毫米波D2D通信上下行链路吞吐量优化方案

5G通信技术中终端直通(D2D通信)的功率分配是近期研究的热点,为了提升系统容量和频谱利用率,将毫米波与D2D通信技术结合,在此技术中,针对28GHz频段上行链路及下行链路蜂窝网络中的D2D资源分配进行了研究,将其系统总吞吐量达到最大化算法进行优化。首先,推导出每个D2D对所对应的准入集,其次,在考虑每个D2D对用户以及蜂窝用户功率控制情况下,分别求出上行链路及下行链路中的吞吐量,最后,在保证D2D对总吞吐量最大化前提下将蜂窝用户信道分配给D2D对。仿真结果表明,所提出的方案可以提高系统的吞吐量。     

D2D通信中联合链路共享与功率分配算法研究

针对D2D （Device-to-Device,D2D）通信过程中的资源分配问题,提出一种联合链路共享和功率分配算法.在保证系统内蜂窝用户服务质量（Quality of Service,QoS）需求的前提下,利用系统的信道状态信息,为D2D用户生成一个由蜂窝用户组成的通信链路的候选集合;在通信链路候选集合内使用凸优化方法得到D2D用户最优功率分配策略;最后利用（Kuhn-Munkres,KM）算法求解最大加权二部图匹配（Maximum Weight Bipartite Matching,MWBM）问题,为D2D用户选择最优的蜂窝用户进行资源共享.仿真结果表明该算法能有效的提升通信网络的吞吐量,可以为D2D用户选择最优的资源分配策略.     

D2D/蜂窝通信模式切换与联合功率控制方案

设备直连（Device-to-Device, D2D）通信技术通过复用蜂窝系统的频谱资源提高频谱利用率,但D2D的引入会给蜂窝系统带来干扰。如何合理地选择D2D/蜂窝通信模式并进行功率优化控制,成为减小D2D和蜂窝系统间干扰、提升网络性能的关键。本文考虑D2D用户复用蜂窝上行链路场景,提出了一种基于距离和联合功率控制的通信模式选择方案。在该方案中,D2D用户和蜂窝用户与基站距离的比值决定了D2D用户是否采用Underlay模式进行通信,进而在约束蜂窝用户和D2D用户发射功率的条件下实现D2D链路和蜂窝链路的联合功率控制,最终推导出能够最大化系统总吞吐量的最优用户功率分配方案。根据仿真结果,本文提出的联合功率控制方案能够在降低系统间干扰的同时有效提高D2D和蜂窝系统的总吞吐量,进而提高了系统的性能。      

非理想信道下基于人工噪声的密集异构蜂窝网安全传输方案

针对密集异构蜂窝网在非理想信道状态信息条件下的安全传输问题,该文分析了人工噪声对通信的可靠性和安全性的影响,在此基础上提出功率分配优化模型,在不同信道估计精度条件下给出了最优的功率分配因子。首先,考虑信道估计误差对合法信号传输以及人工噪声泄露的影响,推导了典型通信链路的连通中断概率和安全中断概率。然后,在安全性和可靠性约束条件下建立功率分配优化模型以最大化系统安全吞吐量,并通过K维联合搜索算法得到每层网络的最优功率分配因子。最后,仿真结果表明系统设置最优功率分配因子时,人工噪声方案可提升约15%的安全吞吐量。     

NOMA系统中利用共轭梯度法的功率分配方案

通过功率分配,5G通信的关键技术——非正交多址（NOMA）实现发射功率域的多用户复用,有效提高了频谱效率。不同的功率分配方案直接影响系统的吞吐量,针对NOMA下行链路现有功率分配算法存在的局部最优问题,提出了一种利用共轭梯度法的最优功率分配方案,采用共轭梯度法求解用户的加权和速率最大化的优化问题。现有理论证明,该方法可以收敛到全局最优解。仿真结果表明,该方法性能优于已有的固定功率分配（FPA）算法和分数阶发射功率分配（FTPA）算法,且此非正交多址（NOMA）系统性能明显优于正交多址（OMA）系统。      

双向协作系统的中继选择和功率分配策略

针对瑞利衰落信道下双向多中继协作通信系统,为了降低中断概率,提出了一种基于最小化中断概率的中继选择策略和功率分配方案。首先联合考虑两条链路的中继节点处信噪比和信道增益实现双链路中继选择,然后推导出一种新的最优中继下双向放大转发协作中断概率的近似表达式上界,并利用凸优化求解得到使中断概率最小的最优功率分配解。仿真结果表明,与现有策略相比,提出的策略能够明显降低系统中断概率和误码率,显著提高系统性能。     

基于速率约束的OFDM中继链路能效最优资源分配策略

该文研究解码转发(DF)模式的OFDM中继链路的能效最大化资源分配问题。与现有典型的固定速率最小化发射功率或无约束最大化能效算法不同,该文考虑电路功率消耗的前提下,将问题建模为以最大化系统能效为目标,同时考虑用户最小速率需求、源节点S和中继节点R各自总发射功率约束下的联合子载波配对和最优功率分配问题。证明了速率和功率联合约束条件下中继链路全局能效最优解的唯一性,在此基础上提出一种低复杂度联合最优资源分配策略。仿真结果表明,该文所提方案能够在最小速率和S/R节点最大发射功率约束下自适应分配功率资源,实现系统能效最优,并能够降低链路的中断概率。     

基于深度强化学习的V2X频谱资源管理方法

针对车辆对一切(V2X)通信所面临的频谱稀缺问题，文章提出了一种深度强化学习方法对V2X频谱资源进行管理。首先，建立单个车辆对基础设施链路的V2X通信模型，结合频谱子带和传输功率等约束条件，构建优化问题以最大化V2X通信网络综合效率；其次，考虑到优化问题的非凸性，将其建模为马尔可夫决策过程；接着，引入基于竞争构架Q网络(Dueling-DQN)算法，以获得最优频谱子带选择和传输功率分配策略，使V2X通信网络综合效率最大化；最后，通过Tensorflow软件平台进行实验仿真，以验证所提方法的性能。实验结果表明，Dueling-DQN算法与其他算法相比，能够获得更高的链路性能和V2X通信网络效率。     

超宽带无线通信MAC层的准入控制

超宽带无线通信系统一般以Ad hoc形式组建网络。该文针对以DS-UWB通信系统为物理层的Ad hoc网络,借鉴了MAC层准入控制的两种策略:全网络吞吐量控制策略与单用户链路吞吐量控制策略;在系统完全功率控制的设定前提下,根据物理链路的QoS指标,分别对两种准入策略进行仿真。仿真结果显示,扩频码长度、信噪比等影响UWB通信链路质量的因素对系统准入用户数存在较大影响。     

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。     

面向5G的缓存辅助多天线中继策略

缓存辅助多天线中继技术可以为5G通信系统提供广域覆盖范围,并且有效改善系统的吞吐率性能.研究了一个三节点多天线缓存辅助中继系统,提出了最大化系统平均吞吐率的最佳缓存辅助中继策略,即联合自适应链路选择以及功率分配方案.分析结果表明,最佳的链路选择方案仅依赖于当前的瞬时信道状态信息以及相关链路的信道统计信息,而最佳功率分配方案是对发送的数据流进行等功率分配.仿真结果表明,相对于无缓存辅助的MIMO中继系统,缓存的引入能够显著改善中继系统的吞吐率.此外,MIMO技术的引入还能够获得多天线所带来的复用增益,进一步改善缓存辅助中继系统的吞吐率.     

D2D通信中一种基于FFR的动态功率控制方案

工作在underlay方式下的D2D(device-to-device)通信利用资源复用共享蜂窝网络中的资源,在提高频谱资源利用率、降低移动终端功耗的同时,会给已有蜂窝网络带来干扰。在保证D2D用户和蜂窝用户的服务质量的前提下,研究了蜂窝用户和D2D用户的功率控制和资源分配问题。首先引入部分频率复用(FFR)实现蜂窝用户和D2D用户之间的资源划分和复用;然后以系统吞吐量最大化为原则,建立优化目标。结合部分功率控制(FPC)的基本思想,进而提出了一种动态功率控制(DPC)策略。仿真结果表明,所提出的方案能够有效地提高多小区系统的性能。     

中继增强的无线蜂窝多小区系统的联合调度与功率控制算法

针对采用全局频率复用的中继增强的无线蜂窝多小区系统,该文考虑多种通信模式并存的混合场景,提出了一种干扰感知的联合资源分配策略。以最大化系统总吞吐量为目标,同时考虑小区间干扰对中继节点与移动站点的影响,以及基站与中继节点各自的发射功率约束。为了降低计算复杂度,针对用户与中继节点配对问题提出了一种基于小区间干扰的调度算法;针对功率控制问题分别提出了一种基于符号规划的最优功率分配算法和一种次优的最小能耗功率分配算法。仿真结果表明,该文所提算法逼近最优资源分配,在系统吞吐量与能量效率等性能方面具有显著优势。     

基于信道反转的C-V2X动态功率控制方案

蜂窝车用无线通信(cellular vehicle-to-everything,C-V2X)系统中,基于V2V(vehicle-to-vehicle)车载通信采用复用蜂窝用户(cellular user,CUE)的频谱资源减轻基站负载实现部分近场V2V通信,在提高系统传输速率的同时也产生了同频干扰的问题。针对该问题,提出基于信道反转的动态功率控制方案,在非截断区内对V2V用户(V2V user,VUE)进行信道反转功率控制,补偿因发射功率有限造成的截断中断,通过动态功率控制解决蜂窝用户和V2V用户间的同频干扰。在此基础上,通过拉格朗日乘子法得到目标函数的最优对偶解,利用二分法确定CUE和VUE的最优功率,满足蜂窝用户传输速率要求的同时最大化V2V用户的总传输速率。数值仿真结果表明,当VUE总中断概率为0.866时,该方案使系统性能提升了48%。     

一种5G异构云无线接入网络的D2D资源分配算法

为了解决设备对设备(Device-to-Device,D2D)资源共享带来的信号干扰问题,提出了一种5G异构云无线接入网络的D2D通信资源分配算法.在保证服务质量的前提下,将宏用户设备的频谱资源分配给D2D和中继用户设备,并且把资源分配问题看作一对一的匹配博弈.采用婚姻匹配理论,得到初始的匹配方案.在初始匹配的基础上,提出了一种遵循卡尔多-希克斯(Kaldor-Hicks)原则的资源交换策略,以提高系统的吞吐量.仿真结果表明,该资源分配算法收敛较快,与现有方案相比,能使系统吞吐量提升15％以上,能给系统用户带来约10％的增益,并且有较强抗信道干扰能力.     

多天线系统中多中继传输的时间分配和功率分配优化方法

本文考虑单小区内的两个中继使用解码转发的方法为两个用户提供下行数据的场景,基站和中继配置多根天线,用户配置单天线。两中继使用相同的频率资源同时为两个用户提供服务。为减小两中继同时向两用户传输时产生的干扰,中继到用户的传输采用协作干扰避免的策略;相应的基站到中继的传输采用多用户空分复用的传输策略。本文在时间分配和功率分配两个方面对上述两跳传输过程进行了优化,提出了两跳传输最优的时间分配策略。由于功率分配最优化问题难以求解,本文提出了一种匹配链路容量的次优功率分配方法,并对其进行简化以降低复杂度。通过仿真可以看出,简化的功率分配方法与匹配链路容量的功率分配性能很接近;所提出的时间分配和功率分配方案可以获得有效的性能提升。      

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。      

异构网络中基于能效优化的D2D资源分配机制

针对异构网络中D2D通信复用蜂窝用户频谱时存在的频谱分配问题,该文提出一种基于改进离散鸽群优化(PIO)算法的D2D通信资源分配机制。通过设置信干噪比(SINR)门限值来保证用户的通信服务质量(QoS),采用功率控制算法为用户设置发射功率,使用基于运动权值的二进制离散鸽群优化(MWBPIO)算法为D2D用户进行资源分配,并将D2D通信技术与中继技术进行有效结合,为边缘用户建立D2D中继链路,保证边缘用户的通信质量,最大化系统性能目标。仿真结果表明,该方案有效抑制了异构通信系统中引入D2D用户后导致的干扰问题,提高了边缘用户的通信质量和系统的频谱利用率以及系统的能效。