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...     

基于微基站功率分配的异构蜂窝网络能效优化

针对异构蜂窝网络中微基站密集部署带来能耗不断攀升的问题,对二层异构蜂窝网络能量效率进行了分析,提出一种通过调整微基站发射功率来最大化网络能量效率的方法。首先,利用齐次泊松点过程对异构蜂窝网络进行建模,推导出各层基站的覆盖率;其次,根据能量效率定义,分别推导出网络总功耗和总吞吐量,并给出能量效率的闭式表达式;最后,分析了微基站发射功率对网络能量效率的影响,提出一种能够最大化能量效率的微基站功率优化算法。仿真结果表明,微基站的发射功率对异构蜂窝网络能量效率有显著影响,通过优化微基站发射功率能有效提升异构蜂窝网络能量效率。     

密集小蜂窝网络中基于用户接入的能效优化研究

为解决小蜂窝网络中基站密集部署导致能耗过高的问题,提出一种基于用户接入的能效优化算法。根据基站邻接关系对小蜂窝网络中的基站进行分簇,并引入合并因子均衡分簇规模。在此基础上,结合用户接入速率与基站负载情况,利用改进的混沌量子粒子群算法求解最佳用户连接矩阵,同时依据网络流量变化实现基站开关的动态切换管理。仿真结果表明,该优化算法在保障用户QoS的前提下,能提升系统能效,适用于5G无线网络。     

异构网络中基于用户划分的资源分配与功率控制方案

部署异构网络是提高移动通信系统容量至关重要的举措。然而宏基站的高发射功率会使得微蜂窝边缘用户受到严重的干扰;同时,微蜂窝周围的宏蜂窝用户由于靠近微基站将同样受到其所造成的干扰,因此这些用户应该受到保护。通过研究异构网络下行传输中的资源分配与功率控制策略,提出了一种基于用户划分的资源分配与功率控制方案。首先根据用户的信干噪比对用户进行分类,同时为受干扰严重的边缘用户划分保护频带。此外,通过动态地调整每个基站在保护频带上的传输功率,在不过度牺牲系统性能情况下减轻边缘用户的干扰。仿真结果表明,与传统方案相比,该方案能够有效抑制宏蜂窝和微蜂窝边缘用户的干扰并提高整个系统的吞吐量。     

基于信息能量同传的异构小蜂窝网络能效优化

研究无线信息和能量协同传输(simultaneous wireless information and power transfer,SWIPT)异构小蜂窝网络的能效优化问题。保证小蜂窝用户和宏用户通信质量、小蜂窝用户能量采集和小蜂窝基站传输功率等约束下,为实现小蜂窝系统下行能效的最大化,对小蜂窝基站发射功率和小蜂窝用户端功率分流系数进行联合优化。该问题属于非凸优化问题,通过变量替换对原问题作等价转换,然后采用基于拉格朗日乘子的次梯度算法求解。计算机仿真结果表明,该联合优化算法简单有效。     

认知超密集网络用户关联与资源分配联合优化遗传算法

针对下行的异构认知超密集异构网络（UDN）的多维资源配置问题,提出一种以毫微微小区用户最大吞吐量为目标的联合优化用户关联和资源分配的改进遗传算法。首先,在算法开始之前进行预处理,初始化用户可达基站和可用信道矩阵;其次,采用符号编码,将用户与基站以及用户与信道的匹配关系编码为一个二维的染色体;然后,将动态择优复制+轮盘赌作为选择算法,以加快种群的收敛;最后,为避免算法陷入局部最优,在变异阶段加入早熟判决的变异算子,从而在有限次迭代下求得基站、用户、信道的连接策略。实验结果表明,在基站与信道数量一定时,所提算法与三维匹配的遗传算法相比在用户总吞吐量方面提高了7.2%,在认知用户吞吐量方面提高了1.2%,且计算复杂度更低。所提算法缩小了可行解的搜索空间,能在较低复杂度下有效提高认知UDN的总吞吐量。     

多层中继协作HetNets用户对关联方案

基于K层中继协作异构网络,提出一种改进的用户对关联方案,使中继广播信号到每层网络的信源和信宿,信源和信宿通过估计接收信号强度(RSS)将用户对关联到最大RSS的中继。基于最大-最大用户对关联(MM-UP-A)准则,结合随机几何理论将每层网络中继的位置建模为齐次泊松点过程,得到任一用户对关联到第k层中继的概率解析式,并给出信源和信宿到关联中继距离的统计描述。数值分析和仿真结果验证了MM-UP-A准则的正确性,并表明关联概率同时受到信源与中继发送功率的影响。     

新能源电力系统控制与优化

新能源电力的规模化开发以及传统能源的清洁高效利用已成为当前能源革命的主题.目前,我国新能源电力比例持续增加,但受限于化石能源占主导的电源结构,未来很长一段时间内我国将处于混合能源时代.强随机波动性、间歇性以及不确定性使得规模化新能源电力的消纳问题日益严重,我国弃风弃光现象十分突出.深入认知电源侧、电网侧、负荷侧的基本特性,着重解决其控制与优化难题,是实现新能源电力系统安全高效运行的基本前提.本文围绕电源效应、电网响应、负荷响应,着重从电网友好型发电控制、基于多源互补的火力发电弹性控制、适应高比例新能源电力消纳的电网调度控制、需求侧资源特性与主动适应控制以及基于分布式能源的微电网控制5个方面阐述了新能源电力系统局部与全局控制中存在的关键科学问题.     

认知无线电网络中接入控制和功率波束形成的联合优化

在认知无线电网络中,针对鲁棒性的多用户接入控制和发射功率波束形成的联合优化问题,提出了基于熵函数光滑近似的联合优化方案。首先,利用L₀-范数最小化将接入控制和发射功率波束两个优化问题转化为一个联合优化问题;然后,利用基于熵函数光滑近似的方法对L₀-范数的非凸性及不连续性问题加以优化;最后,由于光滑可微的目标函数为单峰函数,将问题变形为增广Lagrange函数,利用Armijo梯度下降法得到问题的最优解。数值结果分析表明：新算法在信干噪比（SINR）较低时虽然所提算法的接入量无明显提高,但是在SINR较高时所提算法能显著降低发射功率并提高次用户的接入量。模型中对不确定的信道状态信息（CSI）加以分析,可以使网络更好地适应外界的变化,提高网络的可靠性,所提算法可以有效地实现网络资源的优化配置,提高网络性能。     

Adaptive iterative learning control for coordination of second‐order multi‐agent systems

In this paper, an efficient framework is proposed to the consensus and formation control of distributed multi‐agent systems with second‐order dynamics and unknown time‐varying parameters, by means of an adaptive iterative learning control approach. Under the assumption that the acceleration of the leader is unknown to any follower agents, a new adaptive auxiliary control and the distributed adaptive iterative learning protocols are designed. Then, all follower agents track the leader uniformly on [0,T] for consensus problem and keep the desired distance from the leader and achieve velocity consensus uniformly on [0,T] for the formation problem, respectively. The distributed multi‐agent coordinations performance is analyzed based on the Lyapunov stability theory. Finally, simulation examples are given to illustrate the effectiveness of the proposed protocols in this paper.Copyright © 2013 John Wiley & Sons, Ltd.     

单信道单收发机的Ad hoc网络传输功率控制机制

由于移动ad hoc网络（MANET）终端能量的限制,延长终端节点的生存时间、高效地利用有限的网络资源成为MANET面临的重要挑战,因而传输功率控制起着及其重要的作用。提出基于θ的传输功率控制机制（θ－TPC）,在单信道单收发机的环境下,根据通信对的距离动态调整传输功率,并改变参数θ使其能量效率和吞吐量同时达到最佳。最后根据仿真证明θ－TPC机制相较于IEEE802.11能量效率和吞吐量都有很大提高。     

电网基建域移动管控系统设计

针对现有电网基建域移动管控系统技术的落后,导致系统的操作响应时间过长、丢包率过高的问题,提出电网基建域移动管控系统设计研究。系统硬件设计选取了计算机的硬件设备,软件设计主要包括项目管控模块、造价管控模块、质量管控模块、安全管控模块与技术管控模块。通过系统硬件与软件的设计实现了电网基建域移动管控系统的运行。以BP神经网络评价模型为基础进行仿真实验,结果显示设计的电网基建域移动管控系统极大地减少了操作响应时间与丢包率,充分说明设计的电网基建域移动管控系统具备更好的性能。     

源荷不确定冷热电联供微网能量调度的建模与学习优化

针对含光伏,微型燃气轮机组等分布式能源的冷热电联供微网系统,研究源荷双侧不确定情况下多类型能量调度动态优化问题.首先,针对光伏出力和异类负荷的随机不确定性,将光伏和负荷的变化描述为连续马尔科夫过程;然后以决策时刻,负荷需求以及分布式能源出力的离散值为状态分量,以微型燃气轮机组启停行动和储能充放行动为动作分量,在分时电价模式下,以降低包括购电成本,燃料代价,启停代价等在内的日运行成本为调度优化目标,将源荷不确定冷热电联供微网系统调度动态优化问题描述为马尔科夫决策过程模型,并引入强化学习方法对该问题进行策略求解.最后通过算例仿真对不同策略进行了比较,验证了优化方法的有效性.     

物联网传感器网络中次级用户在不完美信道下的带宽和功率分配

针对物联网（IoT）传感器网络无线资源的稀缺和信道不完美带来的误差问题,提出了一种在不完美信道状态信息（CSI）下为次级IoT设备（SID）用户分配带宽和功率的方法。首先,基于次级系统和主级系统的不同情况,分别建立了次级系统发送端与主级系统接收端、次级系统发送端与接收端之间的不完美信道模型。其次,提出了为次级IoT设备用户分配带宽和功率的机制,并考虑了当前带宽不够分配时应采取的措施和相应的惩罚机制,目的是在充分利用现有无线资源的情况下,最大化整个次级系统的能量效率（EE）。最后,使用粒子群优化（PSO）算法和加权切比雪夫法进行分步求解,在降低问题复杂度的同时得到最优的分配方案。仿真结果表明,与均等分配和随机分配方法相比,所提方法在最大化系统总发送速率和最小化次基站平均发送功率方面提升了约75%,能有效提升整个网络的能量效率。