具有高阶分集的协作系统中的功率分配算法

针对具有高阶分集的协作系统采用平均功率分配(EPA),导致系统平均误比特率性能较低的问题,提出了以最小化系统平均误比特率为目标的功率优化分配(OPA)算法。首先,推导了协作系统端到端误比特率的上界以及高信噪比条件下的渐近近似。在此基础上,推导了使系统平均误比特率最小的最优功率分配系数的闭式表达式。仿真结果表明,在保证总发射功率一定的条件下,所提功率分配算法相比平均功率分配可以有效降低系统的平均误比特率。     

编码协作系统的一种功率分配算法

针对编码协作系统中源节点和中继节点只根据协作程度分配功率导致系统资源利用率较低的问题,提出了一种使用码率兼容删除卷积码(RCPC)编码的协作系统次优功率分配算法。该算法依据协作程度和信道状态信息推导出了目的节点误比特率的上限表达式,降低了该误比特率上限,得到了功率分配的次优解,从而提高了系统的资源利用率,且实现复杂度较低。仿真结果表明理论误比特率上限是一条紧界,提出的自适应功率分配(APA)算法与只考虑协作程度的平均功率分配(EPA)算法相比,在误比特率为10-2时最大可提供约4dB的信噪比增益。     

基于跨层机制的最佳协作中继选择及其系统实现

为了获得最佳的协作中继用户,通过推导协作中继传输系统的误符号率,提出了基于放大重传和解码重传下最佳协作中继的选择准则,并结合跨层协作的思想给出了基于MAC层来实现最佳协作中继选择的分布式协议.与此同时,提出了协作分集系统的物理层传输方案,分析了瑞利衰落信道环境下所提方案的系统性能,得到了系统误比特率的闭式解.此外,针对协作中继选择准则和协作分集传输方案的误码性能进行了系统仿真和性能比较,结果表明,所提出的协作中继选择准则明显优于传统中继选择准则,且协作传输方案可以获得明显的分集增益,系统平均误比特率显著下降.     

认知无线电网络中基于协作水平的协作门限与功率联合优化

将协作传输技术用于认知无线电网络不仅增强了系统抗衰落能力,而且有效提高了频带利用率。但是,中继节点何时必须参与协助源节点传输信息是一个值得考虑的问题。该文提出一种基于协作水平的中继协作准则。首先给出协作水平的定义和表达式,并基于此式推导了系统平均带宽利用率和误符号率公式,然后由二者的折中得到关于协作门限和功率比的性能函数。为了使系统获得最优性能,文中采用粒子群优化算法联合优化协作门限和功率比。仿真结果表明,良好的源节点到目的节点的链路状态和尽量使用中继参与协作均有助于系统性能的最优化。     

基于分布式中继选择的自适应协作传输方案

协作分集通过使网络用户共享彼此天线以形成虚拟多天线阵列,可以显著提高网络容量,然而针对网络拓扑的动态变化与无线传输的时变特性,仅靠协作分集并不能十分有效地解决这些问题,必须结合考虑相应的自适应传输策略.本文提出动态网络环境中协作中继的最佳选择准则,在此基础上给出最佳协作中继的分布式选择协议.根据协作中继与源节点间的无线信道质量,进一步提出一种自适应协作传输方案,以有效抵抗多用户网络环境中的无线衰落.此外,对自适应协作传输方案的误码性能,在瑞利衰落信道下进行相应的理论分析,得到了系统误比特率的解析表达式,据此给出数值仿真实验以进行性能比较.结果表明:相对于传统协作分集而言,本文提出的自适应协作传输方案获得了进一步的性能增益,误比特率显著下降.     

协作分集中基于延迟时间的伙伴选择

在协作分集中如何及时有效选取合作伙伴是重点研究问题之一,制定一个合理可靠的选择标准是解决此问题的关键。依据传输路径的时延特性,提出以中继延迟时间最小为标准来进行协作伙伴的选择。对此选择标准在分集增益、信噪比、传输误比特率性能上进行了仿真分析,表明以此标准选择协作伙伴能够获得较好的分集性能,降低误码率,并且能够避免目的节点处因同时接收中继节点信息而造成干扰阻塞,是一种可靠的伙伴选择协议。     

一种多源协作网络的分布式功率分配与中继选择算法

该文针对多源-多中继放大转发协作通信网络,以最小化系统总功率为目标,在保证系统满足一定中断概率的前提下,提出了一种分布式功率分配与中继选择算法.算法由源节点自主选择为其转发信息的中继节点,并引入定时器,通过竞争方式避免了分布式所导致的中继选择冲突.中继收到来自源节点的信号后,只需根据转发门限自主判断是否进行转发,从而完成传输.仿真结果表明该分布式算法能够有效降低传输所需要的总发射功率.并且与集中式控制所获得的最优中继选择与功率分配算法相比性能相近,但所提分布式算法显著降低了系统的控制开销.     

结合信道编码的两用户协作分集方案及其性能研究

基于一种分布式空时码的非正交协作分集（DSTC-NOCD）系统,并且结合信道编码,在译码转发（DF）中继信道模型下对两用户协作分集的方案性能进行了研究。通过将turbo码和空时码引入到协作分集中,在准静态的瑞利衰落信道下对此方案的误比特率进行了系统仿真。仿真结果表明：即使协作用户间的信道存在噪声,该文所采用的方案仍优于未加信道编码的分布式空时码的非正交协作分集系统,使得误比特率进一步降低。     

Turbo-BLAST系统中天线选择和功率分配算法

提出一种适用于Turbo-BLAST系统的自适应天线选择和功率分配算法,所提算法以误比特率为优化目标,并且考虑了信道估计误差的影响.在总功率约束条件下,采用所提算法进行天线选择和自适应功率分配,并利用软干扰抵消算法对接收信号进行迭代检测,以进一步改善系统性能.仿真结果表明:采用所提算法可以显著改善系统的误比特率性能.     

发送功率最小化自适应MIMO—OFDM系统研究

将自适应比特功率分配技术与空间分集技术结合起来,提出了一种与空时编码结合的固定速率自适应正交频分复用(OFDM)方案。该算法在保证给定的误比特率和信息速率的情况下,使总发送功率最小化。仿真结果表明,该算法在相同误比特率的情况下比不采用自适应技术的MIMO-OFDM系统节省了发送功率。     

基于DF协议的功率分配和伙伴选择策略研究

在无线通信系统中,利用协作通信技术可以获得一定的分集增益,从而有效的提高系统性能。以容量最大化为优化目标,基于DF（解码转发）模式,研究了三节点协作通信中的功率分配与伙伴选择的问题,研究结果表明,当三节点间的信道衰落功率增益满足一定的条件时可以有效的提高系统的容量。     

双向能量协作的中继系统功率分配算法

在无线中继系统中,考虑源节点和中继节点都是能量采集的,而源与中继之间可以进行能量协作,即可双向传递能量,针对瑞利衰落信道场景以最大化系统吞吐量为目标,联合优化源节点的发射功率、中继节点的发射功率以及传递的能量值,提出了双向能量传递的最优功率分配算法。本文根据场景模型建立了最优化问题,利用凸优化知识求得最优解的形式,假设能量传递无损耗情况下提出了理想功率分配方案;然后以此为基础,在满足能量因果性和数据因果性的条件下,对传递的能量和发送的功率进行优化。仿真结果表明,本文提出的双向能量传递的功率分配算法优于其它的功率分配算法,能有效的提高系统吞吐量。      

改进蛙跳算法的多中继协作系统最优功率分配

协作通信与直接通信相比能够显著地提高系统性能,功率分配是协作通信中的一个关键问题。为了获得合理的协作中继通信系统功率分配方案,提出一种基于改进蛙跳算法的多中继节点功率分配方法。首先对功率分配问题进行分析,将其转换为一个非线性优化问题,然后将青蛙表示为源节点,中继节点的功率,以平均信噪比作为青蛙的食物,并通过青蛙的信息交流和协作找到最优的功率分配方案,最后采用仿真对比实验对本文算法性能进行测试。仿真结果表明,相对于其它功率分配方法,改进蛙跳算法有效地提高了系统的信道容量,降低了中断概率,以较低的复杂度提高了系统的性能。     

多小区WiMAX资源分配研究

针对多小区WiMAX下行链路资源分配问题,本文通过建立符合实际应用场景的同道干扰模型,并考虑到功率和带宽对资源分配的影响,提出功率、带宽联合优化的多小区WiMAX资源分配策略。该策略基于系统和容量最大化、最小容量最大化以及发射总功率最低准则,把网络资源分配问题建模为不同的数学优化模型,并利用凸优化问题求解得到不同准则条件下带宽、功率分配的最优解。仿真结果表明,提出的资源分配方法可以保证资源分配的公平性、提高系统容量并降低功率消耗      

QoS-Driven Jointly Optimal Subcarrier Pairing and Power Allocation for Decode-and-Forward OFDM Relay Systems

In this paper, we investigate the quality-of-service (QoS) driven subcarrier pairing and power allocation for two-hop decode-and-forward (DF) OFDM relay systems. By integrating the concept of effective capacity, our goal is to maximize the system throughput subject to a given delay-QoS constraint. Based on whether the destination can receive the signal transmitted by the source, we consider two scenarios, i.e. OFDM DF relay systems without diversity and OFDM DF relay systems with diversity, respectively. For OFDM DF relay systems without diversity, we demonstrate that the jointly optimal subcarrier pairing and power allocation can be implemented with two separate steps. For OFDM DF relay systems with diversity, we propose an iterative algorithm to achieve jointly optimal subcarrier pairing and power allocation. Furthermore, we find that the analytical results show different conclusions for the two types of OFDM relay systems. For OFDM relay systems without diversity, the optimal power allocation depend on not only the channel quality of subcarriers but also the delay QoS constraints, while the optimal subcarrier pairing just depends on the channel quality of subcarriers. For OFDM relay systems with diversity, both the optimal subcarrier pairing and power allocation depend on the channel quality of subcarriers and the delay QoS constraints. Simulation results show that our proposed scheme offers a superior performance over the existing schemes.     

一种功率最小化的双层迭代子载波分配算法

研究OFDM下行链路通信系统中关于子载波和对应功率分配的功率消耗问题。在满足用户最小速率和子载波约束的条件下,形成了关于系统功率消耗最小化的混合优化问题。通过变量代换,将原始问题转化为只与子载波分配有关的整数优化问题。在此基础上,提出了一种功率最小化的双层迭代子载波分配算法,每次内部迭代求解两个用户的局部最优值,外部迭代判断收敛停止条件,最后通过数值仿真验证了所提算法的有效性。     

An online power allocation algorithm based on deep reinforcement learning in multibeam satellite systems

Dynamic power allocation (DPA) is the key technique to improve the system throughput by matching the offered capacity with that required among distributed beams in multibeam satellite systems. Existing power allocation studies tend to adopt the metaheuristic optimization algorithms such as the genetic algorithm. The achieved DPA cannot adapt to the dynamic environments due to the varying traffic demands and the channel conditions. To solve this problem, an online algorithm named deep reinforcement learning‐based dynamic power allocation (DRL‐DPA) algorithm is proposed in this paper. The key idea of the proposed DRL‐DPA lies in the online power allocation decision making other than the offline way of the traditional metaheuristic methods. Simulation results show that the proposed DRL‐DPA algorithm can improve the system performance in terms of system throughput and power consumption in multibeam satellite systems.     

Grouping Algorithm for Partner Selection in Cooperative Transmission

The partner selection problem for cooperative transmission is considered. Our objective is sum power minimization. We provide a simple optimal rate allocation algorithm for two cooperating node pairs and closed-form optimal rate allocations for some cases. With these results, we determine the partner for each node pair by Gabow’s Algorithm. For a large number of nodes, we propose the grouping algorithm which is near-optimal but reduces the communication and computational overhead. We show the significant improvement of power consumption by our scheme and the fast convergence of the grouping algorithm through simulations.     

MIMO系统一种新的功率分配算法及容量分析

在不额外增加发射功率和带宽消耗的情况下,注水功率分配算法能够获得最大的多输入多输出(MIMO)系统容量.基于拉格朗日乘数法,推导给出了MIMO系统注水功率分配算法的显式解.利用信道冲激响应矩阵的奇异值分解(SVD)算法,推导给出了注水功率分配算法MIMO系统的容量分析公式.利用数字波束形成(DBF)技术,提出了一种新的功率分配算法,推导给出了该算法MIMO系统的容量分析公式.仿真结果表明,提出的功率分配算法的系统容量虽然略低于注水功率分配算法的系统容量,但它的计算复杂度较低.     

Capacity Optimizing Power Allocation in Interference Channels

The interference channel is an essential model in both wireline and wireless communication systems. This article addresses transmit power allocation in interference channels with total transmit power constraint. The optimum power allocation maximizing the sum rate in two user interference channels can be derived analytically. However, the non-convexity of the optimization problem makes it prohibitively complex to obtain the optimum solution either analytically or numerically in general K user scenarios. After reviewing several conventional suboptimum power allocation schemes including equal power allocation, greedy power allocation and waterfilling power allocation, an iterative waterfilling algorithm is proposed and discussed. The performance of various power allocation schemes is evaluated through simulations, which suggests that the proposed iterative waterfilling outperforms other suboptimum power allocation schemes in certain scenarios.