基于图着色的D2D资源分配算法研究

D2D通信是允许两个相邻用户在通过基站的控制下共享蜂窝用户的频谱资源来直接通信的技术。D2D用户与蜂窝用户共享资源而引入的额外干扰会降低系统的性能,因此资源分配成为D2D通信的一个重要问题。针对D2D用户密集场景下最大可接入数量问题提出了一种基于图着色的资源分配算法,其中将D2D用户对视为一个顶点,蜂窝用户的资源视为一个个簇,对顶点进行着色即对其分簇。仿真分析可以看出,所提出的方案能够增加网络最大可接入的D2D用户对的数量,有效提高了系统容量。     

蜂窝网络D2D通信资源分配研究

针对D2D通信复用蜂窝用户频谱可以提高系统吞吐量和频谱利用率但会产生严重的同频干扰的问题,设计了一种联合资源分配方案,该方案在保证系统用户通信质量的条件下最大化系统吞吐量,首先设计一种基于吞吐量最优化的模式选择方案,然后采用混合遗传算法对D2D用户分配信道,最后在已知信道分配向量的前提下通过混合灰狼优化算法对D2D用户进行功率优化。仿真结果表明,所提方案相对其他方案能够有效提高20%系统总吞吐量和降低90%蜂窝用户受到的干扰,还能提高收敛效果和运行速度。     

D2D通信中基于深度强化学习的资源分配

设备到设备(D2D)通信能够以蜂窝设施为基础来提高资源利用率、用户吞吐量和节省电池能量。在D2D网络中,模式选择和资源分配是关键问题。为了提高D2D通信的和速率与频谱利用效率,提出一种联合模式选择、功率和资源块分配的方案。首先根据用户地理位置选定模式选择标准,帮助用户选择相应的通信模式;然后针对复用通信模式,使用基于深度强化学习的异步优势动作评价(A3C)算法为不同的D2D用户分配资源块和功率。仿真结果表明,本文提出的基于A3C算法的联合优化方案收敛速度快,并且性能相对于其他算法较好。     

基于用户意愿度 D2D 协助的工业物联网资源分配

针对终端用户产生计算任务大小动态变化以及在工业物联网场景下业务的低时延、低能耗需求,提出了一种基于用户意愿度的D2D(device to device)协助的工业物联网资源分配模型。首先在用户层,每隔时隙t,由概率分布函数更新用户成为资源给予端的意愿度,在移动边缘计算(MEC)服务器层,使MEC具有决策功能,能对终端上传任务做出判断,寻找出合适的MEC处理;其次基于K-means聚类算法,将终端产生的任务匹配到对应的层进行处理;最后在资源分配阶段,为解决Q-learning里Q表难以实时更新的问题,提出N-DQN算法,使用双层神经网络相互拟合。仿真表明所提策略较传统方法,系统能耗降低约10%,系统时延降低约12%。     

基于多种群遗传算法的D2D通信终端数量的优化

端到端的直连通信(device to device,D2D)能有效提高网络容量.针对D2D通信所能容纳的终端数量问题,提出一种基于多种群遗传算法的容量优化方法.由于传统蜂窝网移动终端对D2D用户的干扰,以及复用同一频率的D2D终端之间的同频干扰,严重影响了可接入D2D终端的数量.本文提出的基于多种群遗传算法能快速调整资源分配方案,有效减少同频干扰,显著提高网络所能容纳的终端数量.仿真结果表明,相比于标准遗传算法和随机分配算法,基于多种群遗传算法的资源分配方案能通过快速分配合理信道资源降低系统中总的干扰,有效提高终端的接入数量,显著提升了系统的总吞吐量.     

超密集物联网中的多蜂窝网络选择算法

随着物联网终端爆炸式的增加,物联网致密化成为发展的必然。在海量终端数量和资源严重受限的情况下,如何确定物联网终端设备的接入基站以及如何有效地为接入的用户进行资源分配,成为超密集物联网系统所需解决的重要问题。文章在吞吐量和系统能耗之间进行折中,以系统能效为优化目标,设计了一种超密集物联网中的多蜂窝网络选择算法。该算法为用户和基站设置效用函数,基于匹配理论完成用户的选择过程。最后对该算法和对比算法进行仿真,结果表明,多蜂窝网络选择算法在能耗和能效性能上均优于对比算法。     

基于最优功率分配原则的无线网络D2D用户通信质量分析

构建了一种基于最优功率分配原则的D2D用户通信质量分析算法,能够促进通信网络吞吐量获得明显提高,从而为D2D用户提供最佳资源分配方案。研究结果表明:研究构建得到的资源分配算法实现了吞吐量的显著提高,表现出比其它两种算法更优的计算性能。当D2D用户不断变多后,所有算法都获得了更高的吞吐量。在同样的D2D用户数情况下,采用资源分配算法可以获得比其它算法更优的运算性能。当最大发射功率提高后,吞吐量也明显上升,显著改善了算法性能。当蜂窝用户在系统中的最小速率需求持续提高后,将会引起整个系统出现吞吐量持续减小的情况。     

联合机器学习的D2D通信多中继选择机制

在D2D通信中,当源节点与目的节点间的距离过大时,可以通过引入中继节点来改善通信质量。当通信衰落严重时,单中继无法有效改善通信质量,此时可以引入多中继参与通信。针对D2D网络多中继通信,提出一种基于机器学习中Q-learning算法的多中继选择机制。首先,判断源节点与目的节点之间通信是否需要合作中继;其次,通过考虑D2D网络中通信能量消耗来对Q-learning算法中的Q函数的回报值进行定义;最后,通过计算D2D通信传输距离和通信接收端信噪比得出满意度函数。综合考虑回报值和满意度,获得协作中继集。仿真结果表明,基于Q-learning算法的多中继协作可以显著减少传输延迟,平衡网络负载。     

基于计算卸载的电力物联网能效优化研究

基于异构网络架构,考虑基于三层计算的电力物联网移动边缘计算架构,构建了各层计算的能量消耗模型和延迟模型,实现智能移动设备的任务从本地计算卸载到小基站的边缘服务器和宏基站边缘云服务器进行计算.针对电力物联网计算卸载的能耗最小化问题,采用变量替换分解问题,并利用目标函数单调性进行理论推导,得到优化的参数解.仿真结果表明,通...     

多跳中继宽带电力线通信网络中的OFDM跨层资源分配

为保障宽带电力线通信网络的有效性和可靠性,提出一种综合多跳中继宽带电力线通信网络的业务层、网络层、介质访问控制(Media Access Control,MAC)层和物理层信息的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)跨层资源分配方法.首先建立综合跨...     

宽带电力线载波通信物理层资源分配新算法

宽带电力线载波基于正交频分复用技术可实现电力串行通信数据的并行传输,增强了电力通信系统的实时性与高效性.针对宽带电力线载波通信资源分配问题,文中提出了一种低复杂度的物理层资源分配算法,首先基于等功率分配方式确定各用户为满足其最低速率需求所需的子载波集合,将多用户资源分配问题降维成单用户资源分配问题,之后对各用户所分配的...     

认知无线电频谱分配算法研究

在无线通信中,认知无线电技术是一个提高频谱利用率的新技术。这个技术其中的一个关键问题是授权用户频谱分配问题,即允许授权用户分享他们的授权频段给认知用户使用。针对这一问题,博弈论的频谱分配算法被提出,它把频谱的出租和租用市场模拟成为现实的寡头竞争市场,这样来维持频谱分配的公平性和提高频谱利用率。在传统博弈论频谱分配算法的基础上,通过提出价格因子,构建新的价格函数来进一步提高频谱的利用效率。中的认知无线电环境是建立在以量竞争(古诺模型)的基础之上,多个授权用户和一个认知用户之间的频谱竞争问题。仿真结果表明,本文提出的算法能更好的分配频谱资源,使频谱有更大的利用率,更高的授权用户利益,和更大的频谱分配尺寸。     

基于量子遗传算法的宽带电力线多用户通信资源分配

研究了宽带电力线通信在功率谱限制和比例公平约束条件下的资源优化分配问题,提出了基于量子遗传算法的资源分配方案.在功率谱限制条件下通过量子遗传算法进行子载波的分配,再根据总功率分配情况判断是否需要进行功率调整.利用欧洲开放电力线研究联盟(OPERA)提供的信道模型,在等比例分配和依信道分配2种不同的比例系数约束下进行了仿真实验.结果表明:所提出的方法可以提升系统的容量,也能很好地平衡多用户之间的比例公平性.与max-min算法及传统比例分配算法相比,该方法对系统的整体传输容量提升约为5%～10%.增加了频谱利用率,具有良好的比例公平性.     

星间通信中带宽和功率联合分配算法

针对星间通信链路的资源分配与现实中业务需求和信道条件不能匹配,导致有限的星上资源不能得到充分利用的情况,本文通过构建星间通信系统容量模型,提出了一种星间通信中带宽和功率协调分配算法。算法根据不同链路具有不同信道条件和业务需求,采用拉格朗日对偶理论和次梯度法,通过对功率和带宽的二次迭代,最终的到功率和带宽的最优解。仿真结果表明本算法能够有效地为不同链路分配合理的带宽和功率资源,使系统总容量得到明显的增加,并对系统资源利用率进行显著的提高。     

高原山区D2D网络能量效率优化算法研究

针对高原山区丰富植被和山地丘陵给通信用户带来严重的路径损耗,增加通信系统能耗问题,提出一种基于能量效率(energy efficiency,EE)的优化算法.首先,利用多峰绕射模型模拟高原山区电波传输损耗,在保证通信用户服务质量(quality of server,QoS)的前提下,最大化系统中端到端(D2D)用户设备...     

基于D2D网络通信的可伸缩视频多播算法研究

下一代移动网络通信中引入了自适应调制编码技术和可伸缩视频编码以解决视频多播中有限的资源分配问题。为了提高系统用户的容量和用户接收视频质量,在传统蜂窝网络中引入了基于D2D网络的联合模式选择和资源分配技术以提高系统整体效用。首先联合D2D用户和蜂窝用户进行资源分配,在保证蜂窝用户和D2D发送用户通信的最低QOS时,最大化D2D接入系统网络的数量;然后分析了该混合网络模型下的视频层选择调制编码级别的问题;最后提出了基于D2D用户接入控制和系统资源分配两个子问题的贪婪算法。仿真实验证明,该混合网络视频多播模型不仅有效地提高了移动网络通信的吞吐量和增加了系统用户容量,同时为用户提供更好的视频质量。