基于QoS的D2D资源分配算法

D2D通讯技术是5G通讯的一项关键技术,其最大的特点是数据无需经由基站转发并且能够有效地提升系统容量,提高频带利用率.但是它也存在一定缺陷,由于通讯过程中会占用原有蜂窝信道,D2D用户会对原始的小区用户产生干扰,并且这是一个两种用户相互干扰的过程.因此,D2D资源分配成为D2D技术引入的关键.为了克服在“一对一”D2D频谱分配过程中,每个D2D对仅可以占用一个移动信道的分配方式下,新加入D2D用户不一定会使得总容量变大这一问题,文中提出的算法兼顾了资源分配与功率控制两个方面.实验结果表明,在规定每对D2D用户可占用多个基站小区信道,新加入D2D用户不能使系统总容量减小的条件下,新的算法能有效地提升D2D用户总容量.     

用于OFDMA系统多小区干扰协调的功率分配算法

提出了一种用于小区间干扰协调的多小区自适应功率分配算法. 该算法利用相邻小区同频子信道间信干比的差异,通过平衡信干比,协调同频子信道上用户的发送功率,保证系统边缘用户性能,减小同频信道干扰,提高无线资源利用率. 仿真结果表明,该算法既可以很好地保证用户公平性,又能充分利用频谱资源以保障系统吞吐量.     

整体优化的吞吐量预测中继选择策略

提出了一种蜂窝网络中关于移动中继的选择方案,将小区内的用户按照下行路径损耗分为一跳用户和两跳用户.一跳用户由基站直接对其分配资源,两跳用户采用整体优化的吞吐量预测中继选择算法选择空闲用户作为中继节点.该算法全面考虑了带宽与信道质量对通信速率的影响,以两跳用户所在接入链路与回程链路吞吐量相等为原则主动调节两跳用户带宽分配比例,并且通过匈牙利算法计算出系统吞吐量最大时的最佳匹配矩阵.仿真结果表明,该算法能够有效提升边缘用户吞吐量和频谱利用率.     

UDN中基于JR-CoMP的分簇和资源分配方案

针对超密集网络（UDN）中的上行干扰问题,提出了一种基于多点协作联合接收（JR-CoMP）的分簇与资源分配方法.首先,将用户和基站进行单频段分簇,将同一小小区的多个边缘用户放在不同的用户簇中,将位于相邻小小区并且距离较近的边缘用户放在同一个用户簇中,根据中心用户到已有基站簇的干扰强度将其归簇;然后,对用户簇进行多重子频段分配,为包含同一个小小区用户的多个簇分配不同的子频段,并且尽量为每个用户簇多分配子频段;最后,以最大化系统总传输速率为目标,采用注水算法为每个用户分配功率.仿真结果显示,所提方案能显著提高频谱效率.     

基于遗传算法的多基站协作通信功率分配方案

将多基站协作通信的功率分配问题转换为信干噪比(SINR)均衡问题。通过设置路径损耗门限为各用户判决与其通信的协作基站,并考虑用户间接收SINR的公平性,给出基于遗传算法的多基站协作通信功率分配方案。数值分析表明,相对于传统蜂窝小区等功率分配以及多基站协作通信等功率分配,该功率分配方案使系统中各用户的平均SINR分别提高17.75dB和2.36 dB。     

基于无线供电的非正交多址接入网络的鲁棒资源分配研究

无线能量传输是解决无线网络中节点设备能量短缺问题的新技术,非正交多址接入是缓解无线网络频谱紧缺难题和满足大规模节点接入需求的新型多址接入技术. 将两者相结合不仅可以缓解节点设备电池能量不足、需要频繁更换电池的问题,还可以提高系统的频谱效率,满足大规模节点接入的需求. 本文考虑基于无线供电的非正交多址接入网络,其中包含一个多天线的能量基站、多个单天线用户和一个单天线信息接收机. 在该网络中,下行链路和上行链路分别表示从能量基站到用户和从用户到信息接收机的物理信道. 在下行链路中,能量基站通过无线能量传输给多个用户提供可靠的能量;在上行链路中,用户使用收集到的能量并基于非正交多址接入技术发送信息给信息接收机. 在系统的下行链路信道状态信息不完美的实际情况下,设计鲁棒资源分配策略,联合设计能量基站的波束赋形向量、用户的发射功率和上下行链路间的时间分配,最大化系统的吞吐量. 仿真结果表明,所提鲁棒设计算法的吞吐量性能明显优于不具有鲁棒性的资源分配算法.     

基于无速率编码的认知无线电系统能量分配算法

针对目前广泛应用的认知无线电技术,研究最大化认知系统能量利用率的问题.全局计入信道特性和系统本身特性对能量利用率的影响,利用无速率编码对网络动态环境的自适应能力以对抗主用户不可预知的出现,研究基于无速率编码的多信道认知无线电系统的能量分配算法.通过引入周期频谱感知模型,提出的能量分配算法根据信道和系统特性分配从用户的感知能量和传输能量,利用系统门限约束干扰概率以保护主用户通信.仿真结果表明,对应不同的信道或系统特性,提出的算法均能够显著降低能耗,提高能量利用率.     

D2D中基于风驱动的功率控制算法研究

D2D通信用户通过复用信道大幅提升蜂窝网络频谱利用率,同时也带来了速率、干扰等问题.针对D2D功率控制问题,提出一种基于风驱动的功率控制算法,在干扰可控的范围内最大化系统整体吞吐量.首先为每个D2D用户以匈牙利算法分配最优频谱资源,然后利用风驱动算法优化蜂窝用户及D2D用户的发射功率,提升小区吞吐量.仿真结果表明,在保证用户最小速率要求的基础上,相比于随机接入算法、常规风驱动算法系统吞吐量分别平均提升了16％和7％,并保证了蜂窝用户的服务质量.     

OFDMA蜂窝中继网络中继选择算法研究

提出两种用于正交频分多址(OFDMA)蜂窝中继网络的中继选择算法,一种在限制数据速率情况下,以用户能量消耗最小化为优化目标;另一种在限制花费能量情况下,以系统频谱效率最大化为优化目标.同时,加入了小区内负载平衡处理机制.首先将基于定价的多小区非合作功率分配博弈模型引入蜂窝中继网络中,得到每一跳的功率-效用对;然后将其合并得到每条路径的功率-效用对;最后依据不同的优化目标,在可行路径的功率和效用之间进行折中中继选择.仿真结果表明,相对于基于信干噪比(SINR)的中继选择算法,提出的两种中继选择算法分别达到了其优化目标,获得了相应的性能增益.     

蜂窝网联合协作MIMO上行容量研究

研究了蜂窝无线通信系统中联合协作传输的性能以及用户协作与基站协作之间的关系.在时分的线性部署蜂窝无线系统中,通过研究MIMO信道条件下基站、用户联合协作方式的单个小区可达上行各态历经速率,给出了MIMO信道中多基站联合解码与终端OAF协作联合模式下的可达速率的计算方法,并通过仿真对MIMO信道下联合协作方式性能进行验证...     

混合能源基站的用户关联与资源分配

5G超密集网络部署混合能源微小区基站(SBS),其网络架构和能源供应的异构性会导致负载分布的极度不均衡,引起资源的严重浪费。为有效利用可再生能源和无线资源,该文提出了一种约束目标通信速率的用户关联机制与资源分配策略的方法。该方法以最小化系统总能耗成本为前提,采用基站喜好偏置因子作为用户关联依据,考虑能量减少的不确定因素,提出基于大偏差理论的能量饥饿概率估计算法。在保证用户关联的基础上,利用拉格朗日对偶算法的资源分配策略合理利用带宽资源。数值仿真结果表明:该算法在能量充足的条件下相比最大接收功率算法系统能耗成本减少82.47%,绿色能量的使用率相比最大信道增益算法增加48%。     

Preference Value-Based Network Selection and Resource Allocation in Heterogeneous Wireless Networks

Network selection and resource allocation( NS-RA) are the processes of determining network and radio resource which provide the service to user. Optimizing these processes is an important step towards maximizing the utilization of current and future networks. In this paper,we proposed a preference value-based network selection and resource allocation,in which the NS scheme was performed by the joint radio resource management( JRRM) entity and the RA scheme was performed by the network. In the NS step,the JRRM entity selected the preferable network for users according to the preference value of each network,which took the load balance,the received signal strength( RSS) and the relative position between the user and the network into account. In the second step,the network allocated the optimal sub-carrier to user for the downlink transmission each round according to the preference value of each user and the maximum reachable data rate calculated by users’ perceived channel information,maximizing the spectrum efficiency as well as guaranteeing the fairness. The simulation results showed that the proposed NS-RA scheme achieves better performance in terms of load distribution,spectrum efficiency and user fairness,compared to the conventional strategies.     

自组织异构网络中的资源优化配置

针对自组织异构网络中的资源优化问题,考虑网络能量效率和网络连接稳定性,提出了一种资源配置方案.该方案分为3步,首先能感知周围环境获取信道资源,并将信道纳入可用信道频谱池;其次通过基于莫尔斯势能的用户选择机制,保证网络连接的稳定性,同时降低数据传输功率损耗;最后在前2步的基础上,以提高网络能量效率为目标为用户分配功率.选择过程中按照莫尔斯势能值对用户进行排序,优先选取具有较低势能值的用户提供服务,而功率配置过程由障碍法完成.结果表明,所提出的方案能节省数据传输功率损耗,保证网络连接的稳定性,并优化能量效率.     

OFDMA系统中速率限制下的比例公平调度

提出了一种适用于正交频分多址（OFDMA）系统的比例公平调度算法，目标是在满足最小/最大速率限制条件下尽可能达到用户速率间的比例公平.算法利用OFDMA系统的各用户在各子载波上的信道响应各不相同的特点，引入子载波上最小/最大速率限制的概念，并给每个用户一个令牌计数器.调度器在每一时隙开始时刻依次将各个子载波分配给用户，用令牌数反映速率限制的要求，用子信道状况和已达速率的比值反映比例公平的要求，并在每个子载波被分配后更新用户已达速率和令牌数.仿真结果表明，此算法的容纳用户数、系统效益等性能优于现有常用算法，并且能够与传统的无速率限制的比例公平调度兼容.     

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.     

分布式波束成形的迫零用户选择方案

为了实现在系统总人数大于基站发送天线数条件下,对多小区系统中小区间和小区内用户干扰同时抑制的目的,提出一种基于迫零算法的分布式波束成形的用户选择算法.算法将整体用户分为可一同参与迫零算法和不可一同参与的两类,并利用信道之间的弦距去选择可一同参与迫零算法的用户,实现波束成形向量与未参与迫零的本地信道之间的准正交,同时分析和证明了该算法的有效性.仿真结果表明,新算法在不同发送天线数和总用户数条件下,其吞吐率性能均优于传统算法.     

大规模天线下能量广播方法

为了提高大规模天线能量广播系统的平均用户能量收获效用,在采用最大比传输预编码下,利用大规模天线的性质推导了单能量源场景的最优功率分配方案,利用小区间干扰提出了多能量源协作传输方法,并给出了协作能量传输的最优功率分配方案.仿真结果表明,在单能量源中,所提功率分配方案的性能好于等功率分配方案的性能,协作能量传输方案的性能优于非协作能量传输方案的性能.     

下行NOMA系统中最大化能量效率的功率分配方案

针对多簇且每个簇包含任意用户的下行非正交多址接入（NOMA）系统,提出了一种最大化系统能量效率的功率分配方案.首先推导了满足所有用户连续干扰消除需求的情况下,单个用户及单个簇所需的最低功率,建立最大化系统能量效率的用户间功率分配优化问题,然后采用二分法求解最大化单个簇内能量效率的功率分配优化问题,基于该结论将最大化系统能量效率的用户间功率分配优化问题转换为簇间功率分配优化问题,最后给出了一种迭代的簇间功率分配方案,并根据簇间功率分配的结果为单个用户分配功率.仿真结果表明,所提方案的系统能量效率高于相同场景中的已有方案.     

基于链路预测的手机节能方法

移动云计算为部署大量移动服务提供了技术支持,但用户在不稳定的通信条件下访问云资源往往需要大量的能耗,制约了移动云计算的广泛应用.对此,提出了基于用户交互行为最大化的链路预测方法.首先在数据预测模型的基础上利用基于互动关系改进的交互度方法对已知用户访问的数据进行预测;再结合基于用户行为的社交网络Friendlink方法对预测数据进行数据分析筛选,利用数据预存储机制来预存上述预测数据.实验结果表明,在保证不涉及用户隐私信息,并提高用户下次访问命中率的情况下,达到了预期的手机节能目的.