认知异构网络中基于不完全频谱感知的资源分配算法

针对认知异构网络中的干扰抑制问题,文中研究了如何降低其对宏用户(MU)的干扰并提高系统吞吐量。通过全面分析干扰来源,建立不完全频谱感知下的干扰模型;结合用户拓扑信息,综合考虑总功率约束和干扰约束,以最大化下行链路的吞吐量为准则构建优化问题;然后分析KKT条件,简化优化问题,进而设计出基于不完全频谱感知的分步式资源分配算法。仿真结果及性能分析表明,相比于基于完全频谱感知的资源分配算法,所提算法对MU造成的干扰更小,并且获得了更优的吞吐量性能。     

异构网络中基于用户划分的资源分配与功率控制方案

部署异构网络是提高移动通信系统容量至关重要的举措。然而宏基站的高发射功率会使得微蜂窝边缘用户受到严重的干扰;同时,微蜂窝周围的宏蜂窝用户由于靠近微基站将同样受到其所造成的干扰,因此这些用户应该受到保护。通过研究异构网络下行传输中的资源分配与功率控制策略,提出了一种基于用户划分的资源分配与功率控制方案。首先根据用户的信干噪比对用户进行分类,同时为受干扰严重的边缘用户划分保护频带。此外,通过动态地调整每个基站在保护频带上的传输功率,在不过度牺牲系统性能情况下减轻边缘用户的干扰。仿真结果表明,与传统方案相比,该方案能够有效抑制宏蜂窝和微蜂窝边缘用户的干扰并提高整个系统的吞吐量。     

异构蜂窝网络中功率和资源分配博弈算法研究

基于D2D和中继异构蜂窝网络进行资源复用可获得系统性能增益,但同时也使得网络中的干扰更加复杂。针对该问题,提出功率和资源分配博弈（PRAG）算法,通过功率控制和资源分配对D2D和中继异构蜂窝网络进行干扰协调。基于代价参数设定D2D和中继链路效用函数,确定最佳发射功率。在此基础上,将生成的效用值矩阵参与博弈,选择合适的蜂窝用户进行资源复用。仿真结果表明,与等功率分配随机（EPAR）算法相比,PRAG算法能够在消耗更少功率的基础上获得更大的系统吞吐量。     

基于匹配理论的NOMA异构网络资源分配算法

在非正交多址接入异构网络中,通过联合资源分配和用户调度可达到用户调度数与系统吞吐量之间的平衡。提出一种基于匹配理论的用户-子信道双边匹配算法(USTSMA)。在满足用户最小数据速率需求和已知完美信道状态信息的条件下,将用户和子信道认为是追求自身最大收益的两个独立集合,通过迭代的方式实现用户和子信道之间的稳定匹配。在此基础上,利用注水算法解决用户的功率分配问题。仿真结果表明,USTSMA在系统总吞吐量、用户调度数等方面性能优于S-MGA和GA两种用户分组算法以及正交频分多址接入方案,并且逼近最优上界。     

认知网中基于联盟博弈的资源分配与功率控制

为解决认知型飞蜂窝和宏蜂窝构成的双层网络中存在的上行干扰问题，通过分析建模，提出了一种用户合作策略。在频分复用划分不同频率段的用户基础上，让同一频段的宏用户与飞用户采用合作博弈的方式组成联盟，联盟内部通过时分复用方式共享信道。在形成联盟的用户中，根据联盟后的用户速率，进行功率控制。仿真结果表明，优化模型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，降低了异构网络中的相互干扰，提高了系统的能效，增加了用户接入率。     

超密集网络中基于干扰协调的资源分配算法

超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,该文提出一种基于干扰协调的资源分配方案。该方案分为两个模块：第一模块基于毫微微接入点(Femtocell Access Points, FAPs)间的干扰程度,将干扰强的FAPs分到同一簇内,同簇内的FAPs共享频带资源,通过FAPs间的协作使不同簇之间实现频谱的复用;第二模块基于最大功率和最低速率的公平性准则进行最优功率分配,动态分配资源。仿真结果表明,该算法在超密集网络场景下能够有效控制FAPs间的干扰,最大化系统吞吐量。     

基于强化学习的异构超密度网络资源分配算法

为了保证下行链路用户服务质量(Quality of Service, QoS),提升异构超密度网络的频谱利用率(Spectrum Efficient, SE)和能源效率(Energy-Efficient, EE),提出了一种基于多智能体强化学习(Deep Reinforcement Learning, DRL)的频谱和功率联合分配算法。首先,以频谱利用率和能源效率为优化目标,用户服务质量为约束,得到资源分配优化函数。然后定义多智能体用户状态空间,奖励以及动作空间,通过较小的通信开销获得状态空间信息,得到一维状态空间数据,减少网络的输入数据量,用户利用自身的信道状态信息(Channel State Information, CSI)而不依赖全局信道状态信息,再根据状态空间信息得到频谱和功率分配策略。最后,通过训练深度神经网络找到最佳的资源分配策略。仿真结果表明,该算法可以实现较快的收敛速度,对比贪婪算法以及其他强化学习方法,能源效率均提升20%以上,频谱利用率分别提升27%和11%。     

认知无线电网络非协作博弈功率分配算法研究

发现干扰节点,并将功率适当地分配至各个可用频谱上,以提高节点数据率和网络吞吐量,是认知无线电网络当前的研究热点.本文提出一种基于非协作博弈功率分配方法(PANG),以提高认知无线网络系统吞吐量.PANG将认知网络节点功率分配问题转化为非协作博弈问题,并采用线性代价因子的方法抑制功率分配时的盲目性.理论分析表明,PANG存在纳什均衡点,具有帕累托最优解.本文使用Matlab对PANG算法进行仿真,仿真结果表明,PANG算法能够比PIWF算法更加合理的进行功率分配,并有效的提高系统吞吐量.     

认知无线电中基于非合作博弈的功率控制算法

针对认知无线电中的功率控制问题,基于非合作博弈模型,提出了一种新的效用函数,证明了该博弈中纳什均衡的存在性和唯一性。设计了一种分布式功率控制算法并证明了其收敛性。讨论了几个参数对系统性能的影响。仿真表明,该算法可实现对认知用户发射功率的有效控制。与SINR平衡算法和Koskie-Gajic算法相比,本算法既保障了每个认知用户的QoS需求,又增加了系统吞吐量。     

异构网络中基于博弈的多宿主用户带宽分配算法

针对异构无线网络中的带宽分配问题,将网络间的带宽分配模型转化为非合作博弈模型,提出一种基于非合作博弈论的动态带宽分配（ NCRA）算法。首先,根据用户的带宽需求,并充分考虑当前各种不同网络的负载因素,设计一种基于网络能力动态为用户分配带宽的效用函数;然后,通过证明效用函数为凹函数来验证网络间非合作博弈纳什均衡的存在性,并获得网络间的最佳带宽分配策略;最后,通过仿真实验,验证所提出算法的性能。     

认知无线电中基于博弈论的频谱分配算法*

利用博弈论分析了认知无线电网络中动态频谱分配问题,构建了基于博弈论的认知无线电频谱分配问题模型,提出了基于潜在博弈论的分布式频谱分配算法,并得到了相应博弈过程的纳什均衡。仿真结果表明,该算法能在较短时间内收敛到稳定状态,潜在函数取值达到最大值、系统总干扰水平降到最小、用户的SIR水平得到明显改善,达到了潜在博弈下信道分配的纳什均衡,实现了提高频谱利用率的目的。     

Multicell power allocation method based on game theory for inter-cell interference coordination

As a new technology, coordinated multipoint (CoMP) transmission is included in LTE-Advanced study item. Moreover, the network architecture in LTE-Advanced system is modified to take into account coordinated transmission. Under this background, a novel power allocation game model is established to mitigate inter-cell interference with cellular coordination. In the light of cellular cooperation relationship and centralized control in eNodeB, the power allocation in each served antenna unit aims to make signal to interference plus noise ratio (SINR) balanced among inter-cells. Through the proposed power allocation game algorithm, the users’ SINR can reach the Nash equilibrium, making it feasible to reduce the co-frequency interference by decreasing the transmitted power. Numerical results show that the proposed power allocation algorithm improves the throughput both in cell-center and cell-edge. Moreover, the blocking rate in cell-edge is reduced too.     

Power allocation for OFDM-based cognitive heterogeneous networks

In this paper,the capacity maximization and the spectrum utilization efficiency improvement are investigated for the Pico cells in broadband heterogeneous networks.In frequency-reuse model,the users attached to Macro base station are usually viewed as primary users,and those attached to Pico base station should be regarded as cognitive radio(CR) users.As both the primary users and the CR users communicate in parallel frequency bands,the performance of the system is limited by the mutual inter-carrier interference(ICI).In order to control ICI and maximize the achievable transmission rate of the CR users,an effective power allocation scheme is proposed to maximize the transmission rate of the CR users under a given interference threshold prescribed by the primary users.By transforming this suboptimal solution into an innovative matrix expression,the algorithm is easier to perform in practice.The simulation results demonstrate that the proposed algorithm provides a large performance gain in Pico cell capacity over the non-cooperative and equal power allocation schemes.     

基于博弈论的动态频谱分配技术研究

提出了一种改进的动态频谱分配博弈模型,对现有的频谱定价函数进行改进,在授权用户对单位频谱价格满意的条件下,频谱价格与授权用户提供带宽数量和次用户的频谱需求数量有关。此外,在次用户的效用函数中,考虑了频谱置换参数,并分析了置换参数和信道质量对次用户动态博弈以及次用户达到纳什均衡的影响。最后,分别用静态博弈和动态博弈分析了次用户之间的竞争频谱行为,并通过仿真验证,次用户的策略最终可以收敛到纳什均衡。     

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。     

认知无线电中快速收敛的功率控制博弈算法

针对认知无线电中分布式功率控制算法收敛速度较慢的问题,提出了一种新的非合作博弈模型下的功率控制算法。算法主要通过构造基于信干比(SIR)的正切型代价函数来减少迭代次数,从而提高收敛速度。仿真结果表明,所提算法在满足认知用户信干比要求和主用户干扰温度容限下,与Koskie-Gajic算法和自适应功率控制（CR-NCPCG）算法相比,在收敛速度上有了大幅度的提高,能更好地满足系统实时性要求,并且在用户数小于20时,平均信干比至少提高了0.3dB,可以实现对认知用户发射功率的有效控制。     

一种增强小区资源分配的频谱效率提高算法

两层异构网络中小区增强技术在减轻宏小区负载同时也引起严重跨层干扰问题。针对增强小区跨层干扰问题,提出一种动态资源分配调度方案,以减小系统干扰提高系统频谱效率为目的,通过设定校验系数,平衡两层网络负载;通过动态调整增强小区专用频谱资源比例,在降低跨层干扰情况下,提高了资源利用率。仿真结果表明,与现有方案相比,所提方案在保证宏小区性能稳定的同时,有效地减少了微微小区跨层干扰,提高系统总频谱效率,两层网络负载得到平衡。