认知无线网络中基于多用户公平性的功率分配

研究认知无线网络中保证多用户场景下保证用户速率需要的功率分配问题.提出了保证用户公平性的最小化用户实际传输速率与期望速率差值的优化模型,给出了一种集中式功率分配算法1;为了减少减少迭代次数,提出了一种改进的集中式算法2;最后给出了一种分布式的求解算法3.仿真结果表明三种求解算法都收敛于最优解,且集中式算法2的迭代次数明显小于集中式算法1,分布式功率分配算法有利于减少实现的复杂度.     

基于SC-FDMA的宽带认知无线电网络中最优功率分配的研究

研究了基于单载波频分多址(SC-FDMA)的宽带认知无线电网络中非授权用户(NU)的最优功率分配(OPA)问题.首先给出了基于SC-FDMA的宽带认知无线电网络中非授权用户对授权用户的干扰功率模型.在此基础上,分别在下述两种约束条件下利用凸优化理论推导出了两种使非授权用户的和速率最大的最优功率分配(OPA)算法.约束条件一为:任一非授权用户的任一子载波对授权用户的干扰功率受限(IPCs);约束条件二为:所有非授权用户的所有子载波对授权用户的干扰功率受限(IPC).仿真结果表明,与等功率分配(EPA)和传统最优功率分配(C-OPA)算法相比,所提出的算法显著提高了非授权用户的可达和速率.     

认知无线电中联合功率控制的动态频谱分配算法*

针对认知无线电网络动态频谱分配算法开展研究,基于最大独立集理论,提出一种改进的联合功率控制的动态频谱分配算法,通过联合功率控制机制,避免用户之间的相互干扰和对已分配信道链路的干扰,满足多用户应用需求,并减少节点能耗。该算法以最大独立集为分配起点,允许一次同时分配信道给多个互不干扰的链路,同时兼顾资源分配的公平性,能够有效减少分配的总次数和用户间的信息交互量。仿真结果显示改进的动态频谱分配算法在需求满足率和公平性上都优于原有算法。     

OFDM认知无线电网络低复杂度功率分配算法

在正交频分复用认知无线电网络中,研究多个功率约束条件下的功率分配问题。认知用户功率约束条件分为两类:对主用户频段的干扰约束与认知用户总传输功率约束。以最大化认知用户速率为目标,构建一个多约束条件优化问题,得出最优功率分配算法,在此基础上,通过对约束条件加以分解,提出一种低复杂度的次优功率分配算法。仿真结果表明,最优算法可以取得最大的认知用户传输速率;提出的次优算法可以极小的性能损失,在复杂度上取得较大优势。     

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。     

中继OFDMA系统容量公平资源分配算法研究

针对OFMDA解码-转发中继系统的资源分配问题,提出了一种以系统总功率和用户间的数据速率比例公平为约束条件,以最大化系统总速率为目标的资源分配算法。该资源分配问题为非线性最优化问题,联合求解所有变量复杂度很高,通过次优化的方法降低计算复杂度。算法包括：子载波分配和功率分配。子载波分配是以功率平均分配为前提,对基站-中继站和中继站-用户链路的子载波按照信道条件进行配对,并根据比例公平约束将配对的子载波分配给相应的用户。功率分配是对每个用户利用Lagrange方法调整每个子载波的功率,进一步提高系统的数据速率。算法仿真分析表明,该算法既能同时满足多用户不同数据速率的要求,又能提高系统的数据速率。     

CR-OFDM系统中基于人工鱼群算法的多业务资源分配

在多用户CR-OFDM系统中,采用一种简化功率分配新方法和人工鱼群算法进行资源分配。该方案在不干扰主用户正常通信的前提下,综合考虑各用户的语音、数据、流媒体三种业务的不同Qo S需求,合理地分配资源。先采取一种同时满足总功率和干扰功率限制的反比于干扰因子的简化方法进行功率分配。再通过人工鱼群算法寻优,求得子载波分配矩阵。仿真及分析显示,该方案可以在不影响授权用户通信的前提下,满足多用户不同业务的Qo S和时延需求,并有效提高系统总速率,降低算法复杂度的同时性能接近于最优。     

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。     

5G超密集异构网络带内无线回传资源分配方案

为实现5G超密集异构网络中无线回传链路和接入链路之间的最优资源分配,研究多用户场景下双层异构网络的联合用户调度和功率分配问题,在队列稳定和无线回传资源有限的情况下,综合考虑用户调度、功率分配和干扰控制等因素,对带内无线回传的最优资源分配问题进行数学建模并求解,基于李雅普诺夫优化理论提出联合用户调度和功率分配的优化算法。将优化问题解耦为网络内各个用户的调度以及宏基站和小基站的功率分配过程,采用MOSEK求解器和二分类方法获得用户调度向量,利用拉格朗日乘子法求解功率分配问题,并通过队列的时刻更新过程实现最优资源分配。仿真结果表明,在多用户场景下,该方案能够有效提升网络总吞吐量以及网络效用,并且毫米波频段的通信性能优于传统蜂窝网络频段。     

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。