移动边缘计算中基于能量收集的能效优化方案

移动边缘计算（MEC）系统中密集的计算任务卸载使得资源受限的终端设备能量效率低,能量服务单一,对此,提出了一种基于能量收集的系统能效优化方案.该方案首先在满足卸载发送功率限制等约束条件下,分析了能量收集状态及用户功率分配,建立了最大化系统能效的联合优化模型;其次,利用广义分数规划理论将卸载能效转化为标准凸优化问题,并通过构建拉格朗日函数对目标函数进行迭代优化,获得最优的能量指示变量和功率分配.仿真结果表明,所提方案可以有效提升MEC系统中的用户能量效率,同时保证了用户服务质量,实现了绿色通信.     

比例公平保证的MIMO-OFDM系统能效资源分配

针对下行多输入多输出-正交频分复用( MIMO-OFDM)系统,提出了满足在总功率限制和用户比例公平性约束下,使系统能量效率最大化的资源分配算法。为了降低计算复杂度,提出了两步优化的次优子载波和功率分配算法。第1步由子载波共享和平坦衰落假设得到估计的能效发射功率,并采用等功率分配方法完成子载波分配;第2步在子载波分配基础上完成能效最优的功率分配。仿真结果表明,所提算法以较低的复杂度逼近最优算法的性能,并且在保证用户比例公平性的同时带来明显的能效提升。     

OFDMA系统中节能的遗传禁忌搜索功率分配

提出了一种用于多小区正交频分多址系统的功率分配算法. 以最小化系统发送功率为优化目标,在满足每个用户速率要求条件下,将遗传算法与禁忌搜索算法相结合,求解了多小区同频子信道上的功率分配问题. 定义了适应度函数,并给出了算法实现过程. 仿真结果表明,与已有算法相比,新提出的算法能在满足所有用户的速率要求条件下节约系统总发送功率,提高能量效率.     

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.     

综合上下行链路的无线能量收集协作网络资源分配

为了提高和平衡时分双工系统上下行链路之间的能效，在无线能量收集(EH)协作网络中开展节能资源分配算法研究.建立考虑无线能量收集、频谱共享、系统功率受限的协作网络模型；基于所建模型，形成综合上下行链路、功率约束、带宽约束和上下行速率匹配的优化问题，分别优化系统的绿色能效和传统能效.对优化问题进行数学分析，得到资源分配的最优解，即源节点、中继节点和目的节点的最优发射功率，上下行链路最优的带宽分配，能量收集节点最优的功率分割以及最优的系统能效；归纳得到分别基于系统绿色能效最大化和基于系统能效最大化的资源分配算法.对所建模型与所得资源分配算法开展蒙特卡洛仿真分析，将所得算法与文献算法进行对比.仿真结果表明，通过综合优化系统上下行链路的资源分配，所得算法有效提升了绿色能效和传统能效.     

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.     

低复杂度的MIMO比特和功率分配方案

提出了一种低复杂度的自适应比特和功率分配算法,在满足系统信息传输速率和误比特率限制的条件下,利用不精确的信道状态信息使多输入多输出系统的发送功率最小化. 首先利用函数部分单调性将非凸最优化问题转化为凸优化问题,然后得到最优化问题在非负实数域内的闭合最优解,并将其调整成离散比特数,从而获得最终的比特和功率分配结果. 仿真结果表明,该算法可以获得与最优的鲁棒贪婪比特和功率分配算法相同的分配结果和功率效率,而计算复杂度大幅度降低.     

用于OFDMA系统的多小区自适应资源分配算法

提出了一种用于正交频分多址通信系统下行链路的多小区自适应资源分配算法(MARA).为了降低系统复杂度,将子信道分配和功率分配分开实现,在小区内部进行动态子信道分配,并以单小区子信道分配结果为基础在相邻小区同频用户中进行功率分配.将非合作博弈论引入到多小区功率分配中,给出了基于代价函数的多小区分布式功率分配算法.通过协调相邻小区间同频子信道的发送功率,抑制小区间干扰,提高了无线资源利用率.仿真结果表明,与已有算法相比,本文提出的算法可以提高系统吞吐量.     

用于OFDMA蜂窝系统的多小区自适应资源分配算法

提出了一种用于正交频分多址通信系统下行链路的多小区自适应资源分配算法(MARA)。为了降低系统复杂度，将子信道分配和功率分配分开实现，在小区内部进行动态子信道分配，并以单小区子信道分配结果为基础在相邻小区同频用户中进行功率分配。将非合作博弈论引入到多小区功率分配中，给出了基于代价函数的多小区分布式功率分配算法。通过协调相邻小区间同频子信道的发送功率，抑制小区间干扰，提高无线资源利用率。仿真结果表明，与已有算法相比，本文提出的算法可以提高系统吞吐量。     

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.     

用于多小区OFDM系统的分布式上行功率控制算法

为了协调小区间干扰,提高边缘用户性能,研究了OFDM系统多小区间的功率分配问题.基于非合作博弈理论,给出既可以保证每个用户信干比最小又考虑其他小区同信道干扰的效用函数.通过求解最大效用函数值,得到一种多小区分布式上行功率控制算法.该算法中每个小区只需本地信息就可以协调小区间干扰,实现了用户间公平性与频谱利用率的最佳折中.通过仿真分析,讨论了算法的参数选取,验证了算法的收敛性.仿真结果表明,与等功率分配相比,虽然吞吐量下降了17%,但是公平性提高了1.7倍.     

多小区OFDMA系统中的分布式资源分配策略研究

针对多小区OFDMA系统中的上行动态子载波和功率分配问题,提出了一种基于潜博弈模型的分布式功率控制算法,各移动台根据本地信息按照最佳反应动态原则依次更新自己的功率,理论分析和仿真结果均表明系统具有惟一的稳定状态．该功率控制算法能迅速收敛于稳定状态．与纯迭代注水算法相比,该算法对系统的能量效率有显著提高．     

多小区下行NOMA系统中最大公平的功率分配方案

对于多小区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,提出了一种最大公平的功率分配方案.首先构建了最大公平的功率分配优化问题;推导了单簇内以最大公平为准则的分配功率时,该簇内每个用户的速率与每个簇的总功率之间的关系,并基于该结论,将优化问题中用户间的功率分配转化为簇间功率分配;最后给出了一种基于迭代的簇间功率分配算法,为每个簇平均分配功率并计算单簇内最大公平准则下用户的速率.通过多次调整最大速率所在小区簇的功率和最小速率所在小区簇的功率,得到该系统中最大公平的功率分配.仿真结果显示,所提方案的公平性优于相同场景中已有的功率分配方案.     

NOMA系统中最大化能量效率的功率分配

已有的上行非正交多址接入(NOMA)系统中最大化能量效率的功率分配方案的计算量有待降低,针对此问题,该文提出了上行NOMA系统中低复杂度的最大化系统能量效率的功率分配方案.首先,根据用户的最低速率需求计算每个用户所需的最低功率,以单个用户的最大发送功率和用户的最低速率需求作为约束条件,建立最大化能量效率的功率分配优化问...     

联合功率控制的D2D资源分配算法

针对D2D通信引入LTE网络中同频干扰以及能耗过大问题,首先基于模糊聚类算法,将D2D用户分成若干个D2 D用户组,并且基于中断概率最小为每个D2 D用户组寻找最优蜂窝用户资源,以降低用户间干扰、提高系统吞吐量。其次结合上述资源分配提出了一种有效的功率控制方案,调节资源分配后用户组内D2 D用户的发送功率,以提高系统能量效率。仿真结果表明：该算法降低了系统干扰,提高了系统吞吐量以及系统能量效率,同时又保证了D2 D用户获得无线资源的公平性。     

认知Ad Hoc网络多小区资源分配方案

在授权多小区频谱资源复用场景下,基于分级信道接入模型提出了一种认知Ad Hoc网络资源分配方案．授权小区将频谱资源进行区间复用,认知系统根据区域复用的不同划分可用频段,并在不同频段采取不同的接入方式;联合考虑链路传输需求及授权用户干扰保障设计传输效益因子,根据传输效益因子分配可用信道,运用拉格朗日对偶理论实现功率分配,并基于令牌环结构实现Ad Hoc链路局部信息交互．仿真表明,所提算法相对非复用认知场景系统容量可在相同指标下提升2%．     

MEC计算卸载与资源分配联合智能优化方案

移动边缘计算(MEC)中的分布式基站部署、有限的服务器资源和动态变化的终端用户使得计算卸载方案的设计极具挑战。鉴于深度强化学习在处理动态复杂问题方面的优势,设计了最优的计算卸载和资源分配策略,目的是最小化系统能耗。首先考虑了云边端协同的网络框架;然后将联合计算卸载和资源分配问题定义为一个马尔可夫决策过程,提出一种基于多智能体深度确定性策略梯度的学习算法,以最小化系统能耗。仿真结果表明,该算法在降低系统能耗方面的表现明显优于深度确定性策略梯度算法和全部卸载策略。