基于初始化AP的自适应信道分配算法

在高密度AP部署的网络环境中,由于ISM频带只有1、6和11三个正交信道,因此AP的工作信道不可避免的存在重叠,其重叠信道干扰对吞吐量有较大的影响。文中从基于AP上线时为其分配信道的角度出发,提出了一种集中式自适应信道分配算法DNAF（ Densest Nearest Assignment First）。在大量AP刚上线时,通过周期性广播扩展信标帧,建立动态的网络拓扑结构图,并通过AC为其进行优化信道分配。通过对信道分配算法的大量实验及仿真,结果表明,在高密度且AP邻居分布不均匀的网络环境下,与启发式算法NOFA-1及随机信道分配算法相比,该算法能有效地减小邻居间干扰,从而达到提高网络吞吐量的目的。     

Mesh网络中实用有效的多信道分配方法

多信道多接口可以明显提高Mesh网络的吞吐量,然而已有的多信道分配算法和协议基本上都没有考虑无线信道的隔离度,这样便造成了路径间干扰。提出了一种基于信道隔离度的启发式多信道分配算法（CSCA）,有效地减少了路径间干扰。所构建的森林拓扑一方面方便了信道分配,另一方面也改善了流量均衡。模拟实验结果表明,CSCA算法有效地降低了Mesh网络中的干扰,提高了网络吞吐量。     

基于正则总体最小二乘准则的OFDM系统信道估计算法

基于导频的最小二乘(LS)估计方法的优点是结构简单,容易实现,但对噪声和干扰敏感。通过对OFDM系统中由于信道的时变性产生的载波间干扰进行了分析,在此基础上提出正则总体最小二乘(TLS)信道估计算法。根据Tikhonov正则化原理,导出了总体最小二乘正则化解法的计算公式。与一般的LS信道估计相比,TLS方法同时考虑了信道噪声和信道时变特性,所以该算法不仅在一般的信道条件下具有良好的性能而且也适合快变信道条件下的OFDM系统。仿真结果表明,该算法具有很好的均方误差和误比特率性能。     

一种联合多信道分配决策的认知Mesh系统数据传输优化算法

在认知Mesh系统进行数据传输的过程中,为了提高数据包投递成功率及网络的吞吐量,减少网络延迟时间,提出一种联合多信道分配决策的认知Mesh系统数据传输优化算法(JCWN)。针对信道的干扰问题,建立了认知Mesh系统的干扰无向图,分析节点链路的网络干扰电平。在节点的路由请求阶段通过提出基于信道干扰电平的路由指标函数,并通过权重阈值来为节点链路分配干扰较小的信道。在路由选择上,联合多路由算法计算每条路由路径的信道干扰程度,为了保障节点传输数据的成功率而选择干扰程度更小的路由。实验仿真结果表明,在数据包投递成功率上,该算法相比POC算法以及基于RL的算法提高了20%以上,在提高网络吞吐量,减少延迟时间上也表现出了更好地效果。     

一种最小化干扰数目的多无线电信道分配算法

无线Ad hoc网络中要求链路可以随机处于任何位置进行通信.由于链路位置的随机性,可能会造成某些链路都聚集在某个小范围内,同时通信可能会造成链路间相互干扰.因此需要一种机制来保证链路间实际干扰最小.针对此问题,在信道分配中运用了博弈的思想,利用位势博弈特性构建效用函数,对存在潜在干扰的链路分配信道,使实际干扰最小.算法通过不断循环改变链路无线电的信道,最小化实际干扰数目达到纳什均衡.仿真结果表明,算法能够使信道分配策略达到纳什均衡,使链路间通信拥有更高的吞吐量和更好的鲁棒性.     

密集家庭基站网络中基于分簇的资源分配方案

针对家庭基站密集部署情况下的下行干扰问题,提出一种基于分簇的资源分配方案。首先,采用部分频率复用（FFR）技术将网络中所有小区划分成不同的空间,既能抑制宏基站之间的同层干扰,又能降低边缘区域宏基站与家庭基站间的跨层干扰;然后,结合图论的知识及凸优化理论对家庭基站进行分簇,并采用基于用户速率公平的信道分配算法对家庭基站进行子信道分配,抑制家庭基站间的同层干扰;最后,采用分布式功率控制算法对家庭基站功率进行动态调整,进一步提升系统的性能。仿真结果表明：相比传统未分组算法,所提算法的信干噪比（SINR）和吞吐量有明显提高,其中,系统吞吐量低于4 Mb/s的概率降低为30%;同时,与未分组算法相比,所提算法公平性提高了12%,使用户获得更高的满意度。     

无线Mesh 网络低干扰组播

不同于无线传感器网络和移动Ad Hoc网络,无线Mesh网络中的组播主要侧重于提高吞吐量,而干扰是影响吞吐量的重要因素。在构建组播拓扑时,传统的方法主要考虑最小价值或最短路径,而通过减少干扰来提高组播性能的研究较少,且它们的干扰计算方法都采用单播的思想,并不适合于组播。例如,当n个接收节点同时从一个节点接收数据时,在组播中这n个接收节点之间不存在干扰,而在单播中认为存在干扰。因此,提出了组播冲突图来计算组播干扰,给出组播树干扰的定义。可以发现,求最小干扰组播扰树是NP完全问题,然后提出基于万有引力的启发式算法构建具有较小干扰的组播树。为了适用于多信道的情况,提出了满足不同干扰范围的多跳信道分配算法。最后,仿真结果显示,与MCM相比,所提出的算法无论是在单天线单信道还是多天线多信道下,都能取得较高的吞吐量和较低的延迟。     

Ad Hoc网络中基于双向多信道预留的媒体接入算法

结合多信道和双向信道预留的策略,本文提出了一种新的应用于Ad Hoc网络的多信道媒体接入算法-NBMC算法,并对其吞吐量进行了性能分析。仿真实验结果表明,与IEEE802.11DCF相比,NBMC算法使Ad Hoc网络上的TCP吞吐量和各TCP流信道占用的公平性都得到了有效的改善。     

块对角化预编码下的用户选择技术

针对下行多用户多天线系统(MU-MIMO)的资源分配和用户调度,提出了一种基于遗传算法(GA)的多用户比例公平调度算法,并通过在初始群体中加入具有优秀基因的个体并保持其基因稳定性,加快了遗传算法的收敛性。基站端采用块对角化预编码机制来消除用户间干扰,并在保证用户间速率比例公平的前提下最大化系统吞吐量,在同一时刻选择最优用户集来传输。此外,分析了信道反馈错误对该系统的影响。仿真与分析表明,提出的基本算法与改进算法在公平性和系统的吞吐量方面取得了较好的折中,同时算法复杂度比较低。     

无线局域网中负载均衡的AP主控式切换算法

提出一种AP主控的切换式均衡算法,使用STA数目、RSSI和信道忙碌率等因素分配AP负载,并采用接入式算法思想,判断切换的目标AP是否接受超载AP的分流。该方法能正确衡量AP的负载,合理分流一部分超载AP的STA站点,有效地提高了系统的吞吐量。     

认知无线电中基于QoS分级的频谱分配策略

为提高认知无线电中的系统吞吐量,保证频谱分配的公平性,提出一种基于服务质量(QoS)分级的频谱分配策略。建立模糊综合判决模型,根据认知用户的业务类型判别其QoS级别,应用CMSB信道分配算法进行频谱分配。仿真实验结果表明,该频谱分配策略能在满足认知用户QoS需求的同时,保证较高的系统吞吐量和接入公平性。     

OFDMA系统中基于QoS的资源分配算法

针对正交频分多址(OFDMA)系统多用户分集的特点,提出一种基于用户服务质量(QoS)的自适应资源分配算法。利用多用户分集增益和自适应调制编码对功率进行平均分配,从而降低算法的复杂度。仿真结果表明,该算法虽然使系统吞吐量略有减小,但在用户QoS保证与用户公平性方面均有较大的性能提升。     

长期演进系统基于加权平均时延的下行资源调度

针对长期演进（LTE）移动通信系统下行链路传输中多用户的实时（RT）与非实时（NRT）业务传输性能需求问题，提出一种基于用户加权平均时延的改进型的最大加权延时优先（MLWDF）资源调度算法。该算法在考虑信道感知与用户服务质量（QoS）感知的基础上引入反映用户缓冲区状态的加权平均时延因子，该因子通过用户缓冲区中待传输数据与已发送数据的平均时延均衡得到，使具有较大时延和业务量的实时业务优先调度，提升了用户的性能体验。理论分析与链路仿真表明，提出算法在保证各业务时延及公平性的基础上，提升了实时业务的QoS性能，在用户数量达到50的条件下，对比MLWDF算法实时业务的丢包率降低了53.2%，其用户平均吞吐量提升了44.7%，虽牺牲了非实时业务的吞吐量，但仍优于VT-MLWDF算法。实验结果表明，所提算法在多用户多业务传输条件下提升了实时业务的传输性能，并在QoS性能上明显优于对比算法。     

基于Fibonacci的动态带宽分配算法

针对WiMAX系统中混合业务的特点,提出一种基于Fibonacci的动态带宽分配算法。介绍Fibonacci数列以及带宽调度的体系结构,对于实时轮询业务,在达到其能容忍的最大时延之前完成带宽分配。实验结果表明,与亏空公平优先队列算法相比,该算法能满足不同类型业务的QoS需求,提高系统吞吐量,且具有较好的服务公平性。     

无线Mesh网中具有QoS保障的MAC算法

(中南民族大学电子信息工程学院,武汉 430074)     

基于跨层的中高速传感器网络多元参数调度与资源自适应分配算法

针对中高速传感器网络中不同业务对QoS(quality of scrvice)的不同要求,跨层考虑物理层和数据链路层参数,提出了一种适合混合业务的多元参数调度算法和资源分配算法。该算法根据不同的业务动态调整时延补偿因子和吞吐量补偿因子两个参数,在满足实时业务QoS约束的前提下,以最大化系统吞吐量为目标建立了相应的优化模模型,对于实时业务能满足时延较小的要求,对于非实时业务能满足吞吐量较大的要求。仿真结果表明,该调度算法可以灵活地在系统功率效率和用户服务质量满意度之间取得折衷,并保证不同类型业务用户间的公平性。     

多媒体传感器网络中服务感知的公平调度算法

针对多媒体传感器网络中基于异常事件驱动的服务模式和基于用户查询驱动的服务模式,分析不同服务的流量模式,提出一种服务感知的公平调度策略,采用基于流量预测的动态公平缓冲共享机制和速率分配算法实现2类数据QoS的公平保障。仿真实验表明,该算法在传输延迟和成功到达率方面实现了公平性目标。     

认知无线电网络基于QoS的监听时间与资源联合分配

以最大化所有认知无线电用户(CRU)的吞吐量为目标,同时保证每个CRU的服务质量(QoS)约束,研究了联合最优监听时间和资源分配问题,并基于此提出了一种监听时间与资源联合分配算法.在多信道认知无线电网络中,频谱监听和资源分配都会影响网络的吞吐量.兼顾二者的联合优化问题可以被分解为两个子问题:固定监听时间的资源分配问题, 以及固定资源分配策略的最优监听时间一维穷举搜索问题.提出的算法可以通过穷举搜索获得最优监听时间,并通过次梯度算法获得最优资源分配策略.仿真结果表明,提出的最优监听时间与资源分配算法可以最大化认知无线网络的吞吐量; 此外,各认知用户的QoS需求也能得到保证.     

一种公平的认知无线电系统下行频谱分配策略

目前关于认知无线电频谱分配的研究大多以最大化系统容量为目标,很少考虑认知用户的QoS需求,频谱分配方案设计缺乏公平性。针对主用户干扰限制和保障认知用户QoS需求,结合OFDM技术,研究了认知无线电场景中下行多用户分配算法。该算法构建不等式约束下的目标函数以最大化系统容量,通过拉格朗日(Lagrange)对偶优化法给出近似最优解。仿真结果表明,所提算法在牺牲系统和容量的前提下充分保证了次用户的QoS需求,提高了系统的公平性。     

基于HAGA的D2D-NOMA资源分配优化算法

针对无线系统带宽资源有限、基站负载压力大、传输时延长等问题,提出一种基于非正交多址接入技术的D2D系统吞吐量最大化资源分配算法。在不同用户的服务质量约束条件下,建立D2D系统吞吐量最大化资源分配模型。该模型的优化目标是一个混合整数非线性规划问题,将其解耦为信道匹配与功率分配2个子问题并分别进行处理,利用自适应惩罚函数法处理约束条件并提出一种基于爬山策略的自适应遗传算法以对问题进行求解。仿真结果表明,与GA、AGA算法相比,该算法能够有效提高D2D系统的吞吐量,且收敛性能更好。