一种基于蜂窝网络的D2D通信资源分配算法

设备直连（Device-to-device,D2D）通信用户通过复用蜂窝用户的频谱资源可提高频谱利用率和系统的整体通信容量,但复用蜂窝网络频谱资源会带来严重的干扰,影响整体通信质量。针对干扰问题,本文通过建立通信系统模型,研究系统的线性规划问题以及相应的最佳资源分配算法。考虑到最佳算法复杂度较高,本文提出一种启发式算法来分配通信资源,通过遍历D2D对用户与蜂窝用户之间的干扰矩阵找到最小干扰值,分配复用资源给相应的蜂窝用户和D2D对用户。在蜂窝用户都分配到通信资源之后,对D2D对用户进行专用通信资源分配。仿真结果表明,该算法在降低算法复杂度的基础上显著地减小了D2D对用户对蜂窝用户的干扰,能够最大程度地增加D2D对用户的数量。     

异构蜂窝网络中功率和资源分配博弈算法研究

基于D2D和中继异构蜂窝网络进行资源复用可获得系统性能增益,但同时也使得网络中的干扰更加复杂。针对该问题,提出功率和资源分配博弈（PRAG）算法,通过功率控制和资源分配对D2D和中继异构蜂窝网络进行干扰协调。基于代价参数设定D2D和中继链路效用函数,确定最佳发射功率。在此基础上,将生成的效用值矩阵参与博弈,选择合适的蜂窝用户进行资源复用。仿真结果表明,与等功率分配随机（EPAR）算法相比,PRAG算法能够在消耗更少功率的基础上获得更大的系统吞吐量。     

蜂窝与D2D混合网络中干扰协调算法研究

在蜂窝与D2D混合网络中,D2D用户复用蜂窝用户的资源会给混合网络带来不能避免的干扰,这些干扰严重影响了系统性能。文章在资源分配与功率控制研究的基础上,提出一种基于联合资源分配与功率控制的干扰协调方案。资源分配时,首先对用户进行分簇,分簇的结果是使簇与簇间的总干扰最大,然后以最大化系统容量为目标,采用一种迭代分配方案,对已经分好的簇进行资源块的划分。功率控制时,根据预设的干扰门限值,以及D2D用户与蜂窝用户、基站之间的信道增益估计值,对D2D用户进行动态的功率调整。通过仿真验证该算法能够提高混合网络的总吞吐量。     

支持D2D通信的蜂窝网自适应资源分配算法

针对蜂窝与D2D混合网络中资源分配技术不具有自适应性、造成资源浪费的问题,提出一种根据实际网络环境自适应调整的资源分配方案,并设计两阶段的资源分配算法对该方案进行求解。第一阶段根据用户间的干扰自适应调整使用每个资源块的用户个数和D2D用户可使用的资源块个数,第二阶段利用改进的粒子群算法以吞吐量最大为目标分配功率。仿真结果表明,该算法的性能与穷举搜索最优算法最相近,且系统吞吐量和D2D用户的接入率都明显大于固定分配的算法。     

基于DQN的超密集网络能效资源管理

小基站的密集随机部署会产生严重干扰和较高能耗问题,为降低网络干扰、保证用户网络服务质量（QoS）并提高网络能效,构建一种基于深度强化学习（DRL）的资源分配和功率控制联合优化框架。综合考虑超密集异构网络中的同层干扰和跨层干扰,提出对频谱与功率资源联合控制能效以及用户QoS的联合优化问题。针对该联合优化问题的NP-Hard特性,提出基于DRL框架的资源分配和功率控制联合优化算法,并定义联合频谱和功率分配的状态、动作以及回报函数。利用强化学习、在线学习和深度神经网络线下训练对网络资源进行控制,从而找到最佳资源和功率控制策略。仿真结果表明,与枚举算法、Q-学习算法和两阶段算法相比,该算法可在保证用户QoS的同时有效提升网络能效。     

LTE-A 异构网络的干扰抑制技术研究

针对传统的干扰协调算法存在着频谱效率不高,吞吐量低等问题,基于LTE-A,提出了一种改进的动态部分频率复用算法.在传统蜂窝网络中引入了低功率节点,与宏蜂窝网络组成异构网络.在改进的算法中,划分了干扰区域,以干扰区域比重为依据对用户进行分组,再为用户分配子信道.同时,建立干扰图,用点着色算法对图中顶点进行着色,再根据着色结果对节点进行分组,依据分组结果使用频谱资源分配算法进行资源分配.实验结果表明,该算法与传统算法相比具有更高的频谱效率,在保证系统的吞吐量的同时提高了用户的信道噪声比SINR.     

无线Ad hoc网络中基于0-1优化的两步骤资源分配算法

为了解决无线Ad hoc网络中节点性能随节点个数增加而下降的问题,利用多射频多信道技术(MR-MC)进行资源分配以及减少网络干扰量已成为优化无线网络性能的重要技术手段。在此基础上,提出了一种基于0-1规划的网络优化模型和两步骤资源分配算法TBCA&LS(Tree Based Channel Assignment&Link Scheduling)。该算法利用分簇重组网络结构,通过分析相邻链路干扰关系构建0-1优化模型,并在此基础上执行将信道分配和链路调度结合的资源分配算法,减少相邻链路冲突,增加并行传输量,进而达到提升网络吞吐量、优化网络资源分配的目的。最后,在Matlab仿真软件中执行两步骤资源分配算法,实验结果表明,与对比算法CCAS和仅利用信道分配的算法相比,所提算法可以有效优化网络性能。     

一种联合D2D资源分配的中继选择算法的研究

为提高蜂窝网络中边缘用户的QoS,可在蜂窝网络中引入了D2D辅助中继技术,然而由于D2D链路复用蜂窝资源会与蜂窝链路之间产生同频干扰,为了降低这种干扰,提出了一种联合资源分配的中继选择算法,该算法首先使用一种资源分配策略,使得D2D链路对蜂窝链路产生的干扰最小,然后结合资源分配结果提出了一个中继选择方案,该方案不仅考虑了D2D链路和回程链路的信道质量,而且还同时考虑到了对蜂窝链路的干扰问题。通过仿真验证,本文所提出的算法不仅能有效提升边缘用户吞吐量,同时保证了中心用户的QoS。     

M-CORD下无线接入网络资源分配研究

针对M-CORD架构将传统的无线接入网络解耦并虚拟化的特征,考虑软件定义网络（SDN）的集中控制和全局监测作用,研究无线接入网侧资源的动态分配及优化问题。将数据中心的计算资源纳为资源分配考虑因素之一,综合干扰阈值、前传网络容量限制、用户移动性、服务最低资源保障以及计算资源限制五方面,推导出M-CORD架构下无线接入网资源分配公式,通过改进基于增量的贪心分配算法,求得资源分配的次优解。仿真结果验证了改进算法在M-CORD架构下对无线接入网资源分配的适用性。     

基于准瓶颈节点的干扰优化拓扑控制算法

干扰是严重影响Ad hoc网络的网络吞吐率主要原因之一。已有的基于网络链路和路径的局部干扰优化算法并未考虑网络中准瓶颈节点对网络干扰的影响,准瓶颈节点不仅影响网络的吞吐率,还可能破坏网络的连通性。利用分布式算法找出准瓶颈节点,构建链路干扰度的本地最小生成树,提出一种新的干扰优化拓扑控制算法（Quasi-bottleneck node-based Interference-optimization Algorithm,QIA）,有效地降低准瓶颈节点对网络的干扰。仿真实验结果表明,QIA算法在保证网络连通性的前提下,降低了网络干扰。该算法同经典干扰优化拓扑控制算法相比,网络吞吐率提高了约10%~30%。     

基于烟花算法的D2D资源分配方案

D2D（Device-to-Device）通信通过复用蜂窝用户的频谱资源来提升系统频谱资源的利用率，并提高系统吞吐量，但同时也为系统带来了严重的同频干扰。为了应对复杂的干扰问题，并在保证资源分配公平性的情况下尽可能提高系统吞吐量，提出一种基于烟花算法的D2D资源分配方案，以最大化系统的加权和速率为目标，将资源分配矩阵抽象为烟花，通过爆炸、变异、选择等过程求出最终的匹配矩阵。仿真结果表明，所提方案能够有效提高系统的吞吐量和资源分配的公平性。     

超密集网络中基于干扰协调的资源分配算法

超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,该文提出一种基于干扰协调的资源分配方案。该方案分为两个模块：第一模块基于毫微微接入点(Femtocell Access Points, FAPs)间的干扰程度,将干扰强的FAPs分到同一簇内,同簇内的FAPs共享频带资源,通过FAPs间的协作使不同簇之间实现频谱的复用;第二模块基于最大功率和最低速率的公平性准则进行最优功率分配,动态分配资源。仿真结果表明,该算法在超密集网络场景下能够有效控制FAPs间的干扰,最大化系统吞吐量。     

基于非合作博弈的变电站无线网络资源研究

无线资源管理对实现资源的有效利用起着至关重要的作用.针对变电站中无线网络资源分配问题,提出了基于非合作博弈的变电站无线网络资源的优化管理算法,解决了全双工系统的无线电资源分配问题.将下行链路与上行链路的联合速率最大化问题建模成为上下行链路信道之间的非合作博弈,提出了基于非合作博弈的迭代算法.该算法有效的实现最佳上行链路与下行链路的资源分配,直到达到纳什均衡.仿真结果表明,该算法实现了快速收敛,与同等资源分配方法相比,可以显著提高全双工的性能.     

数据密集作业在GPU集群上的调度算法研究

数据密集型作业包含大量的任务,使用GPU设备来提高任务的性能是目前的主要手段.但是,在解决数据密集型作业之间的GPU资源公平共享以及降低任务所需数据在网络间的传输代价方面,现有的研究方法没有综合考虑资源公平与数据传输代价的矛盾.分析了GPU集群资源调度的特点,提出了一种基于最小代价最大任务数的GPU集群资源调度算法,解决了GPU资源的公平分配与数据传输代价较高的矛盾.将调度过程分为两个阶段：第1阶段为各个作业按照数据传输代价给出自己的最优方案;第2阶段为资源分配器合并各个作业的方案,按照公平性给出全局的最优方案.首先,给出了GPU集群资源调度框架的总体结构,各个作业给出自己的最优方案,资源分配进行全局优化;第二,给出了网络带宽估计策略以及计算任务的数据传输代价的方法;第三,给出了基于GPU数量的资源公平分配的基本算法;第四,提出了最小代价最大任务数的资源调度算法,描述了资源非抢夺、抢夺以及不考虑资源公平策略的实现策略;最后,设计了6种数据密集型计算作业,对所提出的算法进行了实验.通过实验验证,最小代价最大任务数的资源调度算法对于资源公平性能够达到90%左右,同时亦能保证作业并行运行时间最小.     

车联网D2D通信中最大化频谱资源利用率分配算法

无线通信技术快速发展,终端设备不断增多,为缓解这一现象,提升系统网络容量,针对车联网蜂窝D2D(device to device)通信资源分配问题,提出了一种最大化频谱资源利用率分配算法.该算法以最大化频谱资源利用率为优化目标,在满足车联网通信的基本服务质量(quality of service,QoS)下,通过V2V(vehicle to vehi-cle)和V2P(vehicle to people)共享信道资源来提高频谱资源利用率.首先利用信道状态信息定义的链路增益因子为终端用户找到潜在的通信链路集合;然后证明终端用户复用链路资源时功率分配问题为一个凸优化问题,利用凸优化理论求得最优传输功率;随后求解最优的信道匹配问题,此问题为多对一的加权匹配问题,为降低算法复杂度用KM(Kuhn Munkres)算法来求解.仿真结果表明,所提算法较其他算法能够有效地提升系统吞吐量、提高频谱资源利用率、提升网络性能,优化车联网通信资源分配问题.     

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。     

基于图着色理论的全双工D2D分簇资源分配方案

全双工通信允许用户同时同频收发信号,将其应用在D2D(Device-to-Device,D2D)通信中虽然可以提高系统吞吐量,但是也带来了更加复杂的干扰关系。为了降低干扰,提升系统吞吐量,本文提出了以簇为单位的资源分配方案。该方案先引入图着色理论为全双工D2D用户进行合理的分簇,然后采用匈牙利算法进行链路资源的分配,从而优化蜂窝系统的性能。仿真结果表明,该方案在提高频谱利用率的同时提升了整个蜂窝网络的系统容量。