认知无线网络中兼顾效用与公平的联合带宽和功率分配算法

对不同类型的业务采用了统一的效用函数形式,并在此基础上构造了基于网络效用最大化模型的优化问题。采用拉格朗日对偶方法对问题进行了求解,提出了一种分布式的联合带宽和功率分配算法。仿真结果表明,本算法能够有效地为不同类型认知用户分配合理的带宽和功率资源,在最大化所有认知用户总效用的同时保证用户之间的效用公平性。     

多业务MIMO-OFDMA/SDMA系统跨层调度与动态资源分配

对多业务MIMO-OFDMA/SDMA 系统下行链路跨层调度与动态资源分配问题进行了研究.首先,在满足各种约束条件的前提下,以最大化系统吞吐量为目标建立了相应的优化模型;然后,提出了一种基于业务类型和子空间距离的用户分组算法,该算法采用聚类分析的方法在每个子载波上对配置有多根接收天线的用户进行分组,从而降低了调度时所需搜索的用户空间的维数;接着,基于所提出的用户分组算法并结合不同业务的优先级提出了一种新的跨层调度和资源分配算法,该算法充分利用跨层信息为每个子载波调度相应的用户组,并为调度到的用户分配相应的系统资源,从而通过最大化每个子载波的吞吐量近似实现了系统整体吞吐量的最大化.仿真结果表明,与现有的方案相比,所提算法更好地满足了不同业务用户的QoS要求,并获得了更好的吞吐量性能.     

OFDM认知无线电系统中分布式资源分配

针对多用户的OFDM认知无线电系统,提出了一种适合于混合业务的分布式资源分配新算法.该算法以最大化系统容量为目标,将资源分配问题建模为非凸优化问题,并通过拉格朗日对偶理论将原问题分解为若干个独立的子问题,通过对子问题的求解可以获得最优的子载波分配和功率分配.同时,根据认知用户业务分组中不同的业务类型授予其不同的权重因子,确保资源分配结果能够满足各认知用户的QoS.仿真结果表明,该算法不仅提高了系统容量,而且还保证了资源分配的公平性和用户的QoS,且算法复杂度不高.     

联合网络与用户最优化的认知无线电功率控制

针对认知用户的功率控制在实现用户效用的最大化时牺牲网络收益进行了研究,联合网络和用户两端对用户进行功率控制可以实现网络收益和用户效用的平衡。联合算法的实现可以采用认知用户单位价格的多维搜索方式,但是该方式计算量大,为了减少计算的复杂度,文章提出一种渐进分析法求解最优单位价格。首先确定使得网络收益最大化的单位价格,并基于该单位价格,采用博弈论分析方法,对认知用户进行功率控制。该算法表明在实现网络收益最大化的同时,用户的收益达到最优化。通过仿真分析,验证了联合算法的有效性。     

基于OFDM的协同认知网络跨层资源调度

协同通信与认知无线电是未来移动通信的重要技术。针对基于OFDM的无线协同认知网络中的资源分配问题,该文提出了一种有效的跨层资源调度方案。该调度方案在考虑对主用户所受干扰功率进行控制的前提下,以最大化认知用户超帧中总的传输速率为目标,在调度帧中对各传输帧两阶段的子载波进行最佳配对,并为配对子载波分配最优的发送功率。通过分步求解的方法,该调度方案形成的优化问题得到有效解决。仿真结果表明该资源调度方案使得认知用户传输速率有显著提升,方案的可行性与有效性得到了验证。     

认知OFDM无线电系统中分布式资源分配

本文针对多用户的OFDM认知无线电系统,提出了一种适合于混合业务的分布式资源分配新算法。该算法以最大化系统容量为目标,将资源分配问题建模为非凸优化问题,并通过拉格朗日对偶理论将原问题分解为若干个独立的子问题,通过对子问题的求解可以获得最优的子载波分配和功率分配。同时,根据认知用户业务分组中不同的业务类型授予其不同的权重因子,确保资源分配结果能够满足各认知用户的QoS。仿真结果表明,该算法不仅提高了系统容量,而且还保证了资源分配的公平性和用户的QoS,且算法复杂度不高     

认知MIMO MAC最优迭代注水算法

研究发送功率以及干扰温度约束下的认知多入多出多址接入信道(MIMO MAC)的速率和最大化问题。通过部分对偶分解技术松弛干扰温度约束,原始问题被分解为较易处理的子问题,并提出一种迭代算法,通过交替进行对偶变量更新与迭代注水运算求解使得速率和最大的最优发送协方差矩阵。最后通过仿真表明算法的有效性。     

联合速率控制与功率分配的多信道无线网络跨层优化

本文基于凸优化方法,以提升网络效用与降低网络总功耗为目标,针对多无线多信道(Multi-radio Multi-channel)的多跳无线网络提出了一种联合速率控制与功率分配的跨层优化模型,并利用对偶分解方法设计了优化模型对应的分布式算法,证明了该分布式算法收敛性.该算法通过改变本征权的取值能够在网络效用与网络功耗之间取得折衷,并能根据速率要求动态调整各条链路的注入速率与发射功率使得网络达到效用与功耗的联合最优.通过仿真实验验证了该分布式算法可有效的调节网络效用与总功耗之间的平衡.     

基于拉格朗日对偶的认知无线电网络最优资源分配算法

针对传统机会认知无线电网络容量有限的问题,提出了基于拉格朗日对偶的认知无线电网络最优资源分配算法。首先,将一个用户分配给每个子载波;然后,使用标准的凸优化方法确定每个子载波的对应功率,仅一个用户可获得功率正值;最后,利用拉格朗日对偶分解法同时分配CR网络中的子载波和功率,最大限度地提高系统的总容量。使用长期演进真实场景参数与空间信道传播模型评估了所提算法的有效性,仿真结果表明,相比次优资源分配算法,所提算法的总容量平均分别提高了9.3%,相比基于任意输入分布的最优资源分配算法,总容量提高了28.7%,并取得了较快的收敛速率,可以很好地用于解决无线电网络资源配置中的容量问题。     

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。