基于图着色的密集D2D网络资源分配算法

蜂窝设备到设备(D2D)网络通过D2D用户与蜂窝用户的上行链路复用,可大幅提高网络的频谱效率,但当D2D用户数大于蜂窝用户数时,即在D2D密集部署场景下,传统的资源复用算法不能满足D2D用户的频谱资源需求。针对该问题,提出基于图着色理论的D2D网络干扰协调频谱资源分配算法,可实现信道资源在多个D2D用户对间的多重复用,从而提升网络负载能力,改善网络吞吐量。在此基础上,给出一种改进的资源分配算法,以提高D2D用户的公平性。仿真结果表明,该算法在降低D2D用户获取信道资源"饥饿"概率的同时,能够提升网络信道资源的空间复用率及系统吞吐量。     

异构网络中基于鸽群优化算法的D2D资源分配机制

针对异构蜂窝网络中D2D(device-to-device)通信用户复用蜂窝用户上行信道产生的频谱资源分配优化问题,提出一种基于改进离散鸽群算法(PIO)的D2D通信资源分配机制.通过设置信干噪比(SINR)门限值保证用户的通信服务质量(QoS),使用基于改进地图-指南针算子和认知因子的离散鸽群算法(IMCBPIO)为D2D用户进行资源分配,并采用基于接收SINR的闭环功率控制算法动态调整用户的发送功率,以减少用户与基站以及用户与用户之间存在的干扰.仿真结果表明,所提出方案能够有效抑制异构网络中由于引入D2D用户后导致的干扰,降低通信用户的中断概率,大大提高频谱利用率和系统吞吐量.     

毫米波5G网络中一种D2D通信的资源分配方案

在5G系统中,毫米波（mmWave）与终端直通技术（device-to-device,D2D）有利于提升系统容量和频谱利用率。针对73 GHz下underlay蜂窝网络中的D2D资源分配进行了研究。为了降低彼此间的干扰,首先提出对基站和D2D用户接收机进行区域限制;其次利用线性相关的方法选出可复用的蜂窝用户;最后在满足蜂窝通信和D2D通信服务质量（QoS）的要求下提出一种基于干扰控制的资源分配,以提升系统的吞吐量。仿真结果表明所提算法的性能优于参考算法。该算法能够有效提升系统吞吐量和频谱效率。     

基于图着色理论的全双工D2D分簇资源分配方案

全双工通信允许用户同时同频收发信号,将其应用在D2D(Device-to-Device,D2D)通信中虽然可以提高系统吞吐量,但是也带来了更加复杂的干扰关系。为了降低干扰,提升系统吞吐量,本文提出了以簇为单位的资源分配方案。该方案先引入图着色理论为全双工D2D用户进行合理的分簇,然后采用匈牙利算法进行链路资源的分配,从而优化蜂窝系统的性能。仿真结果表明,该方案在提高频谱利用率的同时提升了整个蜂窝网络的系统容量。     

一种联合D2D资源分配的中继选择算法的研究

为提高蜂窝网络中边缘用户的QoS,可在蜂窝网络中引入了D2D辅助中继技术,然而由于D2D链路复用蜂窝资源会与蜂窝链路之间产生同频干扰,为了降低这种干扰,提出了一种联合资源分配的中继选择算法,该算法首先使用一种资源分配策略,使得D2D链路对蜂窝链路产生的干扰最小,然后结合资源分配结果提出了一个中继选择方案,该方案不仅考虑了D2D链路和回程链路的信道质量,而且还同时考虑到了对蜂窝链路的干扰问题。通过仿真验证,本文所提出的算法不仅能有效提升边缘用户吞吐量,同时保证了中心用户的QoS。     

密集D2D网络中提升接入率的资源分配研究

在蜂窝网络中引入D2D通信可以增大系统吞吐量,提升资源利用率,减小终端功耗。传统资源分配算法只解决稀疏D2D网络中资源分配的问题,如何以有限的频谱资源将所有设备用接入网络是目前急需解决的问题。提出一种高接入率的资源分配算法,在基站的控制下为每条蜂窝信道选取满足接入条件的最优D2D链路接入。仿真验证表明,该算法有效提高了混合网络中D2D链路的接入率,同时有效增加了每条蜂窝信道的复用增益。     

宏-飞蜂窝双层网络中基于毫微微基站分组的资源分配

针对宏-飞蜂窝双层网络模型中宏小区（Macrocell）用户层和毫微微小区（Femtocell）用户层之间的跨层干扰和Femtocell之间的同层干扰,提出了一种基于毫微微基站分组的资源分配算法。该算法包括两个部分：一部分是宏基站先利用改进的差额法,设置虚拟的宏用户（MUE）,将之变为平衡的指派问题再为宏小区用户分配信道,然后用注水算法分配功率,保证宏小区用户的正常传输。另一部分是在保证宏小区用户的服务质量基础上,采用一种增强型的蚁群优化（EACO）算法,设定信息素浓度范围后对毫微微小区进行分组,避免了原始的蚁群算法有可能陷入局部最优的现象;再利用一种启发式算法和分布式功率分配算法分别对毫微微用户（FUE）进行信道和功率分配,在满足毫微微小区用户的数据速率需求下,最大化频谱效率。仿真结果表明,EACO有效地抑制了跨层干扰和同层干扰,既能保证用户的数据速率需求,又能有效提升网络频谱效率。     

蜂窝异构网络中的最优频谱分配算法

异构网络通过在宏基站的覆盖范围内密集地部署低功率的节点,使小区得到分化,提升信道增益。但由于频谱资源有限,资源分配在带有中继节点的蜂窝异构网络中变得较为复杂。为改善信道的频谱效率,研究在带有中继节点异构网络中的最优频谱分配策略以及对应的用户接入策略,提出一个基于乘子法的高效算法,通过在乘子法迭代中寻找一组有限的频谱复用模式,得到最优的频谱分配和用户接入策略,实现最优的比例公平性。数值仿真结果表明,该算法可有效利用有限的频谱资源,相对于传统的频谱分配策略,网络性能明显提升。     

基于D2D对分组的TDD系统资源分配算法

针对TDD系统中多个D2D用户复用一个蜂窝用户下行信道资源,在最大化系统吞吐量的目标下,提出一种D2D对分组资源分配算法,该算法由3部分组成:1)根据信道数确定D2D对分组数,按D2D对间距确定分组中心,并将余下D2D对按其对组内D2D用户通信中断概率影响程度划分到对应分组;2)通过比较D2D对分组与蜂窝用户干扰影响强度,利用匹配算法为D2D对分组寻找相应蜂窝用户资源并复用;3)进一步根据蜂窝用户和D2D用户QOS要求,去掉组内干扰较大D2D对,从而得到最终复用蜂窝用户资源的D2D对.仿真分析表明:所提出算法既能允许系统接入较多D2D对,还能提高系统吞吐量.     

蜂窝网络中基于双层博弈的吞吐量最大化研究

如何提升系统的吞吐量是蜂窝网络中研究的热点。利用设备到设备通信(D2D)技术为蜂窝边缘用户设备提供中继支持，进而提升系统的吞吐量。描述一种中继节点选择和频谱分配的联合问题，帮助蜂窝边缘用户设备寻找合适的中继节点，并为D2D链路分配频谱，在满足D2D和传统蜂窝用户设备干扰约束的条件下使系统吞吐量最大化。为此，提出一种基于双层博弈模型的分布式算法，对上述问题进行求解。该博弈模型分为内层和外层；内层通过Stackelberg博弈理论为蜂窝边缘用户设备选择中继节点，并将其作为主节点，蜂窝边缘用户设备作为从节点；外层采用联合博弈理论为蜂窝边缘用户设备及其中继节点间的链路分配合适的频谱。仿真结果表明本文算法在能耗、吞吐量等方面的性能要优于其他典型算法。     

密集家庭基站网络中基于分簇的资源分配方案

针对家庭基站密集部署情况下的下行干扰问题,提出一种基于分簇的资源分配方案。首先,采用部分频率复用（FFR）技术将网络中所有小区划分成不同的空间,既能抑制宏基站之间的同层干扰,又能降低边缘区域宏基站与家庭基站间的跨层干扰;然后,结合图论的知识及凸优化理论对家庭基站进行分簇,并采用基于用户速率公平的信道分配算法对家庭基站进行子信道分配,抑制家庭基站间的同层干扰;最后,采用分布式功率控制算法对家庭基站功率进行动态调整,进一步提升系统的性能。仿真结果表明：相比传统未分组算法,所提算法的信干噪比（SINR）和吞吐量有明显提高,其中,系统吞吐量低于4 Mb/s的概率降低为30%;同时,与未分组算法相比,所提算法公平性提高了12%,使用户获得更高的满意度。     

一种多数据流MIMO系统中的改进自适应算法

研究表明自适应MIMO技术是无线频谱资源有限情况下提高通信系统吞吐量的一种有效方式.文中对数据流MIMO系统提出一种基于MMSE检测的改进自适应算法,首先利用基于奇异值分解(SVD)的注水算法进行初始功率分配和数据流选择,然后选用信干噪比(SINR)作为等效信道质量指示(CQI),在总发射功率和误帧率(FER)一定的前提下,根据现有一种迭代算法进一步计算每个数据流上分配的功率及其使用的调制编码模式.仿真结果表明该自适应算法能改善系统吞吐量,且在低信噪比下简化了原来的迭代算法.     

Femtocell网络中基于联合传输的分簇与功率分配算法*

针对家庭基站(femtocell)密集部署时的下行干扰问题,提出一种基于多点协作联合传输的分簇与功率分配相结合的算法。首先根据受到的干扰程度进行分簇,将干扰强的家庭基站分到同一个簇,簇内所有家庭基站通过寻找对自身最有利的基站进行协作,将干扰信号转变有用信号,联合传输为用户提供服务,提升用户的信干噪比来保证用户性能,簇间则复用相同的频谱资源。然后通过给用户分配合适的功率使得总传输速率最大。仿真结果表示,所提算法能在抑制系统干扰的同时提高系统的吞吐量。     

LTE中femtocell的联合信道与功率控制算法

随着LTE中家庭基站的密集部署,会使家庭基站间产生严重的同层干扰,与此同时也会对边缘宏用户产生严重的跨层干扰。针对这两种下行干扰,提出了一种基于图论的信道分配和基于路损的功率控制算法相结合的方案。首先基于图论的知识构建干扰图,通过干扰图进行信道分配,有干扰的小区采用相互正交的信道,降低家庭小区间的同层干扰。然后在保证宏用户和家庭用户QoS的条件下,根据设定的信干噪比(SINR)门限值,设置femtocell干扰标志,并根据信道质量(CQI)设置干扰级别,通过干扰级别进行对应的功率控制,最终达到消除家庭小区对宏用户跨层干扰的目的。仿真结果表明,该算法很好的提高了用户的SINR和吞吐量,同时保证了家庭用户和宏用户的QoS。     

一种联合多信道分配决策的认知Mesh系统数据传输优化算法

在认知Mesh系统进行数据传输的过程中,为了提高数据包投递成功率及网络的吞吐量,减少网络延迟时间,提出一种联合多信道分配决策的认知Mesh系统数据传输优化算法(JCWN)。针对信道的干扰问题,建立了认知Mesh系统的干扰无向图,分析节点链路的网络干扰电平。在节点的路由请求阶段通过提出基于信道干扰电平的路由指标函数,并通过权重阈值来为节点链路分配干扰较小的信道。在路由选择上,联合多路由算法计算每条路由路径的信道干扰程度,为了保障节点传输数据的成功率而选择干扰程度更小的路由。实验仿真结果表明,在数据包投递成功率上,该算法相比POC算法以及基于RL的算法提高了20%以上,在提高网络吞吐量,减少延迟时间上也表现出了更好地效果。     

基于图论的射频识别阅读器防碰撞算法

射频识别（RFID）系统的运行往往需要多个阅读器,以保证覆盖整个目标区域。在密集的阅读器的环境中,由于阅读器之间存在相互干扰,会影响整个RFID系统的工作效率,降低识别效率。针对上述问题,提出一种新的基于图论的阅读器防碰撞算法。首先把阅读器网络看成简单图,以时隙对阅读器分组,同时隙阅读器为一组,相邻阅读器分配不同的时隙,以解决阅读器因读取范围交叉重叠而引起的干扰;同时考虑组内阅读器的频率干扰问题,同样以频率对组内阅读器再分组,同频率阅读器为一组,相邻阅读器分配不同频率,以解决因干扰范围过大而引起的频率碰撞问题;然后根据分组信息,中央服务器通过配置命令将时隙和频率资源调度分配给每个阅读器;最后通过时序命令控制每组阅读器的工作顺序。仿真结果显示,相比邻近友好型防碰撞（NFRA）算法,该算法平均工作效率提升了6.5个百分点;阅读器数量为1000时系统工作效率提升了9.5个百分点。新算法能优化给定时间内工作阅读器的数量,减少闲置等待的阅读器数量。     

Interference coordination in full-duplex HetNet with large-scale antenna arrays

Massive multiple-input multiple-output (MIMO), small cell, and full-duplex are promising techniques for future 5G communication systems, where interference has become the most challenging issue to be addressed. In this paper, we provide an interference coordination framework for a two-tier heterogeneous network (HetNet) that consists of a massive-MIMO enabled macro-cell base station (MBS) and a number of full-duplex small-cell base stations (SBSs). To suppress the interferences and maximize the throughput, the full-duplex mode of each SBS at the wireless backhaul link (i.e., in-band or out-of-band), which has a different impact on the interference pattern, should be carefully selected. To address this problem, we propose two centralized algorithms, a genetic algorithm (GEA) and a greedy algorithm (GRA). To sufficiently reduce the computational overhead of the MBS, a distributed graph coloring algorithm (DGCA) based on price is further proposed. Numerical results demonstrate that the proposed algorithms significantly improve the system throughput.     

LTE-A飞蜂窝系统干扰协调智能优化算法

在同频组网的LTE-A飞蜂窝系统中,飞蜂窝基站的密集部署会造成较为严重的同频干扰,导致网络吞吐量和用户的服务质量(Quality of Service,QoS)降低。部分频率复用(Fractional Frequency Reuse,FFR)作为常用的干扰协调方案,可以有效地提高边缘用户的服务质量。在FFR方案的基础上,通过结合遗传算法和基于模拟退火的图着色算法,提出了一种智能优化部分频率复用(Intelligence-FFR,I-FFR)算法。该算法能够动态地调整中心区域所占比例和边缘区域的频率复用因子,以增加宏小区吞吐量,降低小区边缘区域用户的中断概率。仿真结果表明,与FFR-3干扰协调算法相比,提出的I-FFR算法可使宏小区吞吐量提升15%,同时边缘区域平均用户的中断概率从85%降低到40%。     

基于CRQP的多小区OFDMA系统联合资源分配算法

针对OFDMA多小区系统中相邻小区同频干扰下的吞吐量最大化问题,在系统功率的约束条件下,基于协同量子粒子群算法提出一种子载波和功率联合分配的协同随机量子粒子群算法（CRQP）。分别利用粒子群算法独立优化子载波的功率分配,并利用改进的量子遗传算法独立优化用户的子载波分配。在独立优化的同时,通过随机协同策略避免陷入局部最优解,达到全局最优。仿真结果表明,与传统的分步求解算法相比,CRQP算法能获得更多的系统吞吐量和更高的资源利用率。     

OFDMA系统功率控制技术研究及改进算法*

在分析现有功率控制算法的基础上,针对基于路损功率补偿算法中存在的系统吞吐量和小区干扰水平互为矛盾的问题,提出了一种基于差分路损补偿功率控制的改进算法。通过数值仿真证明,该算法具有更好的提高系统吞吐量和降低小区干扰水平的优点,能够使两者达到最佳折中,从而对于提高频谱效率具有更强的性能,并且该方法简单、可操作性强,具有一定的实现价值。