认知正交频分复用系统的功率分配研究

研究了认知正交频分复用(OFDM)系统的容量极限及最优功率分配策略.基于干扰温度模型,建立了在主用户接收端干扰温度受限下最大化认知用户传输速率的数学优化问题;利用拉格朗日乘数法,得到了该数学问题的最优解.最优算法需要同时知道干扰链路和认知链路的信道边信息(CSI),具有较高的复杂度.因此提出了3种次优功率分配算法,分别为功率平均法、功率控制法和功率分配法.通过仿真实验,比较了各种分配算法下认知用户的信道容量.结果表明,利用所有信道边信息的最优功率分配算法能取得最好的性能.     

认知无线电中OFDM多用户频谱分配

针对认知无线电需要提高频谱利用率,限制功率以及保障QoS的要求,结合OFDM技术,研究了认知无线电场景中的多用户频谱分配,并给出了2种算法.其中,最优算法通过授权用户的SIR下限得到认知无线电的发射总功率,并采用拉格朗日定理为每个认知用户分配子载波和功率;次优算法引入"分配比例因子"来体现用户分配中的公平原则,并通过限制SIR得到频谱分配结果.仿真表明,最优、次优算法的性能好于基于FDMA的静态频谱分配算法,最优算法相对于FDMA能够有35%的容量提升;次优算法容量略有减小,但充分保障了用户的QoS需求.2种算法从不同层面满足了认知无线电的需求.     

基于OFDM的认知无线电系统中功率分配算法

针对基于正交频分复用(OFDM)的认知无线电系统中,子载波功率分配的最优化算法中出现的迭代运算繁琐、不易实现的问题,提出一种基于幂函数分布的次优化功率分配算法.该算法采用线性约束的凸优化数值运算方法,对认知用户频带内子载波的功率按照幂函数的数值特性依次分配,该算法具有运算速度快、易于实现的特点,并且有效地解决了授权用户受到认知用户频带内子载波带外泄漏功率的干扰问题.通过使用MATLAB建模仿真,结果表明,提出的算法方案在满足授权用户干扰门限的条件下,使得认知用户频带内信道容量能够达到最大化,并且在同样条件下提高了现有功率分配方案的最大传输速率.     

一种认知无线电系统中联合的频谱分配新算法

本文从认知无线电系统实际应用出发,首先应用图论算法快速的预分配频谱,同时为再次分配提供了公平性,然后用博弈论思想对初次分配的信道优化,完成认知用户之间的频谱再次分配.最后仿真表明频谱的资源可以充分利用,在传输功率的约束下,每个认知用户提高自身的速率,合理地分配功率,证明了本文图论和博弈论联合的算法的有效性.     

基于DF中继的认知OFDM协作系统的资源分配算法

针对多中继认知OFDM协作系统的中继和功率分配采用的拉格朗日对偶分解法虽然具有较好的性能,但计算复杂度较高这一问题,提出了一种低复杂度的资源分配算法。该算法放宽了中继选择因子的整数约束条件,综合考虑认知用户各子载波的信道条件和对主用户的干扰进行中继选择。根据系统总功率和干扰约束的特点,提出一种次优功率分配算法对功率进行分步求解,在保证系统容量有所增加的基础上降低了算法的计算复杂度。仿真结果表明:本文提出的算法不仅保证了认知用户对主用户产生的干扰在临界值以内,而且使认知用户的系统容量得到了较大的提升,具有一定的可行性。     

认知无线电中的功率和频谱联合分配算法

在认知用户传输功率受限的情况下,分析了瑞利衰落模型下的认知用户效用及其优化过程,提出了基于注水线不断调整的认知用户功率分配及通信效用计算算法.将该算法应用到认知无线电频谱分配中,进而提出了一种基于信道二分法的认知无线电频谱分配机制,以此得到了不同优化模型下的用户效用.仿真表明,基于比例公平的优化模型在获得较高效用的同时...     

一种基于主用户活动规律的认知OFDM 系统功率分配算法

针对认知OFDM系统在总功率约束条件下的子载波功率分配问题,借鉴＂Risk-Return＂模型,并采用泊松过程来描述主用户的活动规律。通过定义损失函数和收益函数,综合考虑主用户到来和离去过程对系统性能的影响,进而给出一种基于主用户活动规律的功率分配算法。仿真结果表明,该算法容量性能优于单纯考虑主用户到来过程的算法。     

认知无线电系统中OFDM多用户资源分配算法

基于认知无线电技术特点和OFDM传输特性,提出一种OFDM多用户资源分配算法．认知无线电用户根据感知的资源状况,针对用户的带宽以及QOS等要求,通过对子载波和功率的分配使得整个信道容量达到最大．本算法引入“调度因子”来体现用户子载波分配过程中“比例公平”的原则,保障每个用户都能满足一定的通信要求;引入“衰减因子”和用户设备类型,在不干扰授权用户通信的前提下进行多用户之间分配子载波和功率．算法采用“二步法”,以降低计算复杂度,满足于认知无线电实时性要求．仿真结果表明所提算法相对于FDMA方案信道容量至少提高40％．     

认知MIMO系统中基于博弈论的干扰对齐算法研究

为消除用户间干扰,提高认知无线电多输入多输出（CR-MIMO）系统传输速率,给出一种基于博弈论的干扰对齐算法。该算法首先采用注水算法为主用户进行功率分配,同时设计次用户预编码使次用户信号落入主用户未分配功率的子信道。然后将次用户之间的多条干扰链路构成一个博弈群体进行求解,实现次用户之间的干扰对齐。此外,为最大化次用户传输速率,将次用户功率分配问题转换为布谷鸟鸟巢的选择问题,构造适应度函数,得到最优的功率分配方案。数值分析表明,该算法可以消除主次用户的干扰以及次用户之间的干扰,传输速率比最大信干噪比（Max-SINR）算法高2 b·s-1·Hz-2,同时,结合布谷鸟搜索算法进行功率分配后传输速率高于文献[13]。     

基于AF中继的OFDM认知系统的 功率分配和子载波配对算法

建立基于放大转发(AF)中继的正交频分复用（OFDM）的认知无线电系统模型,并推导出该系统中在对从用户的源节点和中继节点的总功率限制和对主用户的干扰限制条件下的联合最优功率分配和子载波配对算法.采用拉格朗日对偶分解法和次梯度法推导出最优功率分配算法,并将基于Hopcroft-Karp算法的子载波配对方法融合到功率分配的过程中,得到联合最优算法.根据系统总功率和干扰限制的特点,提出一种低复杂度的次优功率预分配算法.分别对最优功率分配算法和次优功率分配算法、Hopcroft-Karp子载波配对算法和源节点、中继节点采用相同子载波传输的固定子载波配对算法进行仿真比较.结果表明：采用功率分配和子载波配对的联合优化技术能够大大提高系统的频谱效率,具有一定的可行性.     

认知无线电网络中的分布式动态频谱共享

研究了基于认知无线电技术的动态频谱共享,基于重复博弈理论设计了一种分布式动态信道接入和功率分配算法。在不影响主用户通信的情况下,每个认知用户能够根据自己的QoS需求和本地信息进行分布式信道选择和功率分配,在系统频谱效率和业务QoS之间进行有效折中。该算法具有较好的收敛性,能最大程度地满足用户的业务需求,更适用于异构网络和业务的应用。     

比例速率约束下基于遗传策略的多用户OFDM系统资源自适应分配算法

基于遗传策略提出了载波和功率自适应分配算法,它在最大化多用户OFDM系统下行链路总容量的同时维持用户之间的比例公平性,是一种将子载波分配和功率分配独立开的低复杂度次优算法。当总功率在载波间均等分布时,首先进行子载波的分配。随后引入遗传算法通过全局搜索实现用户间的功率分配,以满足比例公平性要求。功率分配结束后,针对每一个用户使用等功率分配方式实现容量分配并实现总功率的最大化。仿真结果表明,所提出的资源分配算法平衡了总容量和公平性之间的折中问题。与最小容量最大化算法相比,满足了用户之间不同的速率要求。相对于总容量最大化算法,容量在用户之间分布更公平。     

生物友好的认知水声网络频谱分配

为充分利用海洋哺乳动物和水声传感器网络(UASNs)共享的稀缺频谱资源,提出了一种生物友好的认知水声网络频谱分配(MMF-CASA)方法。将海洋哺乳动物作为主用户,传感器节点作为次级用户,设计了生物友好的认知水声网络通信机制。以次级用户系统容量最大化为目标建立效用函数,通过拉格朗日乘数法和功率控制与信道分配技术求解次级用户的发送功率与信道分配,设计了生物友好的水声网络频谱分配机制和算法。实现了主用户和次级用户信道共享,最大化了水下稀缺的频谱资源的利用率。仿真结果表明,采用生物友好的认知水声网络频谱分配方法能够避免传感器节点通信对海洋哺乳动物间通信的干扰,使网络的频带利用率和系统容量分别提高了37.4%和34.2%。     

大规模MIMO系统中功率分配算法的能效研究

为了提高大规模MIMO下行链路系统的能效,基站分配给用户的功率不再是平均分配,通过对能效函数的分析,得到能效函数是关于用户功率的拟凹函数,进而提出了一种功率分配算法.因为大规模MIMO的基站天线数比较多,射频链的损耗不可忽略.所以建立了同时考虑基站分配给用户的功率和电路功率的新的系统功耗模型,并在该模型的基础上,分析用户分配的功率对系统总功耗及能效的影响.通过分析能效函数关于用户功率的拟凹特性,提出了一种迭代的功率分配算法.最后将所提的功率分配算法的能效与用户平均分配功率时的能效进行比较.仿真结果表明,所提算法能有效地提高系统的能效.     

WRAN多小区上行链路信道与功率的联合分配

首先分析了无线区域网中无线麦克风与认知用户之间的共存问题,建立了新的无线麦克风与认知用户之间的共存模型．在此基础上,将无线区域网中多小区上行链路的信道和功率联合分配建模为势博弈,建立了每个认知用户的效用函数和系统的效用函数,并给出了数学证明．算法在执行过程中,各认知用户依据最优反应原则更新自己的策略．相比暴力搜索算法,该算法的复杂度很低．仿真结果验证了该算法的收敛性和正确性．     

基于人工蜂群算法的多用户OFDM自适应资源分配方案

针对多用户正交频分复用(OFDM)自适应资源分配中用户公平性和系统容量的问题,本文提出了一种联合子载波分配和功率分配的方案。在子载波分配中,首先确定每个用户需要的子载波数量,然后根据用户的速率比例继续分配子载波,最后分配剩余子载波。在功率分配中,通过人工蜂群(ABC)算法的全局搜索实现在所有用户之间的功率寻优,并利用等功率的分配方式对每个用户的子载波进行单用户功率分配。从仿真结果中可以看出,本文算法不仅可以兼顾用户的公平性,同时也有效地提高了系统的吞吐量,从而证明了本文算法的有效性。     

基于OFDM的认知无线电系统中的功率分配改进

基于正交频分复用(OFDM)的认知无线电系统中,次用户子载波功率的泄漏会对主用户产生干扰.针对这一问题,提出了一种改进的功率分配方法,即在主、次用户所在子信道间合理设置保护带条件下,采用迭代分块注水算法.仿真结果表明,改进的算法满足各主用户干扰功率上限的条件下,也使得次用户信道容量最大化.     

多用户协同通信系统资源的优化分配算法

针对多用户协同通信系统中的剩余功率分配不合理问题,提出了一种基于用户间公平性的子载波分配和优化剩余功率分配的联合资源管理算法．首先在保证用户资源分配公平性下给出基于平均功率分配下的子载波分配,其次利用调和平均值算法对剩余功率进行优化分配．仿真结果表明,所提出的算法能够在满足用户质量需求和公平性的同时,可提高系统的容量和用户容量,降低系统的误码率．     

基于连续感知信息的认知无线电普适性框架

认知无线电网络中,受当前频谱感知和功率分配概念的束缚,次用户系统的频谱利用率和信道容量仍十分有限。分析了传统的认知无线电框架,提出了一种基于连续感知信息的普适性框架,即次用户在得到感知信息后,不再对主用户是否存在进行二元判决,而是根据连续感知信息直接进行功率分配。分别在连续功率分配和多电平功率分配的场景下进行了数学建模,分析结果表明,所提出的普适性框架给出了认知无线电系统性能的理论上限,而传统的3种认知无线电框架仅是所提出的普适性框架的特殊情况。     

认知无线网络中基于免疫克隆优化的功率分配

针对认知OFDM无线网络中下行链路的功率分配问题, 将其建模为一个约束优化问题, 进而提出了一种基于免疫克隆的求解方法. 给出了功率分配的数学优化模型、算法实现过程和关键技术, 设计了适合算法求解的编码、克隆、变异算子. 仿真实验结果表明, 在总发射功率、误码率及主用户可接受的干扰约束下, 该算法可以获得更大的总数据传输率, 同时具有较快的收敛速度, 能够得到较优的功率分配方案, 进而提高频谱利用效率.