多小区环境中基于动态功率分配的干扰安排算法

在多用户MIMO（Multiple-InputMultiple-Output）干扰信道环境中,为了充分利用系统的总功率,将用户受到的干扰最大化地重叠,以提高系统性能。给出了MIMO干扰信道模型及子空间干扰安排算法分析;针对如何最大程度地利用系统功率问题提出了一种采用动态功率分配的干扰安排算法。仿真结果显示,该方案仅牺牲微小的系统容量,却显著地降低了系统的平均误码率和干扰功率,证明该算法较给定功率算法更有优势。     

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％.     

卡尔曼预测在干扰对齐中的应用

分析了K用户干扰信道中,收发端的噪声和信道的时变特性对干扰对齐实际性能的影响,并提出一种基于卡尔曼预测的信道状态信息修正方法,以改善干扰对齐的性能.该方法利用信道的时域相关特性对信道增益进行跟踪预测,并通过预测值对估计值进行修正,从而提高发送端获取信道状态信息的精度.仿真结果表明,所提出的修正方法降低了信道增益估计值的均方误差,有效地改善了干扰对齐的性能,提升了系统的和速率.     

认知MIMO干扰信道的联合干扰对齐算法

针对认知MIMO干扰信道的干扰抑制问题,前人的研究往往将其解耦为主用户和次用户的干扰抑制两个独立问题进行设计,因而需要两级处理。首先将这两类干扰的抑制进行联合处理,建立了联合干扰对齐问题模型,然后基于对交替最小化干扰对齐算法的拓展和改进,得出一种迭代的联合干扰对齐算法。理论分析和仿真结果表明,文章算法能有效抑制系统内的干扰,与现有算法相比,干扰抑制性能相当,求解过程简单,信道无需满足互易性。     

基于二次规划的干扰对齐编解码矩阵联合优化算法

针对多用户多输入多输出干扰信道中以系统容量表征的目标函数既不是线性函数也不是凸函数,直接求解比较困难的问题,提出一种基于二次规划的联合求解多用户多输入多输出干扰对齐编解码矩阵的迭代算法。在迭代步长很小的前提下,目标函数在局部具有凸函数性质,因此可以将问题转化为传统的二次规划问题。分别给出了3对收发用户和4对收发用户干扰系统的通信速率随信噪比变化的仿真。结果表明,作者提出的干扰对齐编解码矩阵求解方法能够使干扰系统中的多个用户同时进行有效的通信,提出的算法与传统的干扰泄漏最小化干扰对齐方法相比,在低信噪比区间具有较大的速率提升,而在高信噪比区间可以获得相似的性能。     

两单播多跳网络的干扰对齐和功率分配方案

针对两单播多跳网络,在存在两个中继端的情况下,研究源端的干扰对齐预编码设计、中继的干扰消除解码和预编码转发设计,以及目的端的干扰消除解码处理. 对干扰对齐和解码需满足的约束条件进行分析,给出简化的网络干扰对齐的可行条件. 此外,对源端与中继端的功率分配进行优化. 最后对干扰对齐的可行性、功率分配的性能进行仿真测试. 表明在满足网络对齐约束条件后,干扰对齐可行,并且采用简化迭代注水功率分配算法较采用平均功率分配算法的系统容量有明显提高.     

基于干扰对齐的D2D通信资源分配方案

针对由Device-to-Device(D2D)通信系统和传统蜂窝通信系统组成的混合网络,提出了一种基于干扰对齐(Interference Alignment,IA)的D2D功率分配算法(Interference Alignment-Power Allocation,IA-PA).利用干扰对齐方法,将混合网络中的k对D2D用户的干扰信道等效为k对互不干扰的MIMO信道,并证明了干扰对齐解的存在性.其次,基于贪婪思想,提出了一种最优功率分配算法——IA-PA.与传统蜂窝通信系统相比,IA-PA使得混合网络的总自由度提高了(k-1)/2倍.仿真表明,所提出的功率分配算法有效地抑制了混合网络的互干扰,并得到更大的系统总速率.     

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.     

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．     

基于粒子群优化的频域多信道干扰对齐算法

针对频域干扰对齐系统解空间的多峰值特性,提出了一种基于粒子群优化,以系统网络和速率为优化目标函数的干扰对齐全局搜索算法.该算法通过对速度向量在位置向量的法平面上做投影以加强全局搜索能力,并在粒子群标准位置更新的基础上增加沿目标函数梯度方向的学习搜索来提高算法收敛速度和趋向全局最优值的能力.数值仿真结果表明,该算法可以获得比现有算法更好的网络和速率性能.     

基于干扰对齐的多用户全双工通信中干扰消除方法

为了消除多用户全双工干扰信道中的自干扰和互干扰,将干扰对齐思想应用于全双工干扰信道中. 根据多用户全双工模型的特性将其等效为单向信道模型,并给出了等效模型与原模型之间的信道矩阵对应关系;基于此等效模型和信道矩阵对应关系,应用迭代干扰对齐和最大信干噪比方法将其自干扰和互干扰消除;干扰泄漏功率的仿真结果验证了算法的有效性和正确性,系统容量和平均能量效率也较其他算法都有明显提高.     

基于不同信道状态信息的两跳中继系统最优功率分配

根据已知瞬时信道状态信息或统计信道状态信息2种情况,分析了不同转发方式下两跳中继系统的信道容量,并以最大化系统容量为优化准则,提出了在发射端和中继器间的最优功率分配方案. 仿真结果表明,与传统的平均功率分配相比,最优功率分配能根据信道状态的变化自适应地调整两跳发射功率,显著提高系统容量.     

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.     

基于干扰比例分配机制的博弈式功率分配策略

研究了认知无线电系统中的功率分配策略,分析了基于博弈策略的最佳效用函数. 针对干扰受限条件,提出了一种适合分布式场景的,根据认知用户对主用户产生的干扰比例来限制自身最大发射功率的方法. 通过计算机仿真,考察了不同比例分配方式下的系统性能,并对仿真结果进行了比较. 仿真结果表明,各认知用户对主用户干扰比例相同的功率限制策略可使系统获得较好的性能.