基于QoS的D2D资源分配算法

D2D通讯技术是5G通讯的一项关键技术,其最大的特点是数据无需经由基站转发并且能够有效地提升系统容量,提高频带利用率.但是它也存在一定缺陷,由于通讯过程中会占用原有蜂窝信道,D2D用户会对原始的小区用户产生干扰,并且这是一个两种用户相互干扰的过程.因此,D2D资源分配成为D2D技术引入的关键.为了克服在“一对一”D2D频谱分配过程中,每个D2D对仅可以占用一个移动信道的分配方式下,新加入D2D用户不一定会使得总容量变大这一问题,文中提出的算法兼顾了资源分配与功率控制两个方面.实验结果表明,在规定每对D2D用户可占用多个基站小区信道,新加入D2D用户不能使系统总容量减小的条件下,新的算法能有效地提升D2D用户总容量.     

5G网络D2D通信模式与资源分配算法

为在5G网络移动终端密集分布场景中有效分配资源,给出一种基于D2D通信模式选择的资源分配算法。按照位置分布对D2D用户进行分组,并根据通信需求的优先级顺序为用户分配模式,通过对比正交模式、复用模式和蜂窝模式下信噪比,优化资源分配。针对单小区多用户场景下吞吐量的仿真分析表明,以吞吐量输出最大为准则,所给算法能够实现为用户分配最佳通信模式和资源的目标。     

基于联合优化的D2D资源分配算法

针对多蜂窝用户和多D2D用户共存场景下的干扰和能量消耗问题,建立了D2D用户在半双工或全双工两种模式中选择的混合双工系统模型,并提出了一种基于多角度联合优化的容量最大化D2D资源分配算法。该算法首先在保障蜂窝用户通信质量的基础上,通过联合优化用户的接入控制、功率分配、双工模式选择和信道分配,实现了系统容量的最大化,仿真结果表明本文算法可显著提高蜂窝网络的系统容量。     

基于模拟退火的D2D通信中资源分配算法研究

将D2D通信引入蜂窝网络,D2D用户与蜂窝用户会发生同频干扰。为了协调两者之间的干扰,提高系统的总容量,在模拟退火算法的基础上提出一种以信道容量最大为目标的改进算法。在改进的算法中设计了新的温度更新函数,使其具有一定的自适应性;增加了记忆功能,记忆当前的最优解,避免遗失搜索过程中的最优解;增加补充搜索过程可提高算法的全局搜索能力。仿真结果表明该算法所得的信道容量相比于传统的模拟退火算法、随机选择算法分别提高了6.5%、12.3%左右。     

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。     

LTE-Advanced系统载波聚合下无线资源分配算法

为改善LTE-Advanced系统载波聚合场景下通信系统性能,针对比例公平调度算法加以改进,得出一种基于辅载波激活的分组资源分配算法。根据用户所在位置,将用户分为中心用户和边缘用户,通过限制某些成员载波上分配给边缘用户资源块数量,并结合载波聚合技术中引入辅小区激活/去激活机制,设计新的用户优先级权值公式。仿真结果显示,改进算法可提高边缘用户吞吐量,改善用户间公平性。     

移动D2D网络中基于链路状态预测的资源分配算法

为提高D2D链路稳定性,提出一种基于链路状态预测的资源分配与模式选择算法。该算法在D2D链路发生断裂或同频干扰之前进行传输模式选择及资源分配,保证链路连通性。仿真结果表明,该算法可以有效减少链路断裂或遭受同频干扰时间,维持链路稳定性。     

一种基于D2D集群的资源分配模型

随着无线通信的发展,用户对移动通信的要求也有所上升,D2D作为5G的关键技术之一,随着用户数量的增加,在蜂窝与D2D同时进行通信时,为了解决在多D2D(Device To Device)用户数时难以有效判断复用组合以及针对目标为D2D用户时的模式分析过程过于复杂等问题,在设置了最小Qos情况下,基于D2D用户集群的方式提出一种新型分析模型。首先通过用户权重最优算法确定集群中心用户,对于边缘用户归属采用最优Qos原则,对于群外用户采取水平路损分析。通过仿真分析表明,所提模型在水平面上的用户分布具有较好的覆盖度,大大减少了计算时的复杂度,为接下来的系统整体研究提供了基础。其中平均冗余用户比例低于0.98%,平均遗漏用户比例低于0.65%,平均完成时间比例降低36.8%。     

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.     

D2D中基于风驱动的功率控制算法研究

D2D通信用户通过复用信道大幅提升蜂窝网络频谱利用率,同时也带来了速率、干扰等问题.针对D2D功率控制问题,提出一种基于风驱动的功率控制算法,在干扰可控的范围内最大化系统整体吞吐量.首先为每个D2D用户以匈牙利算法分配最优频谱资源,然后利用风驱动算法优化蜂窝用户及D2D用户的发射功率,提升小区吞吐量.仿真结果表明,在保证用户最小速率要求的基础上,相比于随机接入算法、常规风驱动算法系统吞吐量分别平均提升了16％和7％,并保证了蜂窝用户的服务质量.     

一种基于认知无线电的资源分配优化算法

认知无线电可通过实时改变操作频段,动态利用授权用户的频谱空洞,从而提高频谱利用率。该文提出的资源分配优化算法为每个待分配信道找出最优合作节点集合,工作在同一信道的节点不会对授权用户产生干扰。通过仿真证明,该策略使认知网络平均吞吐量显著提高,同时各信道上的传输容量较同类算法也有较大的改善。     

蜂窝网络中D2D通信资源分配方法综述

随着第五代(the fifth generation,5G)移动通信系统商用进程的推进,设备到设备(device-to-device,D2D)通信越发受到人们的关注.频率、功率等资源分配作为优化D2D通信的关键技术成为重要的研究课题,因此对蜂窝网络中D2 D通信资源分配研究进行综述.首先介绍D2 D通信模型和模式;其次从数学理论角度出发,分析蜂窝网络中D2 D通信资源分配的主要方法:基于图论、超图理论、博弈论、机器学习和启发式算法等,对这些算法进行对比分析;最后总结上述D2 D资源分配方法存在的主要不足,并对蜂窝网络中D2 D通信的未来发展进行展望.     

认知D2D通信中基于博弈论的动态频谱分配方案

提出了一种新的基于非合作博弈的动态频谱分配方案,考虑多个蜂窝用户服务中心和具有认知能力的设备到设备(D2D)通信用户组,利用伯川德(Bertrand)博弈理论来解决用户频谱分配问题,分别对D2D对用户组和蜂窝用户服务中心的效用函数进行了改进,并给出了蜂窝用户服务中心的最优定价和D2D对用户组的动态价格调整策略,进一步证明了纳什均衡解的存在性和算法的收敛性.通过仿真实验,分析了不同蜂窝用户数和学习因子对所提出方案性能的影响.与现有结果进行比较显示,新方案在频谱利用率和系统公平性方面均有改进.     

自适应无线传输系统中的公平分组调度算法

针对自适应传输系统中带宽随时隙不均匀分布（BUDTS）造成无线分组调度算法难以保证公平性的问题，提出了一种公平约束最大速率调度（MRSFC）算法。引入公平上限参数，在保证业务公平指数低于上限的前提下，让接收信噪比最大的用户使用信道，并选择合适的调制方式，从而达到较高的无线资源利用率和系统吞吐量。针对原有Gilbert-Elliot信道模型无法用于分析自适应调制系统的问题，利用有限状态马尔可夫过程建立信道模型并进行仿真。结果表明，MRSFC算法具有较高的系统吞吐量，并且能够在公平性和无线资源利用率之间进行灵活的折中     

基于能效的D2D模式选择和资源分配算法

为了提高端到端(Device-to-Device,D2D)通信系统的能量效率,基于能效的D2D模式选择,提出一种最优的启发式资源分配算法.以D2D用户对的发送端与蜂窝用户间的距离为基准,为D2D用户对选择合适的通信模式,针对复用模式下的D2D用户对,建立以能量效率为目标的优化模型,通过设置信干噪比门限值保证用户的通信质...     

基于D2D的C-V2V车载协作通信资源分配算法

针对基于设备到设备(device-to-device,D2D)的蜂窝网络下车载无线通信技术(cellular-vehicle to everything,CV2X)中复用蜂窝用户资源带来的能效问题,提出了一种能效优化算法.通过新的功率控制方法最大化车载用户(vehicle user,V-UE)总能效,并利用能量收集技术...     

多载波认知无线电无线携能通信资源分配算法

认知无线电可通过频谱感知提高资源利用率,但会产生感知能耗,降低传输能量.为了保证认知无线电的传输性能,提出认知无线电可利用多载波实现无线携能通信,并分配通信资源,实现系统性能优化.认知无线电利用部分子载波传输信息,采集剩余子载波上主用户射频能量,补充感知耗能.提出的子载波和子载波功率联合优化算法,在保证能量、干扰和总功率受约束的基础上,可最优化系统的吞吐量和能量.仿真结果表明,能量采集会占用传输资源,需要合理分配子载波,使其在速率和能量间取得性能折中.提出的算法通过采集能量补充感知能耗有效地提高了系统吞吐量.     

电力物联网中节能的免许可D2D接入算法设计

针对免许可频段的终端到终端（D2D）通信的功耗问题,进行功率和频谱的联合分配,以寻找使系统终端功耗最小的资源分配方式. 在免许可频段为D2D提出信道接入协议,该协议在许可信道的协助下确定D2D终端可使用的免许可信道及对应信道可使用的时隙资源. 建立以最小化系统总功耗为目标的优化问题,考虑D2D用户对的数据速率和对基站（BS）产生的干扰的限制. 该问题被建模为凸优化问题,利用内点法求解. 通过数值仿真,对免许可频段的D2D通信（D2D-U）的工作情况进行验证,证明利用该算法能够得到最优的分配结果.     

云计算下保障公平性的多资源分配算法

针对云计算平台多资源分配公平性问题,文中在DRF算法基础上,提出了云计算动态资源需求公平分配模型,并提出了基于信誉因子的增强公平性分配算法．算法引入信誉因子,对云中计算节点资源使用情况进行实时评估,对恶意长时间侵占资源行为进行惩罚性分配,刺激节点在任务结束后释放占用资源,确保了平台中其他节点资源配额不受影响．与现有方案相比,基于信誉的增强公平性分配算法在保证分配公平的前提下,增强了对公平性的保障,有效地确保了云计算平台资源调度的公平性、可靠性．