OFDMA协同通信系统资源分配算法

提出了一种OFDMA协同蜂窝网中满足用户QoS需求且兼顾用户公平性的子载波和功率联合分配算法。针对已有算法仅考虑平均功率下的子载波分配、中继节点存在未用功率的情况,研究了子载波分配完毕后中继节点剩余功率最优分配问题。给出了一种基于二分法的功率注水分配方案。仿真结果表明,所提出的子载波和功率联合分配算法能够在满足用户QoS需求及公平性的同时,进一步提高网络吞吐量。     

粒子群优化的时频联合资源分配算法

针对航空通信环境中正交频分多址系统的资源分配问题,在信道资源有限的约束条件下,以最大化用户节点的效用总和为目标,提出了一种基于粒子群优化(PSO)的时频联合资源分配算法.该算法采用离散变量来编码粒子位置,并针对离散空间构建新的基于概率信息的粒子速度和位置更新算法.仿真结果表明:所提出的资源分配算法在效用总和、公平性等方面优于现有资源分配算法.     

多小区OFDMA系统一种跨层资源分配方法

正交频分多址(OFDMA)作为一种新的多址接入方式受到了极大关注.多小区系统由于采用频率复用技术会不可避免的产生小区间干扰,严重影响了多小区无线通信系统的性能,针对多小区OFDMA,提出了一种准分布式跨层资源分配方法.分配方法包括无线网络控制器(RNC)的跨层资源分配算法和基站收发系统(BTS)的跨层资源分配算法.RNC将子信道分配给各个小区的BTS,BTS将分配给该小区的子信道分配给该小区的用户.仿真结果表明,相对于传统的资源分配方法,跨层资源分配方法能有效提高多小区OFDMA系统给定服务质量(QoS)下的吞吐率.     

基于能效的OFDMA系统资源分配研究*

在正交频分多址（OFDMA）系统中,合理的资源分配对于提升系统的能效具有重要的意义。针对多用户OFDMA系统,对最大化系统能效为目标的资源分配算法进行研究,提出了基于智能水滴算法的全连通图资源分配模型,该模型以全连通图的顶点和边来表示用户与子载波之间的对应关系。在此基础上,进一步对智能水滴算法进行改进。仿真结果表明,在满足用户QoS的条件下,所提出的改进的智能水滴算法的全连通图资源分配方案能够有效提高系统能效,提升系统性能。     

非理想条件下OFDMA系统物理层安全的资源分配算法

针对OFDMA系统中用户QoS需求的差异性,提出了一种非理想状态下不同用户的资源分配算法,即求取用户携带比特数和发射功率最优解问题。基于自适应功率分配增益较小的情况,通过进行功率的平均分配来降低算法复杂度,基于吞吐量最大化原则,将剩余未分配的子载波分配给能获得最大传输速率的用户,提升系统的整体吞吐量水平。仿真结果表明:相对于其他传统资源分配算法,这个算法能够保证不同混合用户的最小传输速率要求的同时,有效提升算法的公平性。     

中继OFDMA系统用户公平性的资源分配算法的研究

在OFDMA解码—转发中继系统中,为了公平地进行资源分配,提出了在两个用户模型下,在保证每个用户最小速率需求的前提下,先按照用户预定速率比进行子载波分配,再根据实际速率比对用户的子载波进行调整的分配算法,最后使整个系统的吞吐量达到最大。提出了三种方案。方案一通过对Lagrange对偶函数问题的求解,根据所得代价函数值的大小对用户的子载波做重新调整。这样不仅考虑到了公平性,也减少了用户的速率损失。方案二、方案三分别从子载波端和用户端出发考虑子载波的分配问题,且从不同的分配角度分析了公平性问题。研究结果表明,三种方案获得的公平性均有所提高。     

OFDMA中继系统下行链路公平资源分配算法研究*

为了公平有效地在OFDMA中继系统下行链路进行资源分配,提出了基于效用函数的资源分配算法,并根据凸优化问题的原始分解理论,提出了相应的分布式求解算法,得到了相关问题的全局最优解。理论分析和数值仿真结果表明,提出的资源分配算法具有较低的系统复杂度,可以使系统效用函数最大,从而在保证用户公平性的前提下,使系统的和速率容量最大。     

OFDMA系统中的多用户自适应资源分配算法

正交频分复用接入具有传输速率高,带宽分配灵活等特点.在对与多天线STBC等效的单发单收模型进行研究的基础上,结合OFDMA的动态资源分配策略,提出了一种多用户多速率自适应子载波资源分配算法.仿真实验表明,自适应系统由于采用了多用户多速率自适应子载波资源分配策略,不仅可以灵活地支持多速率业务,而且能降低系统的发射总功率,进一步改善了系统性能.     

中继OFDMA系统容量公平资源分配算法研究

针对OFMDA解码-转发中继系统的资源分配问题,提出了一种以系统总功率和用户间的数据速率比例公平为约束条件,以最大化系统总速率为目标的资源分配算法。该资源分配问题为非线性最优化问题,联合求解所有变量复杂度很高,通过次优化的方法降低计算复杂度。算法包括：子载波分配和功率分配。子载波分配是以功率平均分配为前提,对基站-中继站和中继站-用户链路的子载波按照信道条件进行配对,并根据比例公平约束将配对的子载波分配给相应的用户。功率分配是对每个用户利用Lagrange方法调整每个子载波的功率,进一步提高系统的数据速率。算法仿真分析表明,该算法既能同时满足多用户不同数据速率的要求,又能提高系统的数据速率。     

基于OFDMA的下一代WLAN无线资源分配研究

针对OFDMA技术及无线局域网特性,介绍了基于OFDMA的信道接入流程,深入探讨了引入OFDMA需要解决的问题,包括无线资源分配、信道接入算法及隐藏节点问题,分析了引入OFDMA后可能带来的性能提升。     

OFDMA中继系统比例公平资源调度方案研究

针对放大-转发OFDMA中继系统的多用户比例公平资源分配问题, 在独立功率约束条件下,提出一种联合的子载波和功率分配的调度方案。方案将该资源分配问题的计算转化为对其对偶问题的计算,通过计算对偶问题间接获得原问题的解。对于对偶问题的计算采用次梯度方法。在每次迭代计算过程中,利用Hungarian算法进行最佳的子载波配对,子载波对的用户分配采用比例公平原则,利用改进的注水算法进行功率调整。仿真分析表明,在多用户比例公平的原则下所提方案的频谱效率得到明显提高。     

一种改进的OFDMA下行的干扰协调算法

针对OFDMA网络中提高总体性能导致小区边缘用户性能下降的问题,在不影响系统平均性能的前提下,提出一种改进边缘用户性能的下行干扰协调算法。该算法根据小区中心和边缘用户的业务量,结合无线资源管理技术,对小区边缘用户优先选择分集效应较好的信道,对用户进行补偿式功率控制。仿真结果表明,提出的改进算法在不影响小区边缘用户的性能前提下,可以提高系统的总体性能的35%到40%。     

一种多用户OFDMA比例公平资源分配算法

针对多用户OFDMA系统资源分配中已有算法对系统容量和公平性兼顾较差的情况,提出了一种满足比例公平性的系统容量最大化资源分配算法。首先选择合适的公平度门限范围,在子载波分配中,先将各个子载波分配给信道增益最大的用户,再在公平度门限约束下重新分配最大速率用户的信道增益最小的子载波,可以实现子载波利用率和公平度的折中。然后采用注水线法分配功率来调整用户间的比例公平性,最终找到使系统容量最大的公平度门限。仿真结果表明,该算法在保证了用户间比例公平性为1的同时提高了系统容量。     

保证公平的最大化中继OFDMA系统容量策略

基于正交频分多址(OFDMA)解码-转发中继的系统资源分配方法不能兼顾系统容量与用户公平度。针对该问题,提出一种新的子载波与功率资源分配算法,其中包括子载波分配与配对以及功率分配2个过程。在子载波分配与配对过程中,设计新的同步子载波差值最小配对方法,以最大程度匹配两跳链路配对的子载波。在功率分配过程中,通过拉格朗日方法调整每个子载波对的功率,进一步提高系统传输速率。仿真结果表明,将该策略运用于不同的OFDMA子载波分配算法中能够较好地兼顾系统容量与用户间公平度。     

基于星座点特征的OFDM盲定时同步算法

符号定时同步是OFDM最主要的同步之一。为了得到精确的定时同步,提出了一种基于星座点特征的盲定时同步算法。新算法以星座点区域的能量作为判决依据,定义了一种新的定时尺度函数,通过对定时尺度函数最大化得到定时偏移的估计值。算法不需要导频或训练符号,不会降低频谱效率。仿真表明：不论在加性白高斯噪声信道还是多径衰落信道,算法性能均优与其他几种算法。     

OFDM-IDMA系统中低复杂度的多频偏抑制方法

提出了一种用于上行OFDM-IDMA系统中的低复杂度的多频偏抑制方法。在该方法中,多频偏在频域通过两个步骤得以抑制。频域接收信号分别与每个用户的频域频偏校正因子进行圆周卷积以达到抑制各用户自身频偏的目的,再进一步采取一种低复杂度的信号检测方法来消除其他用户频偏的影响。仿真结果表明,提出的低复杂度的多频偏抑制方法不但能够达到传统方法的性能,而且能有效地降低计算复杂度。     

求解人力资源分配问题的多目标微粒群优化算法*

提出一种改进的多目标微粒群优化算法来求解人力资源分配问题.通过对种群进行正交初始化,保证了个体在整个可行解空间上的均匀分散,使得算法能够在整个可行解空间上进行均匀搜索;通过基于网格技术的外部存档非劣解删选策略,有效地保留了逼近Pareto前沿的非劣解;引入一种广义的学习策略来提升粒子向Pareto前沿收敛的概率.实验结...     

CPSO在配电网OFDM系统比特功率分配中的应用

自适应OFDM系统的比特功率分配是提高频谱利用率的关键技术,基于注水原理的注水迭代算法能够达到比特功率分配的理论上线,但实际系统中由于调制方式及传输比特整数规划的要求,不能达到比特功率分配的优化结果。鉴于此提出了云粒子群优化算法（Cloud Particle Swarm Optimization,CPSO）,利用云模型的不确定特性增加群体多样性,解决粒子群优化算法易于陷入局部极值的缺点。通过给出的云粒子群进化模式,实现搜索空间的全局搜索和局部搜索;采用进化过程中动态缩小搜索空间策略提高算法收敛速度,从而解决在低压配电网上系统发射总功率和误码率限定条件下的系统传输速率最大化比特功率分配问题。通过仿真实验表明所提算法的分配结果与位添加法相当,减少了运行时间,与注水迭代算法相比,在系统传输速率相同的情况下节省功率达4.7~14.8 dBm。