蜂窝网络下设备到设备通信中的联合资源优化

在蜂窝与设备到设备通信混合网络下,把设备到设备通信的系统吞吐量作为优化目标,同时考虑设备到设备链路和蜂窝链路的服务质量,提出了一种联合功率控制和信道分配的优化方案. 在该方案中,信道分配部分采用粒子群优化算法,并在功率控制部分的帮助下来为设备到设备链路分配最优的复用信道;功率控制部分针对信道分配部分给定的信道分配,通过优化链路发射功率来最大化系统吞吐量. 仿真结果表明,所提联合优化方案权衡了系统吞吐量和接入链路数性能之间的折中关系,在保证所有接入链路服务质量的前提下提升了系统整体性能.     

两跳中继网络的资源分配算法

对于具有中继节点的蜂窝系统,用户的实际速率受限于基站与中继之间链路(第一跳链路)以及中继与用户之间链路(第二跳链路)的吞吐量.单独考虑其中某一跳链路的资源分配,会降低系统的整体性能.因此,针对中继网络,设计了基于两跳链路吞吐量平衡的正向和逆向功率分配算法.其中正向分配算法在进行第二跳链路资源分配时,考虑了第一跳链路的影响.而逆向分配算法则是将第二跳链路的吞吐量作为第一跳链路资源分配的依据.仿真结果表明,设计的算法有利于克服两跳中继网络的瓶颈问题.尤其是逆向分配算法由于充分考虑了用户的最优速率情况,在提高系统吞吐量的同时还减少了能量消耗.     

基于Overlay-Underlay的功率控制路由算法

对现有混合式认知无线电网络频谱共享模型进行改进, 解决了现有路由算法在干扰与时延处理方面的缺陷, 提出了一种基于Overlay-Underlay频谱共享的路由算法. 该算法以着色图为路由分析模型, 以最短路径和链路状态作为路由指标, 以最小累积干扰为信道分配指标, 优先接入空闲授权信道, 否则利用功率冗余接入, 发展了一种具有功率控制的端到端路径选择和信道分配方法. 仿真研究结果表明了该算法的有效性, 与现有路由算法相比, 提高了网络吞吐量, 降低了丢包率和端到端时延.     

基于节点优先级的无线Mesh网络资源分配

随着网络负载的增加,多射频多信道(MRMC)无线Mesh网络的性能也随之下降。为减小网络中的拥塞和干扰,提升网络性能,综合考虑链路干扰和链路负载,提出了一种基于节点优先级策略的信道资源分配(NPFCA)方案,并引入离散粒子群优化(DPSO)算法对NPFCA进行快速迭代收敛。仿真在不同的正交信道数以及不同网络负载下进行,结果表明,该NPFCA方案在不同网络条件下,其吞吐量较传统的CCA和C-HYA算法分别具有32.9%~73.3%和5.5%~17.0%的提升。     

基于连接低干扰的无线Mesh网络信道分配算法研究

为合理地分配和利用无线信道资源,研究者们提出了许多关于多射频多信道无线Mesh网络的信道分配算法。该文针对无线Mesh网络的信道分配算法,以连接低干扰信道分配算法(CLICA)为基础,以提高网络容量(吞吐量)为目标提出了一种改进算法。该算法根据网络中各链路的干扰度来计算网络干扰度,通过减小网络的干扰度来提高网络吞吐量,以实现最小化网络干扰度的目标。构建信道分配的数学优化模型,通过NS2仿真验证比较改进前后算法的性能,求解出最优的信道分配。     

在线开放通信网络信道分配算法优化

针对传统的通信网络信道分配方法进行信道分配时存在信道分配不准确及效率低的问题,提出一种基于干扰度与链路优先级划分的通信网络信道分配方法.由Posisson分布模型建立通信网络节点流量模型,对链路流量及干扰进行评估,建立干扰模型计算出对应干扰程度等级,结合流量模型及干扰模型对分配的信道设计权重值,根据计算出的权值作为选取信道的依据,并根据优先级对网络信道进行分配.实验结果表明,相比传统的信道分配算法,采用改进算法进行信道分配吞吐量较高,信道分配精确度好,具有一定的优势.     

基于联合资源分配的飞蜂网吞吐量优化研究

研究了基站功率连续可调的飞蜂网络(femtocell networks)中最大化最小飞蜂窝吞吐量问题。提出一种轮循优化算法JPCA(joint power and channel allocation),对功率控制和信道分配进行优化。首先在确定的信道分配方案基础上,利用求解线性分式规划问题优化功率控制;继而,在所得的功率分配方案基础上,利用贪婪策略优化信道分配;依次轮循,直至收敛于某一最优解。模拟实验表明,同目前常用的资源分配算法相比,JPCA算法可大幅提升网络性能。     

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.     

聚类多Agent强化学习认知无线电资源分配

针对认知无线电多用户的信道和功率资源分配问题,提出一种基于用户聚类和可变学习速率的多Agent强化学习方法. 首先使用分层处理分离信道选择与功率控制,采用快速最优搜索结合用户数均衡调节实现信道分配;其次,使用随机博弈框架对多用户功率控制问题进行建模,通过K均值用户聚类减少博弈参与用户数量和降低单个用户的环境复杂度,并使用可变Q学习速率和策略学习速率的方法进一步促进多Agent强化学习的收敛. 仿真结果表明,该方法能使多个用户的功率状态和总收益有效收敛,并且使整体性能达到次优.     

基于遗传算法的网络信道负载均衡分配算法研究

为了提高网络信道负载均衡分配能力,提出基于遗传算法的网络信道负载均衡分配算法.采用多元拓扑节点融合的方法构建网络信道模型,结合有限频带融合的方法,实现对网络传输信道的多径干扰抑制和频谱特征分解;采用遗传算法实现对网络信道的负载均衡调度,构建信道负载均衡分配的寻优控制模型;在满足误码率要求条件下,通过波特间隔均衡调节和无...     

Cross-Layer Adaptive Resource Allocation Algorithm with Diverse QoS Requirements for Single-Cell OFDMA Systems

The orthogonal frequency division multiple access( OFDMA) based communication system has been considered as the main trend of next-Generation communication system. But the existing resource allocation algorithm designed for such system is always with high complexity thus hard to be realized. To solve such problem with the constraints of spectrum efficiency and buffer state,a novel cross-layer resource allocation algorithm( RAA) is proposed in this paper. The goal of our RAA is to maximize the system throughput while satisfying several practical constraints,such as fairness among services,head of line( Ho L) delay and diverse quality of service( Qo S) requirements. Due to these constraints,finding the optimal solution becomes a NPhard problem. Therefore in this paper a novel method to solve such problem with acceptable complexity is proposed within following steps: firstly,based on the link state we formulate the ideal subchannel allocation strategy as a convex optimization problem,which can be efficiently solved by our proposed lagrange multiplier technique subchannel allocation( LMTSA) algorithm; secondly,according to the obtained channel allocation matrix,a power allocation algorithm based on the water-filling power allocation( WPA) idea is deployed to get the optimal power allocation matrix combining with adaptive modulation and coding( AMC); finally,through a greedy algorithm,the ultimate subchannel and power allocation matrix can be obtained based on iterative method. The simulation results illustrate that we can achieve the higher throughput and better Qo S performance than the widely-used maximum throughput( MT) algorithm and round robin( RR) algorithm.     

基于交替方向乘子法与深度强化学习算法的资源分配

为了研究在有限信道状态信息下,密集型网络的资源分配问题,提出了交替方向乘子法结合深度强化学习算法的模型驱动学习框架。该框架区别于数据驱动框架,能够根据具体问题进行一对一建模。针对资源分配的问题建模内容包括：将基站选择、功率和子载波分配用交替方向乘子法进行交替优化;用深度强化学习算法优化权重,求解目标函数,提高算法性能;框架利用有效信道状态信息而非多余信息,降低了通信开销;加强对最低用户服务质量要求参数的约束,可以在保证用户的体验下最大化小区频谱效率。仿真结果表明,该模型驱动学习框架在较少的迭代次数下即可收敛。     

Optimal power allocation and optimal relay selection for D2D communication

Cellular users can be regarded as relay nodes in cooperation with the Device-to-Device (D2D)communication so as to lower the cost, improve spectrum efficiency and solve the problems of network coverage, as well as improving service quality. In this paper an optimal power allocation and optimal relay selection algorithm based on network coding is proposed for using cellular users in the bidirectional relay nodes system. By fixing the total power of the D2D link to be transmitted, this algorithm optimizes the transmission power of each node, and selects the relay node which can maximize the channel capacity of the D2D link as the best relay node. Simulation results show that compared with other protocols, the proposed protocol can significantly improve the channel capacity of the D2D link.     

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%．     

多目标融合势博弈无线自组网络拓扑控制算法

针对基于博弈论的无线自组网络拓扑控制算法存在个别"瓶颈节点"负载不均衡、冗余链路多、生存时间短的问题,提出了一种多目标融合的网络拓扑控制算法。首先通过分析网络的连通性、节点发射功率、剩余能量、节点度、链路质量和链路长度对节点负载的影响,设计了一种改进的综合效用函数;建立多目标融合的网络拓扑控制势博弈模型,并证明该模型是序数势博弈且存在纳什均衡解;在维持网络k-连通的基础上,再采用最小路集算法对博弈后的网络拓扑链路进行优化,剔除冗余链路。仿真实验及对比分析结果表明,所提算法在保证网络连通性的前提下,实现了网络负载均衡,消除了冗余链路,生存时间相较于分布式能耗均衡拓扑控制算法、能量平衡拓扑控制博弈算法和节能容错拓扑控制博弈算法分别提升了25.4%、92.6%、36.8%。     

WLAN/WPAN自身干扰解决算法

提出分布式动态信道分配算法(DDCAA),该方法能在高密度WLAN/WPAN环境下大大提高每个用户的吞吐量,尤其在变化的不均匀的通信量条件下,解决由于有限的信道所带来的自身干扰问题.仿真表明:给定任意的通信负载分布及原始信道分配,算法会快速收敛到平衡状态,整个网络的吞吐量得到了很大的提高.该算法能够根据信道的使用状态自适应的改变算法启动门限,并且只通过AP自身完成动态信道分配算法,真正解决了高密度WLAN/WPAN环境下的自身干扰问题,简单有效并有很高的实用价值.