超密集网络中基于BCD的联合频谱资源优化方法

针对超密集网络(ultra dense network, UDN)中基站密集部署导致的严重层间干扰问题,构建了考虑频谱复用和共信道干扰条件下最大化系统总吞吐量问题模型,提出了一种基于块坐标下降(block coordinate descent, BCD)法的联合频谱资源优化(joint resource optimization based on BCD, JROBB)方法。该方法将原问题分解为分簇、子信道分配和功率分配三个子问题,通过BCD法迭代优化子信道分配和功率分配,逼近原问题的最优解。仿真分析表明,在复杂度提升有限的情况下,系统总吞吐量比现有典型算法平均至少提升22%,可以有效提升频谱利用率。     

基于PSO的D2D蜂窝网络联合信道分配和功率控制

为解决蜂窝用户(Cellular Users, CU)和终端直通(Device to Device, D2D)用户之间的干扰管理问题,提高无线蜂窝网络吞吐量,提出了一种基于粒子群优化的联合信道分配和功率控制方案。提出了具有不同约束条件的2个联合信道分配和功率控制问题,并将离散信道和连续功率联合分配给CU和D2D对,允许任意数量的D2D对与一个CU共享同一信道。通过设计适应度值避免算法陷入局部最优或产生不可行的解决方案,并使算法收敛到全局最优。通过搭建仿真网络模型进行测试验证,并与随机粒子群优化算法进行对比分析。实验结果表明,所提方法可有效提高蜂窝网络中的D2D通信网络吞吐量,且与随机粒子群优化算法相比,所提方法在D2D吞吐量、蜂窝吞吐量以及整体网络吞吐量方面具有明显优势。     

同频异构femtocell联合子信道和功率分配算法

摘要：针对macro-femto同频融合网络中基于资源分配的干扰抑制问题,提出一种联合子信道和功率分配算法来抑制同频干扰。该算法通过对MU进行功率控制并采用跨层切换消除同频跨层干扰,对FU进行联合信道和功率分配消除同频层内干扰;跨层切换问题是在每一层网络目标中断概率约束下通过优化网络吞吐量实现,而基于联合信道和功率分配的同频干扰抑制问题是在切换MU的目标数据速率和其他MU以及FU干扰门限约束下,通过优化FU的和速率实现。理论分析和仿真结果表明,该算法能够提高FU的和速率,增大femtocell的网络容量,并可增加femtocell的部署数目。     

一种面向CR-NOMA系统的动态功率分配算法

在密集小区的认知无线电非正交多址（cognitive radio non-orthogonal multiple access, CRNOMA）网络场景下,针对用户采取Underlay方式复用时信道频带利用率低的问题,提出了一种基于能效的组合用户动态功率分配算法.该算法在保证主用户服务质量前提下,基于用户之间的干扰和信干噪比,优化了组合多用户的接入方案,使信道接入用户数量最大且提高了频带利用率.同时,根据增益排序下的功率差额配比改进了剩余功率再分配方案,使空闲功率重新利用更加合理和有效.仿真结果表明,本文算法可以有效实现接入用户数量最大化的同时提高了频谱利用率.     

基于用户分簇的认知超密集网络资源分配

针对5G时代小基站的密集部署带来的复杂干扰问题,对下行的认知无线电超密集网络下的资源分配进行了研究。为减小网络干扰,提高次用户吞吐量,提出了一种改进的基于用户分簇的资源分配算法。基于基站的覆盖范围,选出用户的强干扰基站,以用户-基站干扰关系建立用户-用户干扰图,按用户受到的平均弱干扰划分优先级对用户分簇,再为簇集群预分配频段,为每个簇分配对应频段中效用最大的信道。该资源分配算法能准确反映用户间的干扰关系,保障资源分配公平性。仿真结果表明,当用户密度与基站密度均较大时,与相同场景的已有算法相比,该改进算法有较好的抗干扰能力,能有效提高次用户的吞吐量。     

QoS保证的多信道混合接入CRN频谱共享策略设计

根据既不对主用户(Primary Radio user,PR)产生干扰,又对认知无线电用户(Cognitive Radio user,CR)提供QoS保证的原则,将认知无线电网络(Cognitive Radio Network,CRN)中多信道接入频谱共享问题建模为混合整数非线性规划。采用多级功率限制保证PR不被干扰,以CR物理层能够提供的速率作为信道和功率分配的依据,提出将能够为CR提供最大传输速率的信道分配给该CR的分配策略,将混合整数非线性规划转化为整数线性规划,并给出集中式启发算法和基于功率速率比(Power Rate Ratio,PRR)最小的分布式启发算法求解该整数线性规划。仿真结果表明,文中给出的算法能够提供较高的CRN吞吐量和较好的CR用户QoS保证。     

基于粒子群算法的下行CR-NOMA网络资源分配

将非正交多址接入(Non-orthogonal Multiple Access,NOMA)技术应用于认知无线电(Cognitive Radio,CR)次网络,使次用户的信号在功率域叠加,可以进一步提高次网络的吞吐量。为此,将粒子群算法(Particle Swarm Optimization,PSO)应用于底层模式的CR-NOMA网络进行资源分配,并分为子信道分配和功率分配两个步骤。在子信道分配中,使用结合遗传算法思想的粒子群算法提高算法的全局搜索能力。在此基础上,使用基于罚函数的粒子群算法对子信道功率和信道内用户功率进行分配。仿真结果表明,提出的基于粒子群算法的CR-NOMA网络资源分配相比以往算法能获得更高的次网络吞吐量。     

无线网状网中基于干扰模型的多信道分配策略

为解决信道干扰导致无线网状网吞吐量下降的问题,本文提出一种新的基于干扰模型的多信道分配策略.首先对网络进行分层,然后按照优先级逐层进行信道分配,通过降低信道间的干扰来提高每个结点的吞吐量,进而提高整个网络的吞吐量.仿真结果表明了该策略的有效性.     

无线mesh网络中基于效用最优的联合信道分配和功率分配算法

该文针对多信道无线mesh网络,采用基于效用最优的定价机制,提出了一种功率-干扰价格模型,并基于该模型提出了一种分布式联合信道分配和功率分配算法。每个节点根据自己所消耗功率状况合理地定功率价格,并根据自己所受干扰状况合理地定干扰价格。通过功率价格和干扰价格来调节链路的信道分配和功率分配,使网络效用最大化。仿真结果表明:所提出的算法能够快速、平稳地收敛到近似最优解。同时还仿真了网络可用信道数目、节点射频数目和功率对系统性能的影响,可以为网络配置提供参考。     

基于非正交多址接入的网络切片联合用户关联和功率分配算法

为了满足网络切片多样化需求,实现无线虚拟资源的动态分配,该文提出在C-RAN架构中基于非正交多址接入的联合用户关联和功率资源分配算法。首先,该算法考虑在不完美信道条件下,以切片和用户最小速率需求及时延QoS要求、系统中断概率、前传容量为约束,建立在C-RAN场景中最大化长时平均网络切片总吞吐量的联合用户关联和功率分配模型。其次,将概率混合优化问题转换为非概率优化问题,并利用Lyapunov优化理论设计一种基于当前时隙的联合用户调度和功率分配的算法。最后采用贪婪算法求得用户关联问题次优解;基于用户关联的策略,将功率分配的问题利用连续凸逼近方法将其转换为凸优化问题并采用拉格朗日对偶分解方法获得功率分配策略。仿真结果表明,该算法能满足各网络切片和用户需求的同时有效提升系统时间平均切片总吞吐量。     

战术跳频系统智能抗干扰决策

作为一种有效的抗干扰方法,跳频（Frequency hopping, FH）技术已被广泛应用于战术通信系统来提高在强对抗环境下军事通信网络的可靠性。跳频通信网络面临的主要威胁是具有灵敏的频谱侦察和频率捷变能力的跟踪干扰机。为提高战术跳频通信系统在跟踪干扰攻击环境中的抗脆性和吞吐量,本文提出了一种基于双深度Q网络（Double deep Q-network, DDQN）的功率和跳速联合抗干扰决策方法。该算法将战术电台发射机与跟踪干扰机之间的对抗建模为马尔可夫决策过程（Markov decision process, MDP）,其中干扰器通过调整频谱扫描速率提高干扰效能,战术电台终端则将接收状态反馈信息作为算法输入,根据决策网络的输出调整数据传输的发射功率和跳频速率。该算法模型在未知环境状态和干扰参数的情况下,通过与环境的交互学习更新网络参数,逐渐收敛于最佳功率和跳速联合控制策略,以使跳频通信系统的平均吞吐量最大化。仿真结果表明,相比传统的无模型抗干扰方法,本文所提算法在跟踪干扰环境下能够更有效改善跳频系统的抗干扰性能。     

针对NOMA和CR网络的功率分配方法

在基于非正交多址（NOMA）和认知无线电（CR）网络的混合系统中进行功率分配,需要同时考虑主用户（PUs）和从用户（SUs）的服务质量。文章考虑在一个小区中主从用户同时存在,从用户采用NOMA的方式接入系统,并且从用户对主用户的造成的干扰不能影响到主用户的正常通信。本文提出的功率分配方法,可以实现接入系统中的从用户数量的最大化,并且还动态考虑了主用户的数量、信道条件、发送功率以及正常通信时的信干噪比（SINR）阈值等情况,最大可接入从用户的数量还会随着主用户各参数的变化而变化。仿真结果表明,在主用户数量、主从用户SINR阈值设置相同的情况下,所提功率分配方法与FTPC方法相比复杂度相同,但是本文的分配方法可以比FTPC多接入近一半的从用户数量。      

博弈论框架下认知小蜂窝网络的动态资源分配算法

为提高认知小蜂窝网络(CSCN)的系统容量,本文基于博弈论框架分析了上行链路中频谱、小蜂窝基站和功率的动态分配行为.传统的频谱分配方案只考虑了异质网路中相互独立频带间的最优分配,而没有考虑可重叠频段间的分配模式和上行链路资源的联合优化.基于此,本文提出了一种具有频带可交叉特性的联合分配模型.通过引入干扰温度限制、全新的干扰算子和记忆因子构造了一种新型的上行注水功率算法.仿真结果表明,基于博弈理论的动态选择特性和干扰温度的干扰避免准则,本算法可以有效提高CSCN的吞吐量和鲁棒性.     

基于改进图着色的D2D资源分配和功率控制

针对蜂窝网络中D2D（Device-to-Device）用户复用蜂窝信道带来的同频干扰问题,提出了一种基于改进图着色的资源分配和功率控制算法。首先通过构建干扰图和候选集进行用户之间干扰关系建模,并定义指数型累积因子改进图着色算法,为D2D用户分配蜂窝信道;再采用基于信干噪比的闭环功率控制算法动态调整D2D用户发射功率,减小由于信道复用产生的干扰。仿真结果表明,与现有算法相比,所提算法能够有效提升系统吞吐量和D2D用户接入率,实现信道资源的合理分配。     

基于非理想感知的认知无线电系统感知时间与频谱分配联合优化算法

针对非理想感知情况下感知时间与频谱分配联合优化问题,同时考虑漏检与主用户重新占用频谱两种场景所造成的主次用户碰撞,并通过量化主用户对认知用户的干扰,给出有无主用户存在时认知系统可获得的吞吐量。在总传输功率约束以及对主用户的最大干扰功率约束两个限制条件下,以最大化系统平均吞吐量为优化目标,给出感知时间与频谱分配联合优化算法。算法首先通过折半法搜索最优感知时间,在既定的感知时间下,将子信道分配给能获得最大平均吞吐量的认知用户,在此基础上,利用凸优化相关理论求得最优功率分配。仿真结果表明,本文所提算法相比于传统频谱分配算法系统平均吞吐量性能提升了10%左右。     

认知型飞蜂窝网络中的子信道分配与功率控制

为了解决宏蜂窝与飞蜂窝构成的两层异构网络上行干扰与资源分配问题,提出了一种在认知型飞蜂窝的双层异构网中结合子信道分配和功率控制进行资源分配的框架。通过对异构网中跨层干扰问题进行分析与建模,将求解最优子信道分配矩阵和用户发射功率矩阵作为干扰管理问题的解决方法。模型中认知型飞蜂窝网络子信道和飞蜂窝网络用户构成非合作博弈,双方利用效用函数最优值进行匹配,构成初始信道分配矩阵;再由接入控制器根据接入条件从初始信道分配矩阵中筛选用户,并优化接入用户的发射功率矩阵,得到最优子信道分配矩阵和功率矩阵。仿真结果表明,优化框架提高了双层异构网络中飞蜂窝网络用户的吞吐量和接入率,降低了异构网中跨层干扰。     

认知无线网状网中基于差分演化的功率控制与信道分配

信道分配对于提高认知无线网状网性能具有重要作用.考虑到节点功率对网络干扰的影响,定义了网络干扰边及潜在干扰边,通过量化通信功率控制等级,给出了联合功率控制与信道分配的网络模型.提出一种基于差分演化的功率控制与信道分配算法,设计了实数编码规则及相应的约束控制机制以保证个体的有效性,确保算法的快速收敛.一系列仿真实验表明本文算法的有效性.     

基于MADDPG的无人机辅助通信功率分配算法

针对多无人机(unmanned aerial vehicle, UAV)作为空中基站辅助通信的吞吐量和公平性问题,提出了一种基于多智能体深度确定性策略梯度算法(multi-agent deep deterministic policy gradient algorithms, MADDPG)的功率分配算法,该算法通过联合优化UAV基站的功率分配和用户接入以提高系统吞吐量和公平性。本文首先构建了UAV基站为地面建立通信服务的三维场景,然后通过联合功率、用户关联和UAV位置约束,构建了吞吐量和公平性最大化的问题模型。考虑到该问题的复杂性,本文将所构建的优化问题建模为马尔科夫决策过程(Markov decision process, MDP),通过引入深度确定性策略梯度算法(deep deterministic policy gradient algorithm, DDPG)解决该问题。仿真结果表明,本文提出的基于MADDPG的UAV基站功率分配算法与其他算法相比,可以有效地提升系统的吞吐量和用户的公平性,提高通信的服务质量。     

LTE-Advanced系统异构网络下行信道小区干扰抑制方案

随着移动通信数据业务流量迅速增长,通过部署低功率节点组建异构网络正在成为一种演进方向。然而,异构网络的发展又引起了新的干扰问题。文章研究了LTE-Advanced的macro-small-cell干扰,重点研究了参考信号(CRS)的干扰冲突解决方案。文章提出一种基于参考信号接收功率的干扰消除算法(interference cancellation,简称IC),包括直接IC算法和联合检测IC算法。仿真结果表明,文章提出的方案能够显著降低小区间干扰,提高系统吞吐量。     

家庭基站系统中的联合信道与功率控制算法

摘 要：本文提出了一种联合信道分配与功率控制算法,通过优化目标将家庭网络的信道分配和功率控制结合,限定干扰范围,采用凸优化和次梯度方法,求解出功率的闭合式,优化了家庭网络的容量。算法又将家庭网络容量与宏网络容量联系,使宏网络容量得到了提升。仿真结果表明,与单纯的功率控制算法相比,本文算法提高了系统容量。