超密集网络中混合接入方式下基于分组的资源分配

针对混合接入方式下的超密集异构网络中存在的干扰及频谱资源分配问题,提出了一种基于分组的资源分配方案.根据Small cell间的干扰采用模拟退火算法对Small cell进行分组;运用基于最小信干噪比最大化的信道分配方案对分组后的网络进行信道分配.给出了混合接入方式下用户的资源使用方式.仿真结果表明,该方案可以有效地抑制干扰,提高系统性能.     

超密集网络中基于分簇的资源分配方案

为了缓解超密集网络中毫微微小区基站（FBS）间的同层干扰,提出一种基于干扰受限的分簇及资源分配（ILCRA）方案,该方案用一个预先设置的干扰门限来限制每个FBS簇内成员的数量。首先采用聚合成簇的思想对FBS进行分簇,每个FBS簇中干扰权值之和不能超过干扰门限,然后在每个FBS簇内采用穷举图着色算法依次对用户设备（UE）进行分簇;其次,在每个FBS簇内独立地分配资源,根据UE簇在每个子信道上的吞吐量依次为每个UE簇分配子信道;最后在每个FBS簇内采用注水算法为簇内用户分配功率。仿真结果显示,该方案有效地限制了FBS簇内成员的数量,提升了系统的吞吐量和频谱效率。     

超密集网络中一种改进的分簇及资源分配方案

为了减少超密集网络中小区间的干扰,提出了一种改进的分簇及资源分配方案.首先,根据小基站间的路径损耗程度构造损耗图,基于损耗图选出簇头并且分簇,将路径损耗之和较小的小基站放在一个簇中,每个簇中小基站的数量不超过子信道的数量;然后,根据簇内的用户在每个子信道上的信干噪比依次为每个簇的用户分配正交的子信道;最后,优化功率分配,以提高吞吐量.仿真结果显示,与相同场景中的已有方案相比,所提方案更加均匀地将小基站分布在每个簇中,并且显著提高了系统吞吐量.     

超密集网络中基于判别函数的聚类算法

超密集网络可以通过虚拟小区间的协作来提升用户体验,但由于小区的重叠覆盖使得用户间存在较复杂的干扰问题。因此,提出了一种基于判别函数的聚类算法来缓解强干扰带来吞吐量下降的问题。首先,利用用户间干扰信道的余弦相似度定义用户间的干扰网络;然后,基于干扰网络选出簇头并划分用户,同时为了解决虚拟小区下的模糊用户归属簇问题,以簇间干扰权重之和最大,簇内干扰权重之和最小为原则设计判别函数,对用户进行模糊归类。仿真结果表明,在不增加复杂度的同时,所提算法比其他方法的系统吞吐量提升了10%~30%,对于边缘用户具有一定优势。     

基于用户分群的超密集小区网络资源分配

为了降低超密集小区网络中的小区间干扰,给出一种利用用户信干噪比和干扰泄漏计算连续权值的用户分群方案。利用连续权值进行用户分群后,采用次优化的启发式算法为用户群分配资源。仿真结果表明,与现有的用户分群算法相比较,所给算法的系统吞吐量可提升20%~35%,同时单个小区的吞吐量也可提升5%~10%。     

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.     

基于网络编码的用户协作博弈资源分配算法

在正交频分多址接入两用户协作中继系统中,为进一步提高协作系统的吞吐量,提出在协作节点处运用网络编码(NC)进行全双工协作通信的传输方案. 同时,引入纳什议价均衡(NBS)博弈,考虑协作用户吞吐量均衡,设计了双层纳什议价均衡(DL_NBS)博弈来协调用户对间的子载波和功率分配. 仿真结果表明,基于NC协作系统方案的吞吐量比普通协作传输模式提高约491%,比直传模式提高约464%;DL_NBS博弈资源分配方案与传统资源分配算法相比,不仅更适用于分布式用户协作场景,且能取得公平性和有效性的折中.     

协作OFDMA网络中公平的中继资源分配

在协作中继OFDMA(OFDMA/Relay)系统中,应用最大化最小(max-min)准则提出一种公平的OFDMA/Re-lay子载波和功率联合分配算法。该算法以最大化网络中当前速率最小用户的数据速率为目标,能够为尽力而为(besteffort)用户业务提供一致的数据速率(并满足用户业务对误码率的需求),有效地避免了饥饿现象,即与基站、中继站信道条件较差的用户业务出现数据传输速率接近于0的现象的发生。     

能量协作网络中基于协作干扰的物理层安全方案

研究了由1个单天线的源节点、目的节点、窃听节点和1个多天线的中继节点组成的系统中,通过能量协作增强保密传输性能的问题。为提高保密速率,中继节点发送经过波束赋形的干扰信号来干扰窃听者。在中继能量供应受限的情况下,提出一种协作干扰与能量协作相结合的方案。源端在能量约束范围内采用能量转移的方式为中继提供用于发送干扰信号的能量。对能量转移量、能量转移时间和干扰信号波束赋形的优化问题进行了求解。仿真结果表明,在不消耗中继自身能量的条件下,与直接传输相比,能量协作和协作干扰方案能够显著提高系统的保密性能。     

VEC中多边缘节点协作卸载与资源分配算法

针对车载边缘计算(VEC)中任务计算成本高和边缘节点负载不均衡的问题,将软件定义网络(SDN)与多边缘计算相结合,构建了“端-多边-云”3层软件定义车载边缘计算模型,并提出了一种新的协作卸载和资源分配算法。使用SDN控制器从全局角度获取网络信息,对任务卸载和资源分配进行统一调度。将改进的k-means算法用于确定任务的初始卸载决策,将任务分别分配到本地簇、边缘节点簇和云服务器簇中。此外,利用深度Q网络算法获得了边缘节点簇中任务最优的卸载决策、卸载比例和资源分配策略。仿真实验结果表明,相较于对比算法,用所提算法使任务的计算成本降低了18.6%以上,提高了22.9%以上的边缘节点资源利用率,并实现了边缘节点间的负载均衡。     

超密集网络中非合作博弈的功率分配算法

为了抑制超密集网络中小小区基站的密集化部署带来的干扰,并提高系统的吞吐量,本文研究了频谱共享超密集网络中的功率分配策略.首先,针对非凸的系统和速率最大化问题,采用非合作博弈模型将其转化为每个用户效益函数最大化的凸子问题,并通过设计一种动态定价使得非合作博弈模型的纳什均衡点（NE）是原优化问题的驻点.其次,为了保证宏小区用户的服务质量（QoS）,模型中引入了干扰功率约束条件来抑制宏小区受到的干扰.最后,在此非合作博弈论框架下,设计了一种迭代式的基于全局信息的功率分配算法.每次迭代通过求解KKT条件获得每个用户的最优发射功率,通过理论推导证明了迭代算法可收敛到博弈模型的NE.此外,为了减少迭代算法的信令开销、提高资源利用率,还提出了一种基于局部信息的功率分配算法.仿真结果表明,所提出的基于全局信息的功率分配算法比对比方法具有更好的传输性能,所提出的基于局部信息的功率分配算法在保证较好的传输性能的前提下有效地减少了信令开销.     

Fully distributed resource allocation strategy in Femtocell networks

A fully distributed proportional resource allocation algorithm with QoS (Quality of Service) guarantees has been proposed to solve the serious co-tier interference caused by the deployment of femtocells. Based on a potential game algorithm, we design a half-allocation strategy and a probabilistic quit strategy in which the finite resource can be allocated according to users’ demand and the interference resource can be quitted according to a probability distribution function. Simulation results show that this algorithm has excellent performance in fairness, spectrum spatial reuse and convergence. All the features verify that our algorithm is a simple and efficient solution for resource allocation in femtocell networks without any information exchange.     

Adaptive computational resource allocation for sensor networks

To efficiently utilize the limited computational resource in real-time sensor networks, this paper focuses on the challenge of computational resource allocation in sensor networks and provides a solution with the method of economics. It designs a microeconomic system in which the applications distribute their computational resource consumption across sensor networks by virtue of mobile agent. Further, it proposes the market-based computational resource allocation policy named MCRA which satisfies the uniform consumption of computational energy in network and the optimal division of the single computational capacity for multiple tasks. The simulation in the scenario of target tracing demonstrates that MCRA realizes an efficient allocation of computational resources according to the priority of tasks, achieves the superior allocation performance and equilibrium performance compared to traditional allocation policies, and ultimately prolongs the system lifetime.     

OFDMA网络比例公平性的中继资源分配

在中继协作正交频分多址（OFDMA/Relay）系统中,应用协作博弈论提出一种比例公平性的多用户中继资源（子载波和功率）分配方案.定义了用户基于比特传输速率的效用函数,并建立中继资源分配的协作博弈模型.求解此博弈的纳什议价解（NBS）具有较高的计算复杂度,为此,提出一种快速子载波与功率联合分配算法,即：先进行固定发射功率的最优子载波分配,再进行最优的发射功率分配,最终通过上述迭代方式获得联合资源分配的NBS.仿真试验表明：与已有的OFDMA/Relay系统资源分配算法相比,所提出的NBS求解算法能够在提高系统频谱资源利用率的同时,对用户进行更为公平的中继资源分配.     

超密集网络中基于改进DQN的接入选择算法

在超密集网络环境中,各个接入点密集部署在热点区域,构成了复杂的异构网络,用户需要选择接入合适的网络以获得最好的性能。如何为用户选择最优的网络,使用户自身或网络性能达到最佳,称为网络接入选择问题。为了解决超密集网络中用户的接入选择问题,综合考虑网络状态、用户偏好以及业务类型,结合负载均衡策略,提出了一种基于改进深度Q网络(deep Q network, DQN)的超密集网络接入选择算法。首先,通过分析网络属性和用户业务的偏好对网络选择的影响,选择合适的网络参数作为接入选择算法的参数;其次,将网络接入选择问题利用马尔可夫决策过程建模,分别对模型中的状态、动作和奖励函数进行设计;最后,利用DQN求解选网模型,得到最优选网策略。此外,为了避免DQN过高估计Q值,对传统DQN的目标函数进行优化,并且在训练神经网络时,引入了优先经验回放机制以提升学习效率。仿真结果表明,所提算法能够解决传统DQN的高估问题,加快神经网络的收敛,有效减少用户的阻塞,并改善网络的吞吐能力。     

LTE中适用于MBSFN的自适应资源分配机制

提出了一种适用于长期演进(LTE)系统多播广播单频网传输方式的自适应资源分配机制,考虑多播业务的资源需求和信道情况决定每个子帧上传输的业务类型.在每个资源分配周期内,通过估计系统内多播业务所需的子帧比例,选定相应的信干噪比门限;通过门限判决并考虑多播业务所需资源分配情况,自适应地实现多播业务和单播业务间的子帧分配.仿真结果表明,所提机制在保证多播业务速率的同时,可以提高单播业务吞吐量,优化了系统无线资源的利用率。     

Edge offloading strategy for the multi-base station game in ultra-dense networks

Mobile edge computing provides powerful computing capabilities for the wireless network to enrich the user experience.However,in the current mobile edge computing network,the problems of small coverage density and hotspot overload of the central node should be skillfully overcome.The combination of the ultra-dense network and mobile edge computing can provide a feasible solution for addressing the above problems.A distributed edge computing architecture for ultra-dense networks is designed,and a multi-base station game offloading algorithm is proposed to minimize the system overhead.In the proposed algorithm,the lagrange multiplier method is used to solve the problem of computing resource allocation,and then the matching game theory is exploited to obtain the optimal offloading strategy,so that the mutual benefits of both users and mobile edge computing servers are maximized.Simulation results show that compared with the random and greedy offloading algorithms,the proposed algorithm achieves a significant reduction in the system overhead,with the average overhead saving being up to 28.66%.     

基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

性能感知的核心网控制面资源分配算法

针对网络功能虚拟化（NFV）环境下核心网控制面资源分配问题,提出性能感知的资源分配算法. 基于排队网络理论建立核心网控制面性能评估模型,推导出信令流程平均响应时间的近似表达式. 为了确定核心网控制面虚拟网络功能（VNF）实例的最优配置数量,综合考虑处理性能和VNF实例部署成本,建立核心网控制面资源分配多目标优化模型,并提出改进的多目标遗传算法. 仿真结果表明,该性能评估模型误差在10%以内,优于Jackson排队网络模型;与NSGA-II和HaD-MOEA相比,所提算法获得的近似Pareto前沿收敛性和多样性更好,更逼近真实Pareto前沿.