认知无线电中基于非合作博弈的功率分配方法

提出了一种适合于认知无线电网络的功率控制方法．基于信扰比的代价函数,借助兼顾认知用户公平性的惩罚因子,构造一种新的支付函数．基于该支付函数提出了一种非合作博弈功率控制模型．结合博弈理论,证明了该博弈模型纳什均衡解的存在性和惟一性,同时得出该纳什均衡解是帕累托最优的．仿真结果表明,基于该博弈模型功率分配方法收敛性比传统算法好,通过设置合适的惩罚因子等参数,3~5次迭代即可收敛,满足系统实时性要求,同时系统通过量较传统算法有1~4倍的改善．     

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.     

认知OFDM网络中基于中断概率约束的功率分配

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. 为限制主用户中断概率,建立了在主用户接收端中断概率受限下最大化认知用户传输速率的数学优化问题,并利用拉格朗日乘数法得到该问题的最优解. 仿真结果表明,所提算法将主用户中断概率限制在其可容忍范围内的同时,最大化了认知用户的传输速率.     

基于位置的认知网络中继选择与功率分配

针对认知网络中,认知源和目的都位于同一个主用户的覆盖区内但距离较远的情形,通过使用主用户频段,采用中继在源和目的间建立多跳路由实现通信。给出一种利用位置信息,以优化跳数和总发射功率为目标的中继选择算法;同时给出一种以最大化系统容量为目标、以总发射功率和接收信干比为约束条件的功率分配算法。仿真结果表明,该文算法能够有效降低系统总发射功率和提高系统容量。     

干扰信道中基于竞争博弈的准最佳功率分配方案

频率选择性高斯干扰信道下多用户总速率最大化的问题被建模成一个带有补偿函数的非合作博弈模型．补偿函数也近似成子信道之间进行博弈的模型(子信道博弈)．通过子信道之间的迭代计算,子信道博弈能够达到一个纳什均衡,也就是渐近最佳补偿．接着提出了多领导斯坦克尔伯格均衡的概念,来描述带有渐近最佳补偿函数的非合作博弈的均衡点．利用凸优化技术,开发了一种迭代多水平面功率注水算法,来达到斯坦克尔伯格均衡．在该均衡点上,所有用户都会工作在准最佳速率区域边界上．仿真结果表明,迭代多水平面功率注水算法所能达到的总速率比迭代功率注水算法有明显的提高,并且能达到一个准最佳的可达速率区域．     

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。     

宽带协作通信认知无线电的功率分配

为了提高宽带认知无线电(Cognitive Radio, CR)和主用户(Primary User, PU)的传输速率,提出了CR和PU之间协作通信的方案以及CR的最优子信道功率分配方法．当检测到PU存在时,该方案允许CR使用半个帧传输数据,使用剩下的半个帧帮助PU协作传输．基于此方案提出的功率分配能够使CR在不影响PU的同时获得更大的传输速率．仿真表明:相比传统的非协作通信,提出的方案能够使CR和PU的传输速率同时获得提高．     

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.     

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.     

基于QoE的MIMO-NOMA系统功率分配方案

在多输入多输出非正交多址接入（MIMO-NOMA）系统中,衡量通信质量时仅仅考虑了用户的服务质量（QoS）,而没有考虑用户终端的满意度.为此,提出一种基于Stackelberg博弈的优化用户体验质量（QoE）的动态定价功率分配算法.在网页浏览业务场景下,用平均意见分数（MOS）值来衡量用户终端的满意度,将用户设置为买方,基站设置为卖方,小区内各用户从基站处以瞬时单位功率价格购买功率,提升其MOS值;同时,卖方基站不断调整单位功率价格,以实现自身最大化收益,最终达到Stackelberg均衡.仿真结果表明,所提算法与基于QoS的功率分配算法相比,在公平性上提升了22.73%;与传统的定价算法相比,在吞吐量和MOS值上有明显提升;与基于凸差规划的功率分配算法相比,在时间复杂度上有明显降低.     

基于定价的网络资源分配策略

为了使网络资源能够在用户间有效地分配,研究了一种基于博弈和定价理论的资源配置机制,并且建立了基于用户效用函数的中心化和非中心化数学模型. 为了使模型更容易在网络中实现,给出了模型解的异步对偶梯度投影算法,并且给出了算法的实现方式. 计算机仿真结果验证了模型在网络资源分配上的有效性及对偶梯度投影算法的收敛性.     

基于非合作博弈的自适应功率控制算法

针对开放性频谱共享模型,提出了一种基于非合作博弈的自适应功率控制算法. 该算法分为外部更新和内部更新,在外部更新时,用户进行周期性信息交互;在内部更新时,用户自适应控制功率. 仿真结果表明,该算法与传统的分布式算法相比减少了信息交互量,并且能得到近似最优解.     

基于非线性代价函数的博弈功率控制算法

针对认知无线电中博弈功率控制算法的特点,对代价函数进行改进,提出了一种基于信干比的非线性代价函数博弈功率控制算法(NPGP-NL),证明了NPGP-NL算法纳什均衡的存在性和唯一性,并用Matlab软件对NPGP-NL算法做了仿真,结果表明:NPGP-NL算法使认知用户的发射功率降低,效用提高,且在一定程度上兼顾了系统的公平性。     

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.     

结合功率分配的干扰对齐预编码优化算法

针对K用户多输入多输出干扰信道系统提出了一种基于功率分配预编码优化算法.首先通过信道的奇异值分解,基于矩阵弦距离,选出一组与最好的特征子信道最为匹配的预编码矩阵来传输信号,然后根据信道矩阵信息的强弱进行功率分配,从而对预编码矩阵进行优化,可最大化保证接收信号的强度.仿真结果表明,该算法未用迭代计算预编码矩阵和接收抑制矩阵,不仅使整个系统的复杂度大大降低,而且在系统和速率有微小损失的情况下,提高了系统的误码率性能.     

保障个体性能的半盲干扰对齐功率分配方法

针对盲干扰对齐机制平均功率分配导致功率利用率低的问题,提出了一种半盲干扰对齐功率分配算法.在功率受限场景下,该算法能够提高整体性能,同时保障个体性能.首先,分析了功率分配对盲干扰对齐性能的影响;其次,建立了功率受限的盲干扰对齐模型,提出了最大化传输速率同时保护用户个体性能的功率分配目标;最后,为满足目标函数的约束,提出基于回溯梯度下降的功率分配算法.仿真结果表明,相比于平均功率分配,所提算法可以将系统性提高约53％.     

基于图论的动态频谱分配策略

针对颜色敏感图论着色频谱分配算法一般只应用于静态网络的问题,基于频谱分配的图论模型及颜色敏感图论着色频谱分配原理,提出了一种改进的最大化系统总收益规则下的动态频谱分配算法,并进行了仿真实验,对比分析了原有算法与新算法的性能.仿真结果表明,改进的算法虽然使认知网络总效益有所下降,但大幅度减少了时间开销,提高了系统的时效性.     

基于分布式认知无线电的非合作博弈频谱分配算法

基于博弈论的认知无线电频谱分配问题,是目前认知无线电领域的研究热点之一.分布式认知无线电系统的网络容错能力强,易于架设并且通信可靠性高.采用博弈论算法对认知无线电网络的频谱分配进行建模分析,可以很好的提高自适应算法的性能和收敛速度且降低了算法的复杂度.仿真结果表明,该分布式系统中的频谱分配算法收敛速度快、复杂度低并且具有很好的通信可靠性.     

认知无线电网络子载波和功率分配

在干扰温度和总发送功率的限制条件下,提出了一种基于正交频分多址（OFDMA）接入方式的认知无线电网络上行链路子载波和功率分配算法,目标为最大化系统吞吐量。算法在初始分配方案的基础上不断调整,最终逼近最优分配方案。仿真结果表明,提出的算法在大幅度降低计算复杂度的同时,达到了接近穷举方案的性能。