量和降低单个用户的环境复杂度,并使用可变Q学习速率和策略学习速率的方法进一步促进多Agent强化学习的收敛. 仿真结果表明,该方法能使多个用户的功率状态和总收益有效收敛,并且使整体性能达到次优.     

认知MIMO系统中基于博弈论的干扰对齐算法研究

为消除用户间干扰,提高认知无线电多输入多输出（CR-MIMO）系统传输速率,给出一种基于博弈论的干扰对齐算法。该算法首先采用注水算法为主用户进行功率分配,同时设计次用户预编码使次用户信号落入主用户未分配功率的子信道。然后将次用户之间的多条干扰链路构成一个博弈群体进行求解,实现次用户之间的干扰对齐。此外,为最大化次用户传输速率,将次用户功率分配问题转换为布谷鸟鸟巢的选择问题,构造适应度函数,得到最优的功率分配方案。数值分析表明,该算法可以消除主次用户的干扰以及次用户之间的干扰,传输速率比最大信干噪比（Max-SINR）算法高2 b·s-1·Hz-2,同时,结合布谷鸟搜索算法进行功率分配后传输速率高于文献[13]。