一种基于OFDM的多用户认知无线电系统联合资源分配算法

针对频谱共享环境,研究了采用OFDM调制方式的多用户认知无线电系统中,综合考虑自身发射功率约束与主用户干扰功率约束的资源分配问题.基于最大化认知用户和速率的优化目标,给出了连续比特条件下最优的多水位注水功率分配表达式;针对更实际的整数比特要求情况,通过基于相对增益因子RG的子信道选择机制与每个认知用户内多约束的贪婪比特与功率分配策略,来最大限度地提高频谱利用率.仿真结果表明:联合的子信道、功率与比特分配算法在不同的参数设置下均达到了良好的性能,在不影响主用户通信的前提下有效地提高了认知系统的频谱利用率.     

采用天线选择的多用户MIMO-OFDM系统容量研究

对于采用线性预编码进行空分复用的多用户MIMO-OFDM系统的下行链路,分析了使用户间干扰完全消除的预编码矩阵设计实现过程,提出了用户端联合天线选择算法,以增大发送的数据流数,提高系统和容量,在此基础上提出了逐次递增确定用户天线的选择算法.仿真结果表明,本文所提的天线选择算法使系统和容量远高于未经天线选择时的和容量,并且次优的逐次选择算法在计算量可接受的情况下与最优联合选择算法相比获得的容量增益相差不大.     

多用户MIMO-OFDM系统中的子信道与功率分配算法研究

针对多用户MIMO-OFDM系统下行链路,分析了通过遍历搜索来使容量最大化的最优子信道与功率分配算法,在此基础上提出了低复杂度的次优多用户子信道与功率分配算法,即MSPA算法。为了最大限度地保证用户之间的公平性,进一步提出了考虑每个用户速率要求的MSPA-RoU算法。仿真结果表明：本文提出的MSPA算法在复杂度可接受的情况下所获得的容量增益与最优算法十分接近,并且远远大于在MIMO环境下仅对子载波进行分配的算法;MSPA-RoU算法在考虑用户速率要求时仍能获得可观的容量增益。     

一种适用于多用户OFDM系统下行链路的跨层设计调度算法

该文提出了一种适用于多用户正交频分复用(OFDM)系统下行链路的调度算法,基于跨层结构设计,并分别考虑了媒体接入控制(MAC)层的用户服务质量(QoS)要求、用户公平性、数据包队列状态信息以及物理层的信道状态信息(CSI)和功率约束等。多用户OFDM系统可以通过该调度算法充分利用MAC层和物理层的不同参数特性,在保证用户QoS的同时最大化频谱的利用效率。仿真结果表明,在小区内各个移动用户具有不同的接收SNR的情况下,该算法具有服务质量随信噪比波动平缓、丢包率低、实现复杂度低等特点。     

认知系统中基于有限感知与混合保护的功率分配策略

研究了频谱共享环境中,一种基于认知用户有限感知区域与主用户混合保护措施的功率分配方法,在考虑主用户占用子信道概率的情况下,通过建立认知系统的多区域模型,提出了适应于主用户存在与否两种不同情况下的干扰避免策略。在满足认知用户自身最大功率约束与主用户混合干扰功率约束的条件下,基于最大化认知系统传输速率的目标,提出了各子信道集合的和功率以及不同集合内功率分配的联合优化方法,且复杂度较低。仿真结果表明,本文所提方法在不同参数设置下均达到了较好的速率性能,且远远超过机会频谱接入方式所获得的最大传输速率。     

认知无线电中一种有效的联合功率分配策略

文章在考虑主用户占用子信道概率情况的基础上,建立了认知系统的多区域模型,文章提出了适应于主用户是否存在的干扰避免策略。在满足认知用户约束的条件下,基于最大化认知系统传输速率,提出了各子信道集合以及不同集合内功率分配的联合优化方法,且该方法复杂度较低。     

基于放大转发协议的协同通信传输速率研究

协同通信是一种可通过各节点的分布式天线获得类似MIMO系统分集和复用增益的有效技术,而放大转发协议通过协同节点直接把接收到的源信号放大转发给目的节点,实施简单且高效.针对基于放大转发协议的协同通信系统,建立了半双工的时分系统模型,分析了放大系数的范围,并在此基础上推导了采用放大转发协议的协同通信系统最大传输速率.     

针对军用认知系统感知阶段的干扰技术研究

随着认知无线电这一动态频谱利用技术的兴起,其在军事领域的应用也受到越来越广泛的重视,而基于认知无线电系统的对抗技术研究更成为了其未来在军事领域发展的关键。从军用认知无线电系统的角度,提出简化的认知环和相应的认知对抗环,在对系统关键参数进行估计的基础上,根据感知阶段的技术特点,提出了军用认知无线电系统感知阶段的干扰策略。     

一种多用户MIMO-OFDM系统中的天线与子载波分配算法

天线与子载波分配是多用户MIMO-OFDM系统无线资源管理中的重要内容.在分析了多用户MIMO-OFDM系统下行链路中最优天线与子载波分配算法的基础上,提出了一种次优的低复杂度天线与子载波分配算法.该算法通过先选择天线再选择用户从而避免了最优算法中的遍历搜索.仿真结果表明,在运算量大大降低的情况下,所提算法获得的系统最大容量和最优算法所获得的最大容量相比相差不大,而且空间和频率联合优化的结果使其性能远远优于仅在MIMO环境下进行子载波分配的算法.