基于MIMO信道估计误差模型的功率分配与自适应调制算法

该文分析了瑞利平坦衰落信道下,信道估计误差对采用迫零接收的MIMO系统性能的影响,提出了一种以系统有效吞吐量最大化为目标的功率分配与自适应调制算法.为了减少信道估计误差对实际系统性能的影响,该算法对发送端估计的信噪比进行修正,并以此作为功率分配和自适应调制的依据.在系统总功率受限的条件下,对发端多天线的功率分配结合了空域注水定理和比特分配,并尽量保证调制阶数高的数据符号所在天线的功率.仿真结果表明,该算法实现较简单,获得的系统有效吞吐量接近于最优值,适用于实际系统.     

一种新的时变衰落信道下MIMO系统的功率分配与自适应调制算法

本文提出一种在时变衰落信道下,MIMO系统的功率分配和自适应调制方法.该方法采用空域注水定理,在发送端天线的平均功率受限的条件下,按照信道传输矩阵的奇异值对发端的多天线进行最优功率分配和自适应MQAM调制.本文从频谱效率方面对其性能进行分析.给出了信道估计的误差和反馈时延对该方法的影响.理论分析和仿真结果表明,该方法实现简单,且与传统的总功率受限的自适应调制方法相比,具有更高的频谱效率.     

MIMO空间复用系统的最小BER比特分配

该文基于最小误比特率(BER)准则,提出了多输入多输出(MIMO)空间复用系统的贪婪比特分配算法和基于二分法的比特分配算法.在总比特速率和每个发射天线分配相等功率的约束条件下,通过比特分配优化每个发射天线的调制方式,改善了系统的BER性能.仿真结果表明,与传统的MIMO系统相比,比特分配的MIMO系统可获得显著的信噪比(SNR)增益;与功率分配相比,比特分配在性能损失很小的情况下减少了每个发射天线的功率放大器的动态范围.     

红外无线系统的变步长自适应功率分配算法

红外无线通信系统中,为了在功率和误码率一定的限制下进一步提高系统容量,提出了一种新的变步长自适应功率分配算法,该算法以每比特分配功率的代价最小为原则(一次可分配多个比特)来选择最佳的调制技术.分析了其速度原理,并在建立模型的基础上,通过仿真研究了新算法的系统性能,并与理想注水算法以及传统的简单速率量化算法进行比较.仿真...     

时变信道下MIMO系统自适应调制与功率分配的算法性能分析

提出一种在时变衰落信道下，MIMO系统的功率分配和自适应调制方法。该方法采用空域注水定理，在发送端天线的平均功率受限的条件下，按照信道传输矩阵的奇异值对发端的多天线进行最优功率分配和自适应MQAM调制。本文从频谱效率方面对其性能进行分析，给出了信道估计的误差和反馈时延对该方法的影响。理论分析和仿真结果表明，该方法实现简单，且与传统的总功率受限的自适应调制方法相比，具有更高的频谱效率。     

基于天线波束成形的OFDMA系统的自适应资源分配

对正交频分复用接入系统在多用户多天线传输情况下的自适应资源分配策略进行了研究,提出了一种基于天线波束成形的,包括动态子载波分配、自适应调制、比特加载的无线资源分配方案.算法的优化设计目标是在满足总的恒定传输比特数和误比特率性能要求的情况下,使得系统总的发射功率最小.仿真结果表明,由于多天线阵列增益和多用户分集增益,系统整体性能得到了明显的优化.     

基于注水原理的快速功率和比特分配算法

提出了一种新的基于注水原理的低计算复杂度的快速功率和比特分配算法.在功率最小化问题上,通过对公式的变形和求解,使得问题的求解形式与注水算法一致.利用注水性质快速调整注水线从而移除了复杂的搜索注水线计算,实现了功率最小化快速功率和比特分配算法.仿真结果表明,与已有的算法相比,提出的算法节省了大量的计算时间.     

一种用于离散比特分配的改进注水算法

该文针对OFDM系统的离散比特分配问题,提出一种改进的注水算法。该算法的实现借助于文中定义的比特水线分配给某个子载波的功率直接满足整数比特约束的注水线。先用最大信道增益子载波的比特水线进行离散比特分配,再调整分配结果以满足总发射功率约束。理论证明和分析显示,该算法能实现最优比特分配,运算复杂度仅与子载波数量有关。     

一种基于OFDM的多用户认知无线电系统联合资源分配算法

针对频谱共享环境,研究了采用OFDM调制方式的多用户认知无线电系统中,综合考虑自身发射功率约束与主用户干扰功率约束的资源分配问题.基于最大化认知用户和速率的优化目标,给出了连续比特条件下最优的多水位注水功率分配表达式;针对更实际的整数比特要求情况,通过基于相对增益因子RG的子信道选择机制与每个认知用户内多约束的贪婪比特与功率分配策略,来最大限度地提高频谱利用率.仿真结果表明:联合的子信道、功率与比特分配算法在不同的参数设置下均达到了良好的性能,在不影响主用户通信的前提下有效地提高了认知系统的频谱利用率.     

多误码率固定速率OFDM自适应调制比特功率分配方法

一些应用中需要多误码率的固定速率OFDM自适应调制.本文首先对该多载波自适应调制需求中的比特功率优化分配问题建模,并进一步限定各OFDM子信道采用正交幅度调制(QAM),基于子信道调制比特的任意正实数和无限粒度假设详细分析了子信道集合划分和比特功率分配问题,由此得到一种实用的次最优子信道集合划分和比特功率分配方法.分析和仿真表明由于可得到比特分配的闭式表达,因此该方法计算复杂度低,且性能良好,是一种实用的多误码率固定速率OFDM自适应调制比特功率优化分配方法.     

OFDMA系统中功率分配新算法研究

通过对迭代注水算法的分析,提出了一种功率分配的新算法,该算法不需要多次迭代,并且能在一定功率约束的条件下,有效地提高系统吞吐量。给出了具体的算法实现步骤和复杂度分析,表明该算法复杂度明显低于迭代注水算法。最后,对该算法进行了仿真分析,并以信噪比为8 dB时为例,分析了两算法的吞吐量性能。仿真结果表明,在低信噪比环境中该算法对系统容量的改善更为显著,且所提算法的吞吐量性能完全逼近迭代注水算法。     

Capacity of multiple-antenna systems with both receiver and transmitter channel state information

The capacity of multiple-antenna systems operating in Rayleigh flat fading is considered under the assumptions that channel state information (CSI) is available at both transmitter and receiver, and that the transmitter is subjected to an average power constraint. First, the capacity of such systems is derived for the special case of multiple transmit antennas and a single receive antenna. The optimal power-allocation scheme for such a system is shown to be a water-filling algorithm, and the corresponding capacity is seen to be the same as that of a system having multiple receive antennas (with a single transmitter antenna) whose outputs are combined via maximal ratio combining. A suboptimal adaptive transmission technique that transmits only over the antenna having the best channel is also proposed for this special case. It is shown that the capacity of such a system under the proposed suboptimal adaptive transmission scheme is the same as the capacity of a system having multiple receiver antennas (with a single transmitter antenna) combined via selection combining. Next, the capacity of a general system of multiple transmitter and receiver antennas is derived together with an equation that determines the cutoff value for such a system. The optimal power allocation scheme for such a multiple-antenna system is given by a matrix water-filling algorithm. In order to eliminate the need for cumbersome numerical techniques in solving the cutoff equation, approximate expressions for the cutoff transmission value are also provided. It is shown that, compared to the case in which there is only receiver CSI, large capacity gains are available with optimal power and rate adaptation schemes. The increased capacity is shown to come at the price of channel outage, and bounds are derived for this outage probability.     

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。      

一种MIMO系统中的新型资源分配算法

本文提出了一种MIMO(Multi-Input and Multi-Output)系统中的新型自适应调制和功率分配算法,在奇异值分解的基础上通过注水算法进行功率分配,此后根据所分配的功率与信道状态信息来确定自适应调制的门限及相应的调制阶数,并在自适应调制后通过功率修正因子来弥补常见算法中功率不能得到有效利用的问题,仿真结果表明该算法可以得到较高的频谱效率.     

认知无线电下行链路中的频谱共享算法

该文提出了一种适用于下行认知无线电系统的频谱共享算法,在保证对授权用户的干扰低于限制和总发射功率受限的条件下最大化系统总容量.分析了对授权用户的干扰并给出设置干扰限制的方法,在此基础上分两步实现总容量的最大化:先通过最大信道信干噪比原则实现最优的子载波分配;然后利用提出的双注水方法计算最优的功率分配.仿真结果表明,相比传统的频谱共享算法,该算法可以获得显著的系统容量增益.     

基于可再生能量协作的雾无线接入网络资源分配

针对雾无线接入网络(Fog Radio Access Network,F-RAN)中能耗开销巨大的问题,提出了一种基于能量收集(Energy Harvesting,EH)约束的资源分配算法,从联合模式选择与功率分配两个方面进行了研究.首先建立传输模型和能量采集模型,根据功率约束和电费支出约束建立最优化问题;再使用分枝定界法对通信模式进行选择,利用吞吐量注水法对不同传输模式下的发射功率进行分配.仿真结果表明,提出的基于可再生能量协作的F-RAN的吞吐量和电网能量效率均高于传统F-RAN,具有经济和环境双重效益.     

一种基于最小误码率的OFDM自适应比特及功率分配算法

OFDM自适应调制技术根据各子载波在频率选择性衰落信道中不同的瞬时增益，动态地分配数据比特和发射功率，可以优化系统性能，提高频谱效率。该文主要研究OFDM系统发射功率和传输比特数不变时误码率最小化的自适应（MA）算法。提出一种以注水门限为迭代参数的MA算法，并引入有记忆步长迭代法，提高算法的稳定性。仿真结果表明，与过去的算法相比，该算法能以较低的复杂度获得更好的性能。     

Power saving for real-time services in multiuser OFDMA-based cognitive radio systems under average interference constraint

This paper considers a power minimization problem for Quality-of-Service provisioning in the downlink of multiuser OFDMA-based cognitive radio systems with real-time services by jointly optimizing over subcarrier and power allocation. An average interference constraint is imposed to protect the primary transmission. The optimal solution is obtained by using Lagrange methods. It can be seen that the optimal power allocation follows a modified water-filling approach with different water levels for different subcarriers and users. An optimal algorithm and a suboptimal algorithm based on stochastic nature are then proposed. Numerical comparisons show that the performance of the suboptimal algorithm with low complexity is close to that of the optimal one, which demonstrate that the suboptimal algorithm outperforms other algorithms.