AF下基于DSTC多用户公平性功率分配*

研究了DSTC的无线中继网络中基于多用户公平性的功率分配策略。由于每个用户具有不同的信道状态,传统的功率分配方案不能满足各用户的QoS需求。为了满足用户之间的公平性,首先建立无线中继AF模式下的网络模型,然后结合LD空时码,运用最优机会中继策略,得到用户最大即时接收SNR,并在基站与中继分配功率受限条件下建立最大最差用户信道容量的功率分配方案。因为该问题是非线性、非凸优化问题,所以把优化问题转换为GP问题进行求解。仿真结果表明,所提功率分配方案与等功率分配、功率与信道状态成正比方案相比,不但改善了最差用户     

CNR中基于多用户Q学习的联合信道选择和功率控制

针对认知无线网络中多用户资源分配时需要大量信道和功率策略信息交互,并且占用和耗费了大规模系统资源的问题,通过非合作博弈模型对用户的策略进行了研究,提出一种基于多用户Q学习的联合信道选择和功率控制算法。用户在自学习过程中将采用统一的策略,仅通过观察自己的回报来进行Q学习,并逐渐收敛到最优信道和功率分配的最优集合。仿真结果表明,该算法可以高概率地收敛到纳什均衡,用户通过信道选择得到的整体回报非常接近最大整体回报值。     

一种多中继协作系统中功率优化分配策略的无线网络容量算法研究

针对限制网络容量的主要因素（信道带宽与信道信噪比）,本文提出了一种多中继协作系统中功率优化分配策略的无线网络容量算法。首先,论文提出采用多中继协作的方式,提高网络传输速率,建立网络最大流数学模型。然后,在网络总功率受限的情况下,对中继节点进行功率优化分配,建立最大化网络容量计算数学模型。最后,论文建立网络仿真环境,对比多中继协作且能量优化分配与非中继协作且能量等分两种策略在中断概率、网络容量等方面的表现。得出如下结论：网络容量随节点数量增加呈现先增后减的趋势,多中继协作且能量优化分配策略更加有利于提高无线网络容量。     

改进的OFDM双向中继功率分配策略

针对放大转发(AF)模式下正交频分复用(OFDM)双向中继网络如何提高系统总容量的问题,提出了一种低复杂度的以系统总速率最大化为目标的最优功率分配策略。该策略先建立用户与中继节点间的最优功率分配比例关系,将三层功率最优化问题简化为一层最优化问题,实现了将节点上的功率优化分配问题转化成一种易于处理的形式,以较小的复杂度获得了各节点上分配的功率占所在子载波对上分配的功率的比重;然后利用原对偶内点法求解各子载波间的功率分配问题;最终,求得各节点最优的功率分配。仿真实验表明,所提算法能显著提升系统总速率,且其性能随子载波数的增多而提升。     

无线网络中具有信道感知的期望能耗最小化策略研究

随着无线网络技术的快速发展,节省能耗已成为构建绿色无线网络的一个非常重要的课题。由于信道的时变特性,在无线通信中利用好的信道状态能够获得更高的能量利用率。从整个无线网络的数据传输能耗出发,提出一种基于最优停止理论的数据传输期望能耗最小化策略(E²CMS)。E²CMS策略延迟数据的传输直到找到最好的期望信道状态,同时考虑了最大传输延迟和给定的接收端功率。首先,构建具有QoS约束的能耗最小化问题;接着,通过最优停止理论证明E²CMS策略是一种纯粹的阈值策略;然后,通过逆向归纳法求解定点方程,以求出功率阈值;最后,在典型的小尺度衰落信道模型中进行仿真实验,将E²CMS策略与多种不同的传输调度策略进行对比。结果表明,E²CMS策略具有更小的单位数据平均能耗,显著提高了网络性能。     

多用户OFDM系统物理层安全资源分配方案

现有多用户正交频分复用(OFDM)无线通信系统的资源分配方案未考虑安全传输问题。为此,提出一种物理层安全约束下的资源分配方案,从信息安全理论的角度构建多用户OFDM系统窃听信道模型,在此基础上,利用子载波与功率的联合优化分配方案,在满足各用户安全服务质量(QoS)需求的条件下,通过对偶分解实现系统保密容量最大化的优化目标。仿真结果表明,当系统选用64个子载波为8个授权用户提供服务时,该分配方案在满足各授权用户安全QoS需求的同时,其保密容量相比参考方案最多可提高2.071 bit/s/Hz。     

基于粒子群算法的无线信道资源分配算法研究

为了 最大化 多媒体无线信道资源分配的网络效用,提出了一种新的基于粒子群算法的信道时间分配算法。该算法能够优化分配给网络内每个设备的时间,以便为每位网络用户 提供最优化的服务质量(QoS)。所提算法结合了多样性增加函数以及基于个体最优值的学习方法,并基于自适应粒子群算法进行了改进,在持续增强QoS的同时加快了收敛速度。在多达40个设备的千兆网络环境内对所提算法进行了测试。实验结果表明,提出的算法能够大大提升资源分配能力,尤其是在网络规模较大的情况下。     

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。     

针对不确定流量的多收发机无线网络资源优化研究

多收发机无线网络具有多接口多信道多跳的特点,是今后无线网络发展的趋势。该网络中信道与链路的资源分配,涉及路由、信道分配以及链路调度的联合优化。在以往的研究中通常对网络流量模型进行简化,假设其是确定且相对稳定的。考虑到实际网络中流量不确定性的特征,以网络吞吐量最大化为目标,提出传输流约束、信道资源约束以及干扰约束条件下的资源分配联合优化模型,以及基于不确定流量条件下资源分配最优解的链路调度策略。仿真实验结果证明所提出的路由、信道分配及链路调度方案能够更好地适应变化的网络流量需求。     

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。     

无线充电体域网基于边际效用的网络资源分配方法

射频能量采集技术可以从根本上解决电池容量对无线体域网生存期的限制,为了提高网络资源分配的效率以及公平性,提出一种基于边际效用理论的网络资源分配方法。首先,设计传感器节点的效用函数,将节点所能获得的吞吐量映射成QoS满意的等级;然后,以最大化网络中全部传感器节点整体效用为目标,将多高效、公平的网络资源分配问题构建成效用最大化问题;最后,通过对偶分解方法求得该问题的最优解。仿真结果表明,与总吞吐量最大化和sigmoid效用最大化方法相比,所提出的方法在获得较高系统整体吞吐量的同时,确保了传感器节点个体获得吞吐量的公平性。     

NOMA系统异构网络中联合用户关联和功率控制协同优化

针对非正交多址接入(Non-Orthogonal Multiple Access,NOMA)系统的两层异构网络,提出了基于效用函数最大化模型的用户关联与功率控制协同优化问题。在该问题中将系统总能效作为效用函数,在一定的用户服务质量要求(QoS)和最大功率限制约束下,提出一种联合用户关联和功率控制的算法。该算法首先将原问题转换为带参数的多项式形式的问题,在外层循环利用二分法求得最佳的能效因子,然后在内层循环分别利用分布式用户关联算法和功率控制算法得到最佳的用户关联矩阵和最佳传输功率,最终实现系统总能效最大化。仿真结果表明,所提算法在能效方面比单独的固定功率分配方案和固定用户关联方案性能更优。     

基于效用的超宽带系统带宽分配

把超宽带系统的带宽优化调度表示为一个效用最大化的问题。对于系统的带宽分配,效用函数是服务质量的有效度量,它反映了用户对所分配的资源的满意程度。针对超宽带无线网络带宽分配中链路和用户的集中式算法的复杂性,用分布式方案解决这种问题,以自适应变化的无线网络环境。对系统带宽进行基于效用的分配,满足超宽带系统高速率传输的需要。     

异构蜂窝网络中联合功率控制的终端直通通信资源分配

针对异构蜂窝网络中终端直通（D2D）用户和小蜂窝用户复用宏蜂窝用户资源产生的干扰问题,提出一种联合功率控制的资源分配方案。首先,在满足用户信号干扰噪声比（SINR）和发射功率约束条件的前提下,根据系统干扰模型推导出每个D2D用户和小蜂窝用户复用宏蜂窝用户信道资源时的最优发射功率;其次,将用户的信道选择规划成用户和信道之间的双边匹配问题,采用延迟接受（Gale-Shapley）算法得到一个稳定的匹配解;最后,以所得的匹配解为初始条件,通过交换搜索算法进一步优化分配方案。仿真结果表明,该方案的系统总容量和能量效率分别是最优解的93.62%和92.14%,与随机资源分配方案、无功率控制和交换搜索的分配方案,以及有功率控制无交换搜索的分配方案相比,系统容量平均增幅分别为48.29%、15.97%和4.8%,系统能量效率平均增幅分别为62.72%、44.48%和4.45%。该方案能够达到近似最优的系统总容量,有效提高频率利用率和能量效率。     

Adaptive channel and power allocation of downlink multi-user MC-CDMA systems

The Multi-Carrier Code Division Multiple Access (MC-CDMA) is becoming a very attractive multiple access technique for high-rate data transmission in the future wireless communication systems. This paper is focused on the joint channel and power allocation in the downlink transmission of multi-user MC-CDMA systems and considers the throughput maximization problem as a mixed integer optimization problem. For simple analysis, the problem is divided into two less complex sub-problems: power allocation and channel allocation, which can be solved by a suboptimal Adaptive Power Allocation (APA) algorithm and an optimal Adaptive Channel Allocation (ACA) algorithm, respectively. By combining APA and ACA algorithms, an adaptive channel and power allocation scheme is proposed. The numerical results show that the proposed APA algorithm is more suitable for MC-CDMA systems than the conventional equal power allocation algorithm, and the proposed channel and power allocation scheme can significantly improve the system throughput performance.     

基于深度无监督学习的多小区蜂窝网资源分配方法

针对多小区蜂窝网络资源分配所要求的低能耗、高速率和低延时问题,提出一种基于深度无监督学习的多小区蜂窝网络资源分配方法.首先,构建基于无监督学习的深度功率控制神经网络,通过约束处理输出优化的信道功率控制方案以最大化能量效率的期望;然后,构建基于无监督学习的深度信道分配神经网络,通过约束处理输出优化的信道分配方案,并联合前期训练好的深度功率控制神经网络拟合输出优化的信道功率,进一步优化能量效率的期望.仿真结果表明,所提出的方法在保证低计算时延的同时可获得优于其他算法的能量效率和传输速率.     

面向无人机协助的WSNs的数据收集策略

射频能量捕获(Radio Frequency Energy Harvesting,RF-EH)技术为解决无线传感网络(Wireless Sensor Networks,WSNs)能量有限问题提供了新的方法。为此,针对无人机(Unmanned Aerial Vehicle,UAV)协助的WSNs网络,提出时隙优化的数据收集(Time Slot Optimizing data-gathering,TODG)策略。在TODG策略中,节点先接收来自电力包(Power Beacon,PBs)的无线电能传输(Wireless Power Transfer,WPT)进行充电;再构建最小化中断概率的时隙分配的目标函数,借助于CVX工具求解,获取最优的时隙分配。仿真结果表明,通过优化时隙,TODG策略能够降低中断概率,提升吞吐量。     

Big Data Based Self-optimization Networking: A Novel Approach Beyond Cognition

It is essential to satisfy class-specific QoS constraints to provide broadband services for new generation wireless networks. A self-optimization technique is introduced as the only viable solution for controlling and managing this type of huge data networks. This technique allows control of resources and key performance indicators without human intervention, based solely on the network intelligence. The present study proposes a big data based self optimization networking (BD-SON) model for wireless networks in which the KPI parameters affecting the QoS are assumed to be controlled through a multidimensional decision-making process. Also, Resource Management Center (RMC) was used to allocate the required resources to each part of the network based on made decision in SON engine, which can satisfy QoS constraints of a multicast session in which satisfying interference constraints is the main challenge. A load-balanced gradient power allocation (L-GPA) scheme was also applied for the QoS-aware multicast model to accommodate the effect of transmission power level based on link capacity requirements. Experimental results confirm that the proposed power allocation techniques considerably increase the chances of finding an optimal solution. Also, results confirm that proposed model achieves significant gain in terms of quality of service and capacity along with low complexity and load balancing optimality in the network.     

认知Ad hoc网络的频谱接入跨层设计方案*

为提高分布式认知Ad hoc网络的频谱感知精准性和能量有效性,提出了一种基于能量效率的频谱接入跨层设计方案。首先通过基于感知因子的完全二分图分解法对网络进行分簇,进而在簇内联合优化次用户的发射功率和接入概率,最终得到最优信道接入和功率分配方案。仿真结果表明,与传统算法相比该方案可通过合理分簇提高分布式认知网络的感知精度,在保证感知性能的条件下使系统能量效率得到有效提升。     

基于多对一Gale-Shapley算法的D2D通信资源分配

针对D2D通信复用异构蜂窝网络上行信道产生的干扰问题和频谱资源优化问题进行研究,提出一种基于多对一Gale-Shapley算法的D2D通信资源分配方案。本方案允许多个D2D用户共享一个蜂窝用户信道资源,通过设置信干噪比（SINR）门限保证用户的通信服务质量（QOS）。根据信道分配情况,构建D2D用户和信道的偏好列表,最大化系统总容量。仿真结果表明,该方案收敛较快,复杂度较低,能够有效保证用户的通信服务质量,系统总容量接近最优解。本研究为实现D2D用户和蜂窝用户的频谱资源共享,提高频谱利用率提供了一种有效方案。