基于OFDMA系统的改进型功率分配贪婪算法研究

通过考虑功率分配中OFDMA系统的吞吐量与用户间公平性能的平衡问题,在公平约束条件下,提出一种改进型功率分配贪婪算法.该算法根据用户请求进行子载波的预分配,可以有效地实现每个用户具体的比特分配和功率分配.仿真结果表明,该算法的吞吐量逼近于迭代注水功率分配算法,可以在OFDMA系统的吞吐量与用户间的公平性能之间寻求到一个理想的平衡点.     

信道估计误差对功率分配算法的影响分析

自适应功率分配技术可以最大限度提高OFDM传输系统的信道容量和传输质量.是多用户OFDM系统中的关键技术.分析和比较了非理想信道估计情况下,信道估计误差对当前三种主要OFDM适应功率分配算法性能的影响.仿真结果表明,无论是理想信道估计还是存在误差的非理想信道估计条件下.理想频谱平衡算法和迭代频谱平衡算法的性能总是优于迭代注水算法.但是,随着信道估计误差的不断增大,迭代注水算法的性能具有较好的稳健性.对设计实际系统有重要的指导意义.     

基于公平性的OFDMA系统中自适应功率分配贪婪算法

功率分配是OFDMA系统资源调度中的一个重要研究问题。该文通过考虑功率分配中系统吞吐量与用户间公平性能平衡问题,提出了一种公平约束下的功率分配贪婪算法。将算法与经典算法比较,在使用户公平性大为提高的同时,使OFDM系统达到最大吞吐量。仿真结果表明,该算法的吞吐量逼近迭代注水功率分配算法。     

基于博弈论的无线网络功率优化模型*

针对无线网络功率分配优化需求,将功率分配问题转换为信干噪比收益,利用非合作博弈原理,通过分析得到节点功率的迭代,与传统的功率分配方法进行对比,说明提出的方案要明显优于SINR平衡算法、Koskie-Gajic算法,从而为无线网络中的功率分配优化提供了理论支持。     

一种低复杂度非正交多址接入功率分配算法

功率分配是非正交多址系统(NOMA)资源分配中的一个重要研究问题。最优迭代注水功率分配算法能提高系统性能,但是算法复杂度较高。提出一种低复杂度的功率分配算法,首先对子载波采用注水原理得到总的复用功率,然后在单个子载波上叠加用户间采用分数阶功率分配方法进行功率再分配。通过仿真分析,与最优迭代注水功率分配算法相比,该算法在性能损失不超过3%的情况下,大幅减低了计算复杂度。     

认知无线中继网络最小化中断概率功率分配算法

为提升认知无线中继网络的中断性能,通过分析系统中断概率及用户功率分配情况,提出一种最小化中断概率的功率分配算法。给出在主用户干扰约束和总功率约束条件下最小化中断概率的数学优化方程组,根据用户的最大发射功率与干扰电平阈值的受限关系,分别考虑分配功率不超过干扰电平阈值、中继节点功率受限于干扰电平阈值以及所有节点受限于干扰电平阈值这3种情况,对应提出3种最佳功率分配方案,并基于KKT条件求解最优值。实验结果表明,该功率分配算法与基于频谱共享以及基于机会主义中继选择的中断概率分析方法相比,性能增益提升显著,并且在总功率、干扰电平变化的条件下,所采用的功率分配方案提升系统中断性能效果较好。     

一种虚拟MIMO中的低复杂度功率分配算法

针对放大转发(Amplify-forward,AF)方式下,虚拟多输入多输出(Virtual-multiple input multiple output,V-MIMO)系统中的功率分配问题,提出一种基于线性注水原理的低复杂度功率分配算法.该算法通过快速排除信道条件较差的协作用户,并利用各协作用户功率值之间的线性递推关系式,将最优功率分配算法中的迭代运算转化为线性运算,在实现功率快速分配的同时,达到显著降低算法复杂度的目的.瑞利信道下的仿真结果表明,采用该算法所获得的系统容量和中断概率性能与最优功率分配算法相当.     

基于迫零传输的协作多点传输系统的功率分配*

在研究多基站系统的基础上,提出协作多点传输的系统模型,并采用迫零传输机制,对最优功率分配算法、优化的功率分配算法以及等功率分配算法进行性能比较分析。最后从性能和复杂度两方面考虑,得出优化的功率分配是一种比较折中的功率分配方法。     

基于系统容量的多节点协同通信功率分配算法

功率分配是协同通信中的关键技术,为了研究协同通信对系统容量的提升,提出多中继和多接收天线功率分配的协同通信模型,探讨总功率一定的情况下,以系统容量最大化为准则的最优功率分配算法,采用放大转发模式,得出优化的功率分配算法(Optimum Power Allocation,OPA),并在相同假设条件下与平均功率分配算法(Average Power Allocation,APA)进行比较,可以看出在相同条件下OPA比APA的性能好。由最后的仿真分析可以得出系统容量得到了显著提高。     

OFDM系统自适应资源算法研究

针对OFDM系统的比特功率自适应分配优化问题。因传输信道存在衰减率,误码等,提出了一种基于遗传算法的OFDM系统自适应比特功率分配算法。新算法定义了染色体和初始群体,并通过遗传算法中的交叉、变异等操作,使比特功率分配方案得到全局最优解。算法可通过确定不同的适应度函数,用于解决传输速率及误码率一定条件下使得总发送功率最小的比特功率达到最优化的目的。通过上述在运算复杂度等方面的性能的仿真,证明优于Hughes-Hartogs等几种传统算法。     

基于无线能量传输的移动边缘计算联合资源分配

针对时分双工正交频分多址无线传能使能移动边缘计算网络，研究联合多用户信道分配、上下行时间分配与功率控制以最小化系统能耗问题。由于所建模优化问题为混合整数非线性规划非凸问题，提出启发式信道分配算法与给定信道分配下的次优联合功率与上下行时间比例分割算法，并对算法性能进行仿真分析，验证了所提算法的有效性与相对于参考算法的性能增益。     

MIMO下行链路中的多用户调度与功率分配

分析了MIMO下行链路中的多用户调度和功率分配方法,讨论了各种功率分配方法的多用户调度性能,并通过仿真实验对性能进行了比较。实验结果表明,在低信噪比条件下,二维注水功率分配的性能最佳,而在高信噪比条件下,各种功率分配方法的性能差别很小。     

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。     

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。     

基于误码率的中继位置及功率分配联合优化

针对单中继AF协作通信系统,分析了不同中继位置和功率分配方式对系统误码率性能的影响。以最小化系统误码率为目标,研究了等功率分配（equal power allocation,EPA）和最优功率分配（optimum power allocation,OPA）两种方案下,中继按照线形拓扑轨迹运动时的最优位置。理论分析和仿真结果表明,中继位置及OPA的联合优化算法大大提高了传统的EPA方案下的系统性能。     

基于凸优化的认知中继功率分配

该文研究了基于凸优化的认知中继功率分配问题。考虑在干扰温度的限制下,如何通过合理的子载波功率分配使得系统容量最大化。文章依据凸优化理论给出该问题的最优迭代算法,并从改善算法平均时间复杂度的角度加以改进,进而提出一种次优算法。数值仿真结果表明,次优算法相比最优算法有一定的性能损失,但是计算复杂度大大减少。     

能效最优准则下的无人机中继系统的功率分配算法

由于无人机（Unmanned aerial vehicle,UAV）机动性好且部署简单,基于无人机中继的传输技术受到了广泛关注。功率作为通信系统的重要资源,其分配问题直接影响各条链路的性能和整个通信系统的能量效率。本文以莱斯衰落信道为背景,提出了一种在系统能效准则下的无人机中继通信系统的功率分配算法。首先在双跳放大转发（Amplify-and-forward,AF）中继传输模型的基础上建立功率分配的优化模型,将功率分配问题转化为求解最大系统能效的优化问题。在最优功率分配的求解过程中,先固定发射信号功率,获得波束形成优化方案;然后通过大信噪比区间近似,将非凸优化问题转化为凸优化问题;最后利用KKT（Karush-Kuhn-Tucker）条件,计算得出功率分配方案的闭式解。仿真实验表明,本文算法相对于迭代算法降低了算法复杂度。     

OFDMA系统中的静态功率分配算法研究

对正交频分复用多址(OFDMA)系统中的功率分配算法进行了研究,着重研究了等功率分配、以跟踪大尺度衰落(TLSF)和跟踪大尺度干扰(TLSI)为目标的三种纯静态功率分配算法。并通过系统级仿真考察了它们对OFDMA系统性能的影响。     

多载波系统中自适应比特功率分配算法研究

本文提出了一种多载波系统中自适应功率和比特分配算法。该算法在低信噪比时基于最大化信道容量分配比特,基于最小化误码率分配功率;在高信噪比时采用Fischer算法进行比特功率分配。仿真结果表明,低信噪比时所提算法比Fisher算法性能好,高信噪比时和Fisher算法的性能一样好。因此,文中所提算法比Fisher算法更具有实际应用价值。仿真结果也表明了子载波数对系统性能的影响。     

基于分布式协作Q学习的信道与功率分配算法

为提高分布式认知无线网络认知用户信道与功率分配算法的能量效率和收敛速度,将单位能量的平均比特数作为通信效率指标,平衡用户通信质量和系统能量消耗,提出一种基于多Agent协作强化学习的分布式信道与功率分配算法。在多Agent独立Q学习的基础上引入协作学习,各用户通过独立Q学习后,共享Q值并进行融合再学习。仿真结果表明,与基于能效的独立Q学习算法、独立Q学习算法以及随机功率分配算法相比,该算法能够有效提高认知用户发射功率和信道分配时的收敛速度。