一种基于比例公平的多跳OFDMA系统资源分配算法

为解决多跳OFDMA系统的资源分配问题,本文提出一种基于比例公平的资源分配算法,该算法将一个联合优化的问题分解为两个步骤,首先在等功率分配的条件下求出最优的子载波分配以及中继节点选择方案,然后再根据注水定理进行功率分配,以提高系统的性能.仿真结果表明,该算法能够在保障不同用户间公平性的条件下,有效地提高系统的容量.     

虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法

针对现有研究中缺乏云无线接入网络(C-RAN)场景下对网络切片高效的动态资源分配方案的问题,该文提出一种虚拟化C-RAN网络下的网络切片虚拟资源分配算法。首先基于受限马尔可夫决策过程(CMDP)理论建立了一个虚拟化C-RAN场景下的随机优化模型,该模型以最大化平均切片和速率为目标,同时受限于各切片平均时延约束以及网络平均回传链路带宽消耗约束。其次,为了克服CMDP优化问题中难以准确掌握系统状态转移概率的问题,引入决策后状态(PDS)的概念,将其作为一种“中间状态”描述系统在已知动态发生后,但在未知动态发生前所处的状态,其包含了所有与系统状态转移有关的已知信息。最后,提出一种基于在线学习的网络切片虚拟资源分配算法,其在每个离散的资源调度时隙内会根据当前系统状态为每个网络切片分配合适的资源块数量以及缓存资源。仿真结果表明,该算法能有效地满足各切片的服务质量(QoS)需求,降低网络回传链路带宽消耗的压力并同时提升系统吞吐量。     

一种分布式的OFDMA系统资源分配算法

本文研究OFDMA系统的资源分配问题,把该问题建模为一个在基站的总发射功率一定的条件下,使系统中各个用户的权重速率之和最大化的数学模型。并提出一种基于对偶分解的分布式资源分配算法,将该问题分解为一个关于基站的主问题以及若干个关于用户的子问题。各个用户可以通过对子问题的求解获得各自的子载波以及功率的分配方案;而基站通过对主问题的求解使得满足子载波与功率的分配能够满足约束条件的要求,实现各用户权重速率和最大化的优化目标。所提算法能够把一个复杂的优化问题分解为若干个独立的子问题进行并行求解,因此可以有效地降低计算的复杂度以及基站的运算量。仿真结果表明,该算法能够在较少的迭代步数内得到一个近似最优解。      

基于对偶分解的OFDMA系统资源分配算法

该文针对多业务OFDMA系统资源分配问题,建立了考虑业务服务质量、数据到达、系统约束的最优化问题。分析了不同业务的速率约束、延时约束和队列长度之间的关系,并利用对偶分解方法将原问题分解为若干独立子问题,分别得到了最优资源块与最优功率分配规则,进而提出了基于对偶分解的最优资源分配算法。仿真结果表明,该算法在业务违反概率较低、公平性较好、算法复杂度略有上升的情况下,可以实现非实时业务吞吐量最大化。     

OFDMA系统中基于多目标优化的无线资源分配算法

本文提出了OFDMA系统中基于多目标优化的无线资源分配算法.针对不同业务的QoS要求,建立多目标优化模型,并提出一种多业务分级分配算法通过确定优先级、引入合适的参数获得次优解.仿真结果表明,该算法不但能够保证不同业务的QoS要求,而且能够兼顾相同业务的用户之间的公平性.     

认知无线电下行链路中的OFDMA资源分配算法

摘 要： 本文提出一种适用于下行认知无线电系统的正交频分多址接入资源分配算法,在总发射功率、误比特率和对授权用户的干扰受限的条件下最大化系统信息传输速率.本算法分两步实现：首先通过比较各认知用户在各子载波上单位信号发送条件下接收信号的信干噪比实现子载波分配;然后利用凸优化理论求解非负实数域内的比特数和功率值的最优解,并将其调整为符合实际系统需要的比特数和功率值,实现比特和功率分配.仿真结果表明,相比传统的基于频谱空洞的资源分配算法,本算法可以提供显著的系统信息传输速率增益.     

OFDMA中继网络变时域节能资源分配策略

现有正交频分多址接入(OFDMA)中继网络资源分配的研究均采用固定时域配置下的频域分配和功率分配,不能很好适应用户业务在时域上的变化。该文针对OFDMA中继网络提出一种可最优节能的资源分配策略和一种简化的节能资源分配策略,为资源分配问题建立一般化的模型,即动态分配时域资源、频域资源和功率资源,所建模型具有很强的灵活性和适应性,不仅适用于固定时域分配系统,也适用于非固定时域分配系统。此外针对非满负荷业务,在保证用户服务质量的情况下,以节能为目标对无线非协作中继网络的资源分配进行能效最大化建模,使用拉格朗日乘数法对模型求解。考虑到算法复杂度,应用指派问题中的匈牙利算法设计出一种简化的资源分配策略。理论和仿真结果表明,最优节能资源分配算法能够得到能效的最大化,而简化节能资源分配算法与最优节能资源分配算法在能效上的差距不足5%,但算法复杂度得到了显著降低。而且,动态分配时域资源比固定时域分配对用户分布不均或链路分布不均有更强的适应性。     

求解多目标资源分配问题的改进蚁群优化算法

多目标资源分配问题就是将有限资源分配到不同事件来获得预期目标.建立了多目标资源分配问题的数学模型,提出了一种有效求解该问题的改进蚁群优化算法：设计了一种多目标资源分配问题的可行方案构建机制,定义了蚁群优化算法中的信息素形式及其更新方式,提出了一种新的概率选择形式;通过以上改进有效地提高了蚁群优化方法的效率.为了验证此方法的有效性,将蚁群优化方法与混合遗传算法的实验结果进行了对比分析,证明此方法优于混合遗传算法.     

密集异构网络中基于多目标优化的资源分配策略

密集异构网络(Dense Heterogeneous Network, DHN)通过部署小基站可以提升网络容量和用户速率,但小基站的密集部署会产生巨大的能耗和严重的干扰,进而影响系统的能量效率(Energy Efficiency, EE)和频谱效率(Spectral Efficiency, SE)。在保证用户服务质量(Quality of Service, QoS)需求的前提下,为了联合优化系统的能量效率和频谱效率,研究了密集异构网络中下行链路的资源分配(Resource Allocation, RA)问题。首先,将频谱和小基站发射功率分配问题建模为联合优化系统能量效率和频谱效率的多目标优化问题;其次,提出了基于单策略多目标强化学习(Single-strategy Multi-objective Reinforcement Learning, SMRL)的资源分配算法求解所建立的多目标优化问题。仿真结果表明,与基于单目标强化学习的资源分配算法相比,所提算法可以实现系统能量效率和频谱效率的联合优化,与基于群体智能算法的资源分配算法相比,所提算法的系统能量效率提高了1%～1.5%,频谱效率...     

基于深度强化学习的异构云无线接入网自适应无线资源分配算法

为了满足无线数据流量大幅增长的需求,异构云无线接入网(H-CRAN)的资源优化仍然是亟待解决的重要问题。该文在H-CRAN下行链路场景下,提出一种基于深度强化学习(DRL)的无线资源分配算法。首先,该算法以队列稳定为约束,联合优化拥塞控制、用户关联、子载波分配和功率分配,并建立网络总吞吐量最大化的随机优化模型。其次,考虑到调度问题的复杂性,DRL算法利用神经网络作为非线性近似函数,高效地解决维度灾问题。最后,针对无线网络环境的复杂性和动态多变性,引入迁移学习(TL)算法,利用TL的小样本学习特性,使得DRL算法在少量样本的情况下也能获得最优的资源分配策略。此外,TL通过迁移DRL模型的权重参数,进一步地加快了DRL算法的收敛速度。仿真结果表明,该文所提算法可以有效地增加网络吞吐量,提高网络的稳定性。

     

能耗和时延感知的虚拟化云无线接入网络资源分配机制

针对现有虚拟化云无线接入网络(C-RAN)资源利用率低、能耗高、用户服务质量无法得到保证等问题,该文提出一种能耗和时延感知的虚拟化资源分配机制。根据虚拟化C-RAN的网络特点及业务流量特征,考虑资源约束和比例公平,建立能耗和时延优化模型。进而,利用启发式算法为不同类型虚拟C-RAN和用户虚拟基站分配资源,完成资源的全局优化配置。仿真结果表明,所提资源分配机制在提高网络资源利用率的同时,不但使能耗节省了62.99%,还使时延降低了32.32%。

     

云接入网络中基于容量最大化的射频拉远头选择算法设计

不同于传统的LTE-Advanced网络,云接入网络(C-RAN)通过前程链路将复杂数据处理从射频拉远头(RRH)转移至基带单元池(BBU Pool)。然而,由于C-RAN前程链路容量有限,系统总吞吐量并不一定能显著提升。在本文中,我们通过优化RRHs选择实现吞吐量的最大化。更准确地说,本文在前程容量约束条件下设计了一种选择活动RRHs集的优化算法,以实现系统容量的最大化。此外,本文分别推导了低信噪比（Low SNR）与高信噪比(High SNR)下,选择RRHs数目的渐进最优的闭合表达式。仿真结果表明,比起其他方案,本文所提出的RRH选择方案能够在有限的前程容量限制与任意给定RRHs数量下,有效实现吞吐量的提升。      

异构云无线接入网架构下面向混合能源供应的动态资源分配及能源管理算法

针对面向混合能源供应的 5G 异构云无线接入网(H-CRANs)网络架构下的动态资源分配和能源管理问题,该文提出一种基于深度强化学习的动态网络资源分配及能源管理算法。首先,由于可再生能源到达的波动性及用户数据业务到达的随机性,同时考虑到系统的稳定性、能源的可持续性以及用户的服务质量(QoS)需求,将H-CRANs网络下的资源分配以及能源管理问题建立为一个以最大化服务提供商平均净收益为目标的受限无穷时间马尔科夫决策过程(CMDP)。然后,使用拉格朗日乘子法将所提CMDP问题转换为一个非受限的马尔科夫决策过程(MDP)问题。最后,因为行为空间与状态空间都是连续值集合,因此该文利用深度强化学习解决上述MDP问题。仿真结果表明,该文所提算法可有效保证用户QoS及能量可持续性的同时,提升了服务提供商的平均净收益,降低了能耗。

     

OFDMA分布式无线接入网络中基于共享标准的资源分布研究

Distributed radio access network (DRAN) is a novel wireless access architecture and can solve the problem of the available spectrum scarcity in wireless communications. In this paper, we investigate resource allocation for the downlink of OFDMA DRAN. Unlike previous exclusive criterion based algorithms that allocate each subcarrier to only one user in the system, the proposed algorithms are based on shared criterion that allow each subcarrier to be allocated to multiple users through different antennas and to only one user through same antenna. First, an adaptive resource allocation algorithm based on shared criterion is proposed to maximize total system rate under each user’s minimal rate and each antenna’s maximal power constraints. Then we improve the above algorithm by considering the influence of the resource allocation scheme on single user. The simulation results show that the shared criterion based algorithm provide much higher total system rate than that of the exclusive criterion based algorithm at the expense of the outage performance and the fairness, while the improved algorithm based on shared criterion can achieve a good tradeoff performance.     

基于带缓存的云接入网络最优能效设计

在云接入网络(Cloud-RAN)中,现有工作大多假定射频拉远头(RRH)不具备缓存功能。然而下一代通信网络具有以内容为中心的特性,因此在Cloud-RAN中考虑带缓存的RRHs也变得有必要。该文考虑在Cloud-RAN中有效设计缓存方案,并通过资源分配有效减轻前程链路负担。假设系统采用正交频分多址接入(OFDMA)技术,通过联合优化子载波(SC)分配,RRH选择与传输功率,最小化系统下行总功耗,并通过拉格朗日对偶分解转化非凸问题,获得最优分配方案。仿真结果表明,比起其它缓存方案,该文提出的优化算法可以有效地提升系统能效,满足未来通信需求。     

云无线接入网络高能效功率分配和波束成形联合优化算法

针对云无线接入网络(C-RAN)的资源分配问题,该文采用max-min公平准则作为优化准则,以C-RAN用户的能量效率作为优化目标函数,在满足最大发射功率和最小传输速率约束条件下,通过最大化最差链路的能量效率来实现用户发射功率和无线远端射频单元(RRHs)波束成形向量的联合优化。上述优化问题属于非线性、分式规划问题,为了方便求解,首先将原优化问题转化为差分形式的优化问题,然后通过引入变量将差分形式的、非平滑优化问题转化为平滑优化问题。最终,提出一种双层迭代功率分配和波束成形算法。在仿真实验中,将该文算法与传统的非能效资源分配算法和能量效率最大化算法进行了比较,实验结果证明该文算法在改进C-RAN能量效率和提高资源分配公平性方面的有效性。     

LTE系统上行链路无线资源分配算法

LTE系统上行链路中采用SC-FDMA技术,要求为用户分配的资源块（RU）在频域上连续分布,同时位于扇区边缘的用户因为收到较为严重的外扇区干扰性能有很大恶化。文中主要针对这两个问题,在传统算法的基础上,分别提出一种改进的PF频域分组调度算法和一种改进的部分功率控制算法。仿真结果表明,二者结合能较好地改善系统性能,特别是边缘用户的性能。     

面向射频隐身的组网雷达多目标跟踪下射频辐射资源优化分配算法

针对组网雷达系统多目标跟踪场景,该文提出一种面向射频(RF)隐身的组网雷达射频辐射资源优化分配算法.首先,采用目标跟踪误差的贝叶斯克拉美-罗下界(BCRLB)作为目标跟踪性能指标.其次,以各雷达照射目标的驻留时间资源和辐射功率资源加权和为优化目标,以BCRLB不大于给定目标跟踪精度阈值及系统射频辐射资源作为约束条件,建立了包含雷达节点分配方式、驻留时间和辐射功率3个优化变量的优化模型.然后,采用两步分解法对上述优化模型进行了求解,即先固定雷达节点选择,利用内点法对简化后的非凸非线性优化模型进行求解,之后再通过匈牙利算法确定最佳雷达节点分配方式.仿真结果表明,相较于辐射资源均匀分配算法,所提算法可以有效降低组网雷达的射频资源消耗,提升系统射频隐身性能.