基于NOMA系统的用户分组和功率分配策略

针对非正交多址接入（NOMA）系统的最优用户分组和功率分配方案的高复杂度问题,提出一种改进的用户分组和功率分配策略。首先,对用户进行分组,由信道增益值确定每个子信道的第一个用户,再由贪婪匹配方法分配剩余用户;然后,对用户的功率进行分配,将该功率分配问题分成子信道间和子信道内两部分,对于子信道间采用线性注水算法分配功率,对于子信道内则采用所提的迭代功率分配算法分配功率;最后,构造拉格朗日函数以实现在最大发射功率以及保证每个用户最低数据速率的约束下系统吞吐量的最大化。仿真结果表明,在多用户的情况下,与线性注水的分数阶功率分配（LWF-FTPA）算法和等分数阶功率分配（EQ-FTPA）算法相比,系统吞吐量分别提高了8%和20%,所提策略优于传统算法。     

认知无线网络的Rubinstein博弈频谱共享方法研究

针对传统的功率控制算法限制认知用户的发射功率而影响其服务质量(Quality of Service, QoS)的问题,提出了一种基于功率控制的多人Rubinstein博弈频谱分配算法。该算法通过牛顿迭代公式降低认知用户的发射功率并依据各个用户间的干扰得到相应的链路质量;将经济学中的贴现因子与用户的链路质量建立映射关系;通过链路质量调整认知用户子博弈顺序使得网络总传输速率达到一个相对稳定的状态。仿真结果表明:多个认知用户在同一信道下共享频谱时,采用多人Rubinstein博弈算法对系统的总传输速率有明显的提升,使系统处于稳定且高速的传输状态并节省了一半以上的频谱分配时间。     

混合保护准则下基于NC-OFDM的认知无线电系统功率分配

针对主用户采用OFDM通信体制,认知用户采用NC-OFDM通信体制,认知用户共享主用户授权频谱的工作场景,研究了认知无线电系统功率分配策略。提出依据主用户不同工作状态,采用不同的约束准则:对认知用户工作信道,引入功率泄漏干扰因子约束认知用户的发射功率,以限制对主用户工作信道的泄漏功率强度;对主用户工作信道,设置主用户速率损失上限,以确保主用户正常工作。功率分配算法以混合约束准则为基础,最大化认知无线电系统的传输速率。仿真结果表明,与干扰功率约束机制相比较,本算法能显著提升传输速率。     

认知无线电中基于比例公平的资源分配方案

在基于OFDM的认知无线电网络中,认知用户采用放大转发（Amplify-and-Forward,AF）协作模式进行数据传输。提出了功率和子载波分配及配对的优化算法,认知用户在子载波上的总发射功率是有限的,同时对授权用户造成的干扰必须低于门限值。采用拉格朗日对偶分解法和次梯度法对功率分配算法进行求解,并对子载波分配及配对算法进行了推导。仿真结果表明,与最大化总速率（maximize-total）公平性和最大化最小速率（maximize-worst）公平性相比,比例公平性（maximize-pro-fair）是一个能够使效率与公平性更加均衡的标准;在低信噪比时,就提高系统传输效率以及资源分配公平度指标而言,该算法依然优于其他三种分配方案。     

基于禁忌搜索和Q-learning的CR-NOMA系统的功率分配算法

针对下一代移动通信对于高速率和大规模连接的需求,对认知无线电（CR）-非正交多址接入（NOMA）混合系统中通过优化功率分配来提升次用户总传输速率进行研究,提出一种基于禁忌搜索和Q-learning的功率分配（PATSQ）算法。首先,认知基站在系统环境中观测并学习用户的功率分配,次用户采用NOMA方式接入授权信道。其次,将功率优化分配问题中的功率分配、信道状态和总传输速率分别表述为马尔可夫决策过程中的动作、状态和奖励,通过结合禁忌搜索和Q-learning的方法来解决该马尔可夫决策过程问题并得到一个最优的禁忌Q表。最后,在主次用户服务质量（QoS）和最大发射功率的约束下,认知基站通过查找禁忌Q表得到最优的功率分配因子,实现系统中次用户总传输速率的最大化。仿真结果表明,在总功率相同条件下,所提算法在次用户总传输速率和系统容纳用户数量上要优于认知移动无线网络（CMRN）算法、次用户预解码（SFDM）算法以及传统等功率分配算法。     

认知网络中基于博弈论的联合功率控制与速率分配算法

针对认知无线网络上行链路中的资源分配问题,提出了一种适应于多小区认知无线网络的基于功率控制与速率分配的博弈算法。为了更加合理地控制用户的功率和速率,减小各次用户间的干扰,首先,在效用函数中分别给功率和速率设置了不同的代价因子,使其能够更加合理地控制用户,避免用户过度增加发射功率。其次,从理论上证明了该算法纳什均衡的存在性、唯一性以及算法的收敛性。最后,为了解决发射功率和传输速率的最优化问题,给出了联合功率控制和速率分配的迭代更新算法流程图。理论分析及仿真结果表明,与同类博弈算法相比,在保证通信质量的前提下,所提算法可以使得用户以较小的发射功率获得较大的传输速率和较高的信干噪比（SINR）,并且减小了用户间的干扰,提高了次用户系统容量。     

LTE家庭基站部署中的下行功率控制

家庭基站在LTE中的密集部署,重叠覆盖会在家庭基站间造成较强的干扰。针对家庭基站的下行干扰,提出了一种基于路损的功率控制算法。该算法以下属用户的路损和相邻基站的非下属用户最小路损作为设定基站初始发射功率的依据,用户计算各自的信干噪比（SINR）,并将信干噪比映射成信道质量指示（CQI）发送给家庭基站,各基站根据反馈信息调整自身发射功率,充分考虑到了自身发射功率不足和外界干扰两种情况。仿真结果表明,该算法很好地控制了用户的SINR,同时有效提高了家庭基站用户的吞吐量。     

多用户MIMO下行链路中基于SLNR的联合用户-天线功率分配算法

在多用户MIMO系统中,在天线间或用户间进行发射功率分配,可以显著提高系统总容量.本文针对多用户MIMO系统中的下行链路,在多用户迭代注水算法的基础上,提出一种联合用户-天线功率分配算法,在进行多用户迭代注水之前,首先基于信漏噪比(SLNR)进行用户间功率分配.仿真结果显示,与多用户迭代注水算法及仅进行用户选择的多用户迭代注水算法相比,本文提出的算法大大提高了系统总容量.     

基于噪声模型下D2D蜂窝系统的多用户合作功率控制分配方案

为了减轻D2D用户在通信过程中的相互干扰,提高整个蜂窝系统的吞吐量,根据D2D用户数目、信道状况和系统吞吐量的限制需求,分析干扰噪声模型约束下多用户发射功率的控制问题。通过引入玻尔兹曼常数等参数对干扰模型进行条件约束,最终得到基于效用下系统的平均发射功率和最大和速率,进而给出基于反向迭代组合算法的多用户合作博弈功率控制分配方案。仿真结果表明,该算法满足了多用户共享蜂窝网络频谱资源下的功率分配需求,终端用户发射功率经过多次反向迭代后达到纳什均衡,系统的吞吐量显著提高,频谱资源达到了较好的均衡收益。     

Femto网络中基于自适应定价的功率控制算法

为提高Femto网络的系统能效,提出一种自适应定价的功率控制算法。定义自适应定价因子为家庭基站每增加单位功率时网络能效的边缘下降幅度,每个家庭基站根据收集到的其他家庭基站发射功率信息计算自适应定价因子,以能效优先原则对家庭基站分配发射功率。在此基础上,采用分布式功率控制方法为每个家庭基站进行功率分配,并通过多次迭代求得系统的平均能效。利用MATLAB软件搭建系统仿真平台,实验结果表明,与基于固定定价的功率控制算法相比,该算法可提高约18.6%的系统能效。     

一种基于OFDM认知无线电网络的次优动态资源分配算法

研究了采用正交频分复用的认知无线电网络中的多用户资源分配问题,包括子载波分配和功率分配。在认知无线电系统中,除了考虑主用户与次用户之间的相互干扰,还要求将主用户对次用户的干扰控制在预设门限之下,因此,系统模型更为复杂。整数约束条件,使得寻求最优解的算法复杂度高,无法用于对实时性要求高的系统。因此,提出了一种寻求次优解的分步式资源分配算法,以降低算法的复杂度。首先采用一种综合考虑了功率限制和对主用户的干扰限制的新型子载波分配方案,然后提出改进的线性注水算法进行功率分配。仿真结果表明,相比于最优分配算法,所提出的算法可以在获得较好的系统容量的同时,有效地降低系统的复杂度,适用于对实时性要求高的系统。     

宏-飞蜂窝双层网络中基于毫微微基站分组的资源分配

针对宏-飞蜂窝双层网络模型中宏小区（Macrocell）用户层和毫微微小区（Femtocell）用户层之间的跨层干扰和Femtocell之间的同层干扰,提出了一种基于毫微微基站分组的资源分配算法。该算法包括两个部分：一部分是宏基站先利用改进的差额法,设置虚拟的宏用户（MUE）,将之变为平衡的指派问题再为宏小区用户分配信道,然后用注水算法分配功率,保证宏小区用户的正常传输。另一部分是在保证宏小区用户的服务质量基础上,采用一种增强型的蚁群优化（EACO）算法,设定信息素浓度范围后对毫微微小区进行分组,避免了原始的蚁群算法有可能陷入局部最优的现象;再利用一种启发式算法和分布式功率分配算法分别对毫微微用户（FUE）进行信道和功率分配,在满足毫微微小区用户的数据速率需求下,最大化频谱效率。仿真结果表明,EACO有效地抑制了跨层干扰和同层干扰,既能保证用户的数据速率需求,又能有效提升网络频谱效率。     

Mutual interference considered power allocation in OFDM-based cognitive networks: The single SU case

Efficient and conflict-free power allocation strategies in cognitive radio networks are being extensively studied in current research in order to meet the requirements of future wireless applications. In this paper, specifying the single secondary user (SU) with multiple primary user (PU) case, a novel power allocation scheme is developed for orthogonal frequency division multiplexing (OFDM) – based cognitive radio networks designed to maximize the capacity of the SU while limiting the interference to the PUs. First, the mutual interference between the SU and the PUs is comprehensively formulated as the restrictions on the SU’s transmission power. Secondly, the power allocation problem is analyzed and formulated as a constrained optimization problem which is concluded to a peak-power constrained water-filling formulation. Finally, a novel low-complexity water-filling algorithm is proposed to solve the optimization problem and the optimal power allocation result is achieved. In a simplified scenario, numerical results are exhibited to confirm the efficiency of the proposed water-filling algorithm, and the influence of the mutual interference on the power allocation and the system capacity is further illustrated.     

CPSO在配电网OFDM系统比特功率分配中的应用

自适应OFDM系统的比特功率分配是提高频谱利用率的关键技术,基于注水原理的注水迭代算法能够达到比特功率分配的理论上线,但实际系统中由于调制方式及传输比特整数规划的要求,不能达到比特功率分配的优化结果。鉴于此提出了云粒子群优化算法（Cloud Particle Swarm Optimization,CPSO）,利用云模型的不确定特性增加群体多样性,解决粒子群优化算法易于陷入局部极值的缺点。通过给出的云粒子群进化模式,实现搜索空间的全局搜索和局部搜索;采用进化过程中动态缩小搜索空间策略提高算法收敛速度,从而解决在低压配电网上系统发射总功率和误码率限定条件下的系统传输速率最大化比特功率分配问题。通过仿真实验表明所提算法的分配结果与位添加法相当,减少了运行时间,与注水迭代算法相比,在系统传输速率相同的情况下节省功率达4.7~14.8 dBm。     

认知智能电网中基于能效优化的频谱分配策略

针对智能电网的无线通信环境存在频谱短缺、资源利用效率低等问题,将认知无线电技术应用于智能电网的邻域网络通信中.引入认知智能电网概念以保证业务传输的公平性和有效性,提出一种基于改进二进制蝴蝶优化算法(BOA)的频谱分配策略,此方案考虑了通信过程中的信噪比和路径损耗,选择系统能量效率作为信道效益,并且在拓扑结构固定的城市居民小区进行建模仿真.首先,使用基于改进时变转换函数和扰动策略的二进制蝴蝶优化算法(IBBOA)为认知智能电网用户进行频谱分配;然后,采用基于接收信噪比的闭环功率控制算法动态调整用户的传输功率,减少认知智能电网用户和主要用户之间存在的干扰;最后,以系统能量效率和两个用户公平性指数为优化目标,与遗传算法(GA)和二进制粒子群算法(BPSO)进行对比实验.仿真实验表明,联合闭环功率控制的IBBOA算法所获得的系统能量效率比未联合闭环功率控制的NBOA算法高33.2%,IBBOA算法最终的系统能量效率和用户公平性指数fair比GA算法分别高出47.8%和62.6%,比BBOA算法分别高出17.6%和26.7%.结果表明所提方案能够有效抑制认知智能电网中用户间的干扰,大大提高频谱利用率和系统能量效率.     

异构网络中基于鸽群优化算法的D2D资源分配机制

针对异构蜂窝网络中D2D(device-to-device)通信用户复用蜂窝用户上行信道产生的频谱资源分配优化问题,提出一种基于改进离散鸽群算法(PIO)的D2D通信资源分配机制.通过设置信干噪比(SINR)门限值保证用户的通信服务质量(QoS),使用基于改进地图-指南针算子和认知因子的离散鸽群算法(IMCBPIO)为D2D用户进行资源分配,并采用基于接收SINR的闭环功率控制算法动态调整用户的发送功率,以减少用户与基站以及用户与用户之间存在的干扰.仿真结果表明,所提出方案能够有效抑制异构网络中由于引入D2D用户后导致的干扰,降低通信用户的中断概率,大大提高频谱利用率和系统吞吐量.