无线mesh网络中基于效用最优的联合信道分配和功率分配算法

该文针对多信道无线mesh网络,采用基于效用最优的定价机制,提出了一种功率-干扰价格模型,并基于该模型提出了一种分布式联合信道分配和功率分配算法。每个节点根据自己所消耗功率状况合理地定功率价格,并根据自己所受干扰状况合理地定干扰价格。通过功率价格和干扰价格来调节链路的信道分配和功率分配,使网络效用最大化。仿真结果表明:所提出的算法能够快速、平稳地收敛到近似最优解。同时还仿真了网络可用信道数目、节点射频数目和功率对系统性能的影响,可以为网络配置提供参考。     

高速无线个域网中一种基于效用公平的机会调度算法

基于对无线高速个域网中机会调度的研究,提出了一种适用于WPAN的机会主义时隙调度算法FPTS。该算法充分考虑了信道状态的波动和用户间的公平性,由参数更新模块和调度分配模块组成。参数更新模块根据调度结果更新控制参数,维护用户的公平性和自适应的跟踪信道的变化;调度分配模块负责计算每个用户的公平效用权值,并按照权值向各用户比例分配信道资源。仿真结果表明：所提调度方案能够在保证系统高吞吐量的前提下,获得LLPTS算法更好的公平性和信道使用效率。     

基于干扰图的家庭基站分簇频谱分配算法

为了减小宏用户和家庭基站之间的干扰,有效分配频谱,本文提出了基于图论着色的分簇信道分配算法。该算法在保证满足宏用户信干噪比(signal-to-interference plus noise ratio,SINR)要求的前提下确定每个家庭基站可用的子信道集,再根据构造的家庭基站系统干扰图,动态地给每个用户分配所有可用的频谱资源。本文分别构建无向干扰图和有向权重干扰图,使用了一种基于簇的改进算法,在保证宏用户信干噪比的条件下,尽量提高家庭基站的吞吐量。仿真结果表明,本文算法可以降低宏用户和家庭基站的中断率,同时频谱效率得到提高。     

基于用户分簇的认知超密集网络资源分配

针对5G时代小基站的密集部署带来的复杂干扰问题,对下行的认知无线电超密集网络下的资源分配进行了研究。为减小网络干扰,提高次用户吞吐量,提出了一种改进的基于用户分簇的资源分配算法。基于基站的覆盖范围,选出用户的强干扰基站,以用户-基站干扰关系建立用户-用户干扰图,按用户受到的平均弱干扰划分优先级对用户分簇,再为簇集群预分配频段,为每个簇分配对应频段中效用最大的信道。该资源分配算法能准确反映用户间的干扰关系,保障资源分配公平性。仿真结果表明,当用户密度与基站密度均较大时,与相同场景的已有算法相比,该改进算法有较好的抗干扰能力,能有效提高次用户的吞吐量。     

认知无线电中基于Stackelberg博弈的分布式功率分配算法

在underlay认知无线电场景中,为了让认知用户能随机地接入主用户正在使用的授权频段,且对主用户产生的干扰不高于主用户能够容忍的干扰温度门限,该文采用Stackelberg博弈机制进行认知用户的发射功率分配。将主用户作为模型中的leader,认知用户作为follower,认知用户使用主用户的授权频段时需以干扰功率为单位支付给主用户相应的费用,而主用户则可以通过调整价格,限制认知用户产生的总干扰功率不高于其所能容忍的干扰温度门限,以便获得最大收益。同时,不同认知用户间根据主用户制定的价格,进行非协作博弈。仿真结果表明,与集中式的最优功率分配算法相比,该文可通过简单的分布式功率分配算法获得与其相近的系统性能,且主用户与认知用户间只需进行少量的信息交互,这与需进行大量信息交互的集中式最优算法相比,具有较大的优势。     

认知无线电系统中基于OFDM的一种资源分配方案

文章在已知主用户干扰门限的基础上,对认知用户的子载波和功率进行合理分配;阐述了使认知用户系统容量达到最大的最优功率分配算法,给出了易于实现的次优算法,并与传统功率分配算法进行比较。仿真结果表明,在给出不同干扰门限的条件下,认知用户采用最优算法比传统算法获得的发射功率要高,并且次优算法的性能接近最优算法。     

基于认知OFDM的子载波功率分配改进算法

在认知无线网络中,建立了基于认知OFDM多载波资源分配数学模型,在授权用户干扰受限条件下,以最大化传输速率为目标进行认知用户的子载波功率分配。传统注水法被证明是最优的单用户子载波功率分配算法,在传统注水法功率分配基础上,提出了两种可行的子载波功率分配改进算法,改进算法一是通过对水面值的粗略估计快速确定不分配功率子载波,改进算法二不需要通过迭代计算水面值,只通过线性计算就可以直接确定不分配功率的子载波,且对授权用户不产生干扰。仿真结果表明,在改进的两种子载波功率分配算法下,认知用户的数据传输速率优于传统注水法功率分配时认知用户的数据速率,所提改进算法具有自适应特性且计算复杂度大大降低。      

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。     

OFDMA系统保证服务质量的分组调度算法

在正交频分多址接入系统中采用正比公平算法可以兼顾吞吐量和公平性,有效地提高系统性能。结合正比公平算法,该文提出一种应用于正交频分多址接入系统保证服务质量的分组调度算法。为防止需求速率高但瞬时信道状况差的用户分配过多的子载波,算法使用了动态变化的权重因子。在一次调度过程中,剩余子载波的权重因子可以随着子载波的分配而更新。仿真结果证明,在满足实时业务服务质量的前提下,该算法比正比公平算法具有更好的公平性。     

认知无线网络中基于Stackelberg博弈的功率控制新算法

针对认知无线网络中存在的干扰问题和功率消耗过大问题,提出了一种新的基于斯坦克尔伯格(Stackelberg)博弈的功率控制算法。建立了主次用户双层网络模型,将主用户设置为领导者,次用户设置为追随者,并对次用户产生的总干扰进行定量分析。在次用户多次博弈的过程中,动态地调整主用户单位干扰价格,在保证主用户自身正常通信前提下,尽量使得收益最大化,提高主用户的参与积极性。仿真实验表明,该算法在保证主次用户的服务质量（QoS）前提下,有效地减小了次用户的发射功率,而且能获得更高的系统容量。