Massive MIMO 下行系统能效资源分配算法

摘 要: 针对无线通信网耗能造成二氧化碳排放量和运营成本日益增加的问题,提出了一种下行大规模天线系统能效最优的资源分配算法。算法在基站端采用最大比合并(MRT)的预编码情况下,考虑各用户最小数据速率、最大发射功率和可容忍的干扰水平约束条件下,以最大化系统能效下界为准则建立非凸优化模型。首先采用一种迭代算法确定每个用户的带宽分配,然后根据分数规划的性质,将能效优化问题的分数形式转化为减式形式,进而利用凸优化方法求解基站端最优的发射天线数和发射功率来获得最优能效。仿真结果表明,所提算法能以较小的迭代次数收敛到最大能效值,并且有较好的系统频谱效率性能,同时算法复杂度得到了显著降低。     

一种多天线多用户大规模MIMO上行系统能效资源分配算法

针对目前大规模MIMO系统的资源分配研究集中于用户终端配备单天线的场景,但随着技术的发展和用户需求的增长,用户智能终端配备多天线情形越来越多,提出一种基于多天线多用户大规模MIMO上行系统的能效资源分配算法。在满足用户速率和续航要求的条件,基站采用迫零(ZF)接收情况下,通过建立系统能效函数,采用凸优化方法进行优化。首先确定用户不同天线的最优发射功率,再运用二分法确定基站激活的天线数目,通过联合用户发射功率和激活基站天线数来优化系统能效。仿真结果表明本文所提算法可以在迭代次数较少的情况下取得较好的系统能效。     

基于压缩感知的高阶MIMO系统信道估值算法

针对通信网络中的天线数量巨大，很难完成对信道的有效计算与估值。借助于高阶多输入多输出（MIMO）系统的可靠性，提出了一种基于压缩感知的信道估值高阶MIMO系统。设计了一种简单的导频结构，以降低计算复杂度；利用导频序列长度可以随着信道稀疏度变化情况自适应的调整，从而节省了导频资源的开销。仿真实验表明，与传统的信道估计算法比较，在相同的信道估计精度条件下，HMCE-CS算法可以降低平均导频序列长度；或者在相同的导频序列长度条件下，HMCE-CS算法可以提高信道估计精度，验证了该算法的有效性。     

基于非泊松点过程建模的微基站部署研究

为了提升实际基站部署时的合理性,针对异构蜂窝网络(HetNet)的基站部署,同时考虑了宏基站(mac-ro base station,MBS)与宏基站、宏基站与微基站(pico base station,PBS)部署的相关排斥性,采用蜂窝网络渐进增益分析法推导出两层非泊松网络的覆盖率,并针对网络能效进行分析,推导出系统吞吐量和网络总能效.最后,提出了一种针对微基站发射功率的能效优化算法,通过优化PBS发射功率使网络能效最大化.仿真结果表明,提出的模型覆盖率优于两层HPPP模型,能效优化算法最高可使系统能效提高约30％,在实际基站部署时应调整合适的基站间距和发射功率.     

Femto网络中基于自适应定价的功率控制算法

为提高Femto网络的系统能效,提出一种自适应定价的功率控制算法。定义自适应定价因子为家庭基站每增加单位功率时网络能效的边缘下降幅度,每个家庭基站根据收集到的其他家庭基站发射功率信息计算自适应定价因子,以能效优先原则对家庭基站分配发射功率。在此基础上,采用分布式功率控制方法为每个家庭基站进行功率分配,并通过多次迭代求得系统的平均能效。利用MATLAB软件搭建系统仿真平台,实验结果表明,与基于固定定价的功率控制算法相比,该算法可提高约18.6%的系统能效。     

一种基于价格竞争的D2D通信资源分配算法

针对蜂窝用户与D2D用户所构成的混合网络系统中同频干扰问题,提出一种基于价格竞争的D2D通信资源分配算法.该算法不仅考虑利用基站定价来减小对蜂窝系统的干扰,而且联合基站端的干扰容限对干扰功率进行约束.首先将问题公式化制定非合作博弈过程,利用效用函数模型分析D2D用户的利润和对蜂窝基站的干扰,从而调整发射功率最大化系统整体收益;然后通过通信的D2D用户来更新干扰继而更新复用价格;最后采用注水算法利用拉格朗日条件来优化价格.仿真表明,该算法不仅可以简单地控制干扰功率,而且还有效地提高了系统吞吐量.     

基于信息能量同传的异构小蜂窝网络能效优化

研究无线信息和能量协同传输(simultaneous wireless information and power transfer,SWIPT)异构小蜂窝网络的能效优化问题。保证小蜂窝用户和宏用户通信质量、小蜂窝用户能量采集和小蜂窝基站传输功率等约束下,为实现小蜂窝系统下行能效的最大化,对小蜂窝基站发射功率和小蜂窝用户端功率分流系数进行联合优化。该问题属于非凸优化问题,通过变量替换对原问题作等价转换,然后采用基于拉格朗日乘子的次梯度算法求解。计算机仿真结果表明,该联合优化算法简单有效。     

基于压缩感知的大规模MIMO系统导频优化及信道估计算法

针对频分双工（FDD）大规模MIMO系统下行信道估计过程中由于导频数和基站天线数成正比会造成巨大的导频开销这一问题,首先提出一种基于压缩感知（CS）技术的伪随机导频优化方案,该方案令基站发射非正交导频信号,并且以最小化观测矩阵的互相关为优化目标,通过引入交叉、变异判断机制和内、外循环机制以实现对导频序列的优化;其次,联合利用无线MIMO信道的空间公共稀疏性和时间相关性提出一种基于压缩感知技术的信道状态信息（CSI）估计算法,利用线性最小均方误差（LMMSE）算法进行矩阵估计以精确获取CSI。分析和仿真结果表明,与随机搜索算法、逐位置优化方案、局部公共支撑算法、自适应结构子追踪（ASSP）算法、正交匹配追踪（OMP）算法以及逐步正交匹配追踪（StOMP）算法相比,所提算法在低导频开销比和低信噪比（SNR）的情况下均可以维持良好的信道估计性能。     

以用户为中心的超密集网络中窃听用户检测技术

在以用户为中心的超密集网络(User-centric Ultra-Dense Networking,UUDN)中,由于进行信道估计的导频序列长度有限,导致传统的基于信息论准则的窃听检测技术效果不理想甚至完全失效.针对这种情况,提出了一种基于LS-FDC准则的多节点联合检测算法.首先,该方法利用统计学中的线性收缩(Linear Shrinkage,LS)理论,对各节点接收到的样本协方差矩阵进行收缩优化,使其特征分解后更好的拟合总体特征值的分布情况;然后,接入节点组(Access Points Group,APG)中的各节点利用灵活检测准则(Flexible Detection Criterion,FDC)算法进行联合判定是否存在窃听用户;最后,仿真实验与理论分析表明:相较于其他的信源估计检测算法,该算法在较低信噪比和导频序列长度有限时的检测概率显著提高,甚至在导频序列长度小于节点天线数的情况下都能达到很好的检测效果.     

大规模MIMO网络能效和频效的多目标联合优化

针对大规模MIMO网络下行链路中系统能效与频效的联合优化问题,从发射功率和发射天线数目两个因素考虑进行研究。为了使得满足网络中多项性能指标,将大规模MIMO网络下行链路的能效与频效构建成一个多目标优化问题,提出一种改进的快速非支配排序多目标优化遗传算法,在本文所设场景下对问题进行求解,得到了该问题的Pareto最优解集。最后将该方法与同类型的多目标进化算法进行对比分析。结果表明,所提方法能够有效的搜索到最优解集,满足不同情况下的通信需求。     

基于能量收集的环境反向散射通信联合优化算法设计

针对环境反向散射通信系统,设计两跳无线信息和能量传输方案并基于能效最大化准则给出联合优化算法。源端配置多天线并采用最大比发送(Max Ratio Transmission,MRT)预编码方法,中继节点使用功率分流法以完成信息发送与能量收集。基于系统传输模型,对源端天线数和发送功率采用联合优化算法以得到系统最大能效。借助高信噪比近似法进行非凸向凸的转化以解决优化目标中非凸问题。此外,利用Lambert W函数得到源端天线数和发送功率联合优化的最优解。仿真结果验证了所提方案的有效性和正确性。     

LTE-A系统中基于QoE能效的无线资源分配算法

针对无线通信网络能耗日益增加与用户体验质量(quality of experience,QoE)难以得到保证的问题,提出一种LTE-A系统基于QoE能效的资源分配算法。首先,给出联合优化QoE和能效的数学模型,特别的考虑了用户最小QoE要求;其次,根据约束条件提出了一种迭代算法进行用户资源块(resource block,RB)分配,然后利用分数规划的性质并采用凸优化方法求得最优的发射功率来优化目标函数。仿真结果表明,相较现有基于能效的资源分配算法,该算法在提高系统性能的同时有效的保证了用户QoE。     

Optimisation of the pilot-to-data power ratio in the wireless MIMO-OFDM system with low-complexity MMSE channel estimation

Multiple-input-multiple-output orthogonal frequency division multiplexing (MIMO-OFDM) communication systems are currently being viewed as a main candidate for the next generation broadband wireless access interfaces providing high throughput. However, a considerable potential gain in spectral efficiency is challenged by the receiver’s ability of accurate data symbol identification at the output of the radio channel. Performance of the MIMO detectors strongly depends on both the received signal-to-noise power ratio (SNR) and the retrieved channel state information (CSI), which can be obtained using the channel estimation techniques relying on pilot symbol transmission on the dedicated subcarriers. Necessity to improve channel estimation and detection performance concurrently leads to the dilemma of the optimal power assignment to the data and pilot subcarriers as these are the conflicting requirements under the total transmit power constraint. We derive an analytical solution of the described problem in the form of weak and tight upper bounds on the pilot-to-data power ratio (PDR) given the system design parameters (number of subcarriers, number of pilots, number of transmit antennas, model order of the channel response, SNR). The resultant PDR equations can be applied to OFDM systems with arbitrary arrangement of the pilot subcarriers operating in an arbitrary multipath channel, not just limited to the equispaced optimal pilot pattern and the channel with the uniform sample-spaced power-delay profile as studied in the previous works.In an adaptive system, which is capable to adjust transmit signal configuration (e.g., block length, number of pilot subcarriers or antennas) according to the established channel conditions, an optimal parameter tuning is desirable for each operational mode. The closed-form PDR expressions and their analysis presented in this work are designated to alleviate the challenging task of the on-the-fly system optimisation as they represent relatively simple functional relationships.     

基于能量效率的认知无线网络联合优化算法

为提高认知无线网络能量有效性,提出一种基于能量效率的联合优化算法。在考虑主用户干扰容限的基础上构建了能量有效性模型,将优化目标分解为接入策略求解和功率优化问题,采用粒子群算法反复迭代,得到接入概率与功率分配的联合最优解。仿真结果表明,相对于不考虑功率优化或接入概率的传统优化方法,所提算法可使系统能量效率得到显著提升。     

一种基于混合NOMA的IRS-MEC系统能量效率优化方案

在移动边缘计算系统（MEC）中结合智能反射面（IRS）和资源分配策略以提高系统能量效率是当前国内外研究的热点。基于混合非正交多址（NOMA）传输模式,通过对用户的本地运算频率、传输功率、传输时间和智能反射面离散相移的联合优化,实现智能反射面辅助的移动边缘计算系统能量效率最大化。由于优化过程涉及难以求解的非凸分式规划问题,提出了Dinkelbach-SCA的两步迭代算法：首先利用Dinkelbach方法将初始问题转换成易于求解的形式,通过分离变量对智能反射面离散相移进行优化;其次为了解耦传输功率与时间之间的耦合关系,引入辅助变量,并结合逐次凸逼近（SCA）方法将非凸问题转换成凸问题,求出优化解。仿真结果表明采用的系统方案的能量效率优于其他对比方案,并发现系统的能量效率随用户2的最小计算数据量减少而提升。     

Achievable throughput enhancement based on modified carrier interferometry for MIMO/OFDM

In MIMO systems, channel estimation is important to distinguish the transmitted signals from multiple transmit antennas. When MIMO systems are introduced in cellular systems, we have to measure the received power from all the connectable base station (BS), as well as to distinguish all the channel state information (CSI) for the combination of transmitter and receiver antenna elements. One of the most typical channel estimation schemes for MIMO in a cellular system is to employ a code division multiplexing (CDM) scheme in which a unique spreading code is assigned to distinguish both BS and MS antenna elements. However, by increasing the number of transmit antenna elements, large spreading codes and pilot symbols are required to estimate an accurate CSI. To reduce this problem, in this paper, we propose a high time resolution carrier interferometry (HTRCI) for MIMO/OFDM to achieve an accurate CSI without increasing the number of pilot symbols.     

非完美频谱感知下认知超密集网络的资源分配

针对实际认知超密集网络场景中认知无线电存在非完美频谱感知的情况,提出了一种基于非完美频谱感知的资源分配方案,目标是在考虑跨/同层干扰约束、保障用户服务质量下,最大化非完美频谱感知下认知超密集网络中次级网络的能效。为此,依据网络模型构建能效优化问题,其为混合整数非凸规划问题,先通过分时共享松弛法和丁克尔巴赫法将其转换成等价的凸优化问题,再使用拉格朗日对偶法求其最优解,以此获得最优能效时的子信道和功率分配策略。基于此,提出了一种迭代的子信道和功率分配算法;为权衡计算复杂度,还提出了一种实用的子信道和功率分配算法。仿真结果表明,所提算法都有效地提升了网络能效。     

能效最优准则下的无人机中继系统的功率分配算法

由于无人机（Unmanned aerial vehicle,UAV）机动性好且部署简单,基于无人机中继的传输技术受到了广泛关注。功率作为通信系统的重要资源,其分配问题直接影响各条链路的性能和整个通信系统的能量效率。本文以莱斯衰落信道为背景,提出了一种在系统能效准则下的无人机中继通信系统的功率分配算法。首先在双跳放大转发（Amplify-and-forward,AF）中继传输模型的基础上建立功率分配的优化模型,将功率分配问题转化为求解最大系统能效的优化问题。在最优功率分配的求解过程中,先固定发射信号功率,获得波束形成优化方案;然后通过大信噪比区间近似,将非凸优化问题转化为凸优化问题;最后利用KKT（Karush-Kuhn-Tucker）条件,计算得出功率分配方案的闭式解。仿真实验表明,本文算法相对于迭代算法降低了算法复杂度。