一种公平的认知无线电系统下行频谱分配策略

目前关于认知无线电频谱分配的研究大多以最大化系统容量为目标,很少考虑认知用户的QoS需求,频谱分配方案设计缺乏公平性。针对主用户干扰限制和保障认知用户QoS需求,结合OFDM技术,研究了认知无线电场景中下行多用户分配算法。该算法构建不等式约束下的目标函数以最大化系统容量,通过拉格朗日(Lagrange)对偶优化法给出近似最优解。仿真结果表明,所提算法在牺牲系统和容量的前提下充分保证了次用户的QoS需求,提高了系统的公平性。     

一种多小区多用户能效波束赋形分层优化算法

研究在用户服务质量需求和功率约束等条件下最大化系统能效的多小区多用户系统中的波束赋形技术。首先引入辅助变量将分式形式的非凸优化目标函数转化为凹凸分数形式的优化目标函数,并利用分式规划和低复杂度凸逼近法进行功率分配优化;然后将波束优化问题转化成满足一定约束条件的最小化发射功率优化问题,并利用二阶锥规划求解相应的波束赋形优化问题。仿真结果表明：所提的能效分层优化算法可以经过有限迭代次数逐渐收敛到稳定值;在低发射功率区域,所提算法能够同时获得最大频谱效率和能源效率;而在高发射功率区域,本文算法所获得的能效性能明显优于传统的频谱效率最大化算法。     

干扰受限系统的认知用户功率控制算法

根据认知无线电系统中认知用户的不同通信需求,结合干扰温度模型和非合作博弈理论,以单小区CDMA为系统平台,提出基于SINR的对数效用函数的干扰受限认知无线电系统功率控制算法。仿真实验结果表明,与经典SINR平衡算法及Koskie-Gajic算法相比,该算法在满足认知用户目标SINR和主用户干扰温度限制的前提下,通过适当增大认知用户发射功率,能够满足认知用户高速数据通信的需要。     

部分信道状态信息下MIMO-OFDM的跨层资源分配算法

针对跨层多用户多输入多输出-正交频分复用（MIMO-OFDM）系统,以系统最大吞吐量为目标,给出一种基于部分信道状态信息的跨层资源分配算法。该优化问题设计的目标函数包括功率限制、传输速率、子载波占用、不同业务的服务质量需求与数据链路层的队列状态信息等约束条件。在数据链路层存在有限缓存条件下,通过均值反馈模型描述信道状态信息的反馈过程,推导出相应的跨层资源分配准则。仿真结果表明,所提算法与现有方案相比,满足了不同业务用户的QoS要求,并获得了好的吞吐率,降低了丢包率。     

认知无线中继网络最小化中断概率功率分配算法

为提升认知无线中继网络的中断性能,通过分析系统中断概率及用户功率分配情况,提出一种最小化中断概率的功率分配算法。给出在主用户干扰约束和总功率约束条件下最小化中断概率的数学优化方程组,根据用户的最大发射功率与干扰电平阈值的受限关系,分别考虑分配功率不超过干扰电平阈值、中继节点功率受限于干扰电平阈值以及所有节点受限于干扰电平阈值这3种情况,对应提出3种最佳功率分配方案,并基于KKT条件求解最优值。实验结果表明,该功率分配算法与基于频谱共享以及基于机会主义中继选择的中断概率分析方法相比,性能增益提升显著,并且在总功率、干扰电平变化的条件下,所采用的功率分配方案提升系统中断性能效果较好。     

混合模式下认知无线电网络的能效优化算法

认知无线电网络中,协作频谱感知利用多个节点同时感知可提高频谱感知检测性能。然而随着感知的次用户(SU)个数增加,导致能耗增高、能效(EE)降低。为解决这一问题,本文结合机会频谱接入和衬垫式频谱共享2种共享模式,构造基于混合频谱共享模式的能效模型,同时考虑3种不同的融合规则、主用户(PU)的再占据概率和报告信道误差,以最大化SU系统的EE为目标,使用拉格朗日乘子法与次梯度下降算法对感知时间、参与感知个数、次用户发射功率进行迭代优化求解。仿真结果表明,在最低服务质量要求(QoS)和发射功率的约束下,该能效优化算法能够实现更高的吞吐量和更高的能量效率。     

D2D通信网络中一种基于时间反演的无线资源优化机制

针对D2D(Device-to-Device)异构无线通信网络中D2D用户和蜂窝用户之间的干扰问题,提出一种基于时间反演的无线资源优化机制。该机制包括两个步骤:1)在上行传输系统中结合时间反演镜技术实现干扰消除,即对每个用户执行信道签名,提取有用信号,剔除干扰,获取系统用户信干噪比;2)根据用户信干噪比,采用功率控制算法并结合凸优化理论来调整用户的发射功率,以最大系统吞吐量为优化目标。仿真结果表明,该机制有效地抑制了D2D异构无线通信网络中蜂窝用户和D2D用户的相互干扰,提升了系统容量,同时满足了用户对通信可靠性的需求,保证了用户能够获得更高的QoS(Quality of Service)。     

基于非合作博弈的改进型认知无线电功控算法

在认知无线电网络中,当认知用户（CU）与主用户（PU）共享频谱带宽时,需要对认知用户的发射功率进行控制,以确保认知用户在满足自己的QoS且不影响主用户的前提下与主用户共享频谱带宽。利用博弈论的方法,设计了一种基于链路增益和干扰温度的代价函数,并据此提出了一种改进型非合作博弈功率控制算法（IPC-NG）。通过数学理论推导分析,证明了新的净效用函数存在纳什均衡且均衡点唯一,同时还分析了该算法的收敛速度。仿真结果表明,该算法不仅避免了对主用户的影响,也保证了每个CU的QoS需求,同时还提高了认知系统的吞吐量和净效用。     

基于Kuhn-Munkres最优匹配的D2D资源分配算法设计

由于资源复用,D2D链路与蜂窝链路之间会产生同频干扰.为了抑制这种干扰,提出了一种基于Ku-hn-Munkres最优匹配的资源分配算法.该算法采用了图论中的Kuhn-Munkres最优匹配算法来实现最大限度的复用系统内的RB,达到提高系统吞吐量的目的.同时,通过使一对D2D用户复用多个RB进行通信以保证不同的QoS需求.最后,通过计算机仿真可以看出,该算法既可以有效地满足D2D用户的不同QoS需求,又提高了系统吞吐量.     

基于纳什均衡的D2D通信功率控制博弈算法

为了减轻D2D通信在资源复用模式下的互干扰问题,提升蜂窝网络均衡性能收益,提出一种基于纳什均衡的功率控制博弈算法。算法中将互干扰用户间的功率控制过程描述为静态博弈模型,用户之间根据最小化代价函数的博弈决策,通过多步迭代调节发射功率,使系统收敛至纳什均衡的优化状态。在用户代价函数设计中,综合考虑了能耗及传输速率影响,同时给出了博弈算法纳什均衡存在性以及收敛性的证明。仿真实验表明,在最优响应策略及能耗因子的有效约束下,互干扰用户更理智的选择发射功率,系统拥有较好均衡性收益的同时能耗进一步降低。     

Mutual interference considered power allocation in OFDM-based cognitive networks: The single SU case

Efficient and conflict-free power allocation strategies in cognitive radio networks are being extensively studied in current research in order to meet the requirements of future wireless applications. In this paper, specifying the single secondary user (SU) with multiple primary user (PU) case, a novel power allocation scheme is developed for orthogonal frequency division multiplexing (OFDM) – based cognitive radio networks designed to maximize the capacity of the SU while limiting the interference to the PUs. First, the mutual interference between the SU and the PUs is comprehensively formulated as the restrictions on the SU’s transmission power. Secondly, the power allocation problem is analyzed and formulated as a constrained optimization problem which is concluded to a peak-power constrained water-filling formulation. Finally, a novel low-complexity water-filling algorithm is proposed to solve the optimization problem and the optimal power allocation result is achieved. In a simplified scenario, numerical results are exhibited to confirm the efficiency of the proposed water-filling algorithm, and the influence of the mutual interference on the power allocation and the system capacity is further illustrated.     

A high speed 1000 fps CMOS image sensor with low noise global shutter pixels

A low read noise 8T global shutter pixel for high speed CMOS image sensor is proposed in this paper.The pixel has a pixel level sample-and-hold circuit and an in-pixel amplifier whose gain is larger than one.Using pixel level sample-and-hold circuit,the KTC noise on FD node can be effectively cancelled by correlated double sampling operation.The in-pixel amplifier with a gain larger than one is employed for reducing the pixel level sample-and-hold capacitors thermal noise and their geometric size.A high speed 1000 fps 256×256 CMOS image sensor based on the pixel is implemented in 0.18μm CMOS process.The chip active area is 5 mm×7 mm with a pixel size of 14μm×14μm.The developed sensor achieves a read noise level as low as 14.8e-while attaining a high fill factor of 40%.The full well capacity can contain 30840e-and the resulting signal dynamic range is 66 dB.     

基于DQN的超密集网络能效资源管理

小基站的密集随机部署会产生严重干扰和较高能耗问题,为降低网络干扰、保证用户网络服务质量（QoS）并提高网络能效,构建一种基于深度强化学习（DRL）的资源分配和功率控制联合优化框架。综合考虑超密集异构网络中的同层干扰和跨层干扰,提出对频谱与功率资源联合控制能效以及用户QoS的联合优化问题。针对该联合优化问题的NP-Hard特性,提出基于DRL框架的资源分配和功率控制联合优化算法,并定义联合频谱和功率分配的状态、动作以及回报函数。利用强化学习、在线学习和深度神经网络线下训练对网络资源进行控制,从而找到最佳资源和功率控制策略。仿真结果表明,与枚举算法、Q-学习算法和两阶段算法相比,该算法可在保证用户QoS的同时有效提升网络能效。     

无线MIMO系统的上行资源分配算法研究

在存在同信道干扰的无线MIMO系统中,为具有多种QoS需求的调度业务分配资源是一个具有挑战性的问题.提出一种实用的、基于SDMA的贪婪资源分配(SGRA)算法.在高效的干扰管理基础上,SGRA算法可以执行两阶段启发式计算和搜索.在第1阶段,包括上行调度和子信道分配的贪婪资源分配首先在时域频域二维进行;在第2阶段,资源分配被扩展到时域频域空域三维进行.SGRA的算法复杂度低,适用于实际无线通信系统.仿真结果表明,与同类算法相比,SGRA算法可以提高系统吞吐量,更好地保证实时业务的时延和最小数据速率需求,同时兼顾系统公平性.     

不完全SIC下CR-NOMA系统的功率分配算法

在不完全连续干扰消除（SIC）条件下,对认知无线电-非正交多址混合系统中的次用户总传输速率进行研究,提出一种基于参数变换和KKT条件的功率分配算法。采用非正交多址方式使次用户接入授权信道,在主次用户服务质量、最大发射功率等约束条件下,通过参数变换对原约束条件进行改写设计新的优化问题,并利用KKT条件求解最优功率分配因子进而实现系统中次用户总传输速率的最大化。仿真结果表明,与CNPA算法和等功率分配算法相比,该算法可明显提高系统中次用户的总传输速率,并且对于不完全SIC具有更强的承受能力。     

认知无线电网络基于QoS的监听时间与资源联合分配

以最大化所有认知无线电用户(CRU)的吞吐量为目标,同时保证每个CRU的服务质量(QoS)约束,研究了联合最优监听时间和资源分配问题,并基于此提出了一种监听时间与资源联合分配算法.在多信道认知无线电网络中,频谱监听和资源分配都会影响网络的吞吐量.兼顾二者的联合优化问题可以被分解为两个子问题:固定监听时间的资源分配问题, 以及固定资源分配策略的最优监听时间一维穷举搜索问题.提出的算法可以通过穷举搜索获得最优监听时间,并通过次梯度算法获得最优资源分配策略.仿真结果表明,提出的最优监听时间与资源分配算法可以最大化认知无线网络的吞吐量; 此外,各认知用户的QoS需求也能得到保证.     

QoS constrained resource allocation to secondary users in cognitive radio networks

In this paper, we consider a multi-channel cognitive radio network (CRN) where multiple secondary users share a single channel and multiple channels are simultaneously used by a single secondary user (SU) to satisfy their rate requirements. In such an environment, we attempt to evaluate the optimal power and rate distribution choices that each secondary user has to make in order to maintain their quality of service (QoS). Our measures for QoS include signal to interference plus noise ratio (SINR)/bit error rate (BER) and minimum rate requirement. We propose two centralized optimization frameworks in order to solve for the optimal resource management strategies. In the first framework, we determine the minimum transmit power that SUs should employ in order to maintain a certain SINR and use that result to calculate the optimal rate allocation strategy across channels. In the second framework, both transmit power and rate per channel are simultaneously optimized with the help of a bi-objective problem formulation. Unlike prior efforts, we transform the BER constraint into a convex constraint in order to guarantee optimality of the resulting solutions. Simulation results demonstrate that in both frameworks, optimal transmit power follows “reverse water filling” process and rate allocation follows SINR. We also observe that, due to the ability to adapt both power and rate simultaneously to attain a certain BER, the joint optimization framework results in a lower total transmit power than the two-stage approach.     

Adaptive power allocation with quality-of-service guarantee in cognitive radio networks

This paper proposes a novel power control policy for a cognitive radio network as an effort to maximize throughput under the average interference power constraint. The underlined policy ensures delay-related quality of service (QoS) requirements with reduced interference to the primary user. In this work we also take into account the peak and average transmit power constraints for the secondary user. An optimization problem associated with the power control policy is formulated based on a cross-layer framework, where the queue on data link layer is serviced by the power control policy at the physical layer. A recursive algorithm under the power constraints is developed to solve for the optimal solution. It is shown that the reduction of average interference to the primary user is related closely to the QoS requirements. The analysis derives the average interference power limits to the primary user in fading channels with guaranteed QoS requirements for the secondary user. The numerical results show the effectiveness of the proposed power control policy.     

基于跨层设计的矿山物联网感知层协作网络寿命优化

为了满足矿山物联网感知层服务质量（ QoS）的要求,采用一种基于跨层设计的无线协作通信机制,在Nakagami-m衰落信道中,通过物理层自适应调制编码（ AMC）和链路层混合自动重传请求（ HARQ）协议跨层设计,研究无线通信网络的HARQ协作机制,推导出协作传输系统的总能耗表达式,建立跨层优化模型。基于贪婪策略的思想,提出一种网络寿命最大化的功率分配算法（ NLMPAA）,在保证误码率指标的前提下,在最大功率的约束范围内,对功率矩阵进行优化,使网络寿命最大化。仿真结果表明：基于协作机制的网络寿命明显优于非协作机制网络,本文提出的NLMPAA可以延长网络寿命20%以上。     

基于Stackelberg博弈的多输入多输出雷达信号与目标干扰优化

针对实际杂波环境中多输入多输出(MIMO)雷达与目标间检测与隐身的博弈问题,提出一种新的两步注水算法。首先建立时空编码模型;然后基于互信息量准则,用注水法分配目标干扰功率,用通用注水法分配雷达信号功率;最终得到强弱杂波环境Stackelberg博弈中目标占优和雷达占优的优化方案。仿真结果表明,雷达信号功率分配和通用注水水位变化规律均受杂波影响,两优化方案的互信息量在强杂波环境降低约50%,干扰影响系数分别降低0.2和0.25,互信息量受干扰影响程度降低,证明了所提算法的有效性。