用于多小区OFDM系统的分布式上行功率控制算法

为了协调小区间干扰,提高边缘用户性能,研究了OFDM系统多小区间的功率分配问题.基于非合作博弈理论,给出既可以保证每个用户信干比最小又考虑其他小区同信道干扰的效用函数.通过求解最大效用函数值,得到一种多小区分布式上行功率控制算法.该算法中每个小区只需本地信息就可以协调小区间干扰,实现了用户间公平性与频谱利用率的最佳折中.通过仿真分析,讨论了算法的参数选取,验证了算法的收敛性.仿真结果表明,与等功率分配相比,虽然吞吐量下降了17%,但是公平性提高了1.7倍.     

超密集网络中宏微协作的干扰最小化资源分配

超密集网络能够最大化频谱利用率,但不可避免地带来严重的小区间干扰。为解决该问题,提出一种能够适应超密集网络动态负载场景宏微协作的干扰最小化资源分配算法。首先通过宏微协作交换小区子带干扰信息;然后为高功率用户分配邻区子带干扰较小的资源来降低小区间干扰。当小区业务部分加载时,算法还通过为高功率用户分配更多的带宽资源来降低它们的功率谱密度,从而进一步降低小区间干扰。仿真结果表明,新算法在业务量动态变化的超密集网络中能够有效地降低网络的干扰水平并提升网络的能效比。     

超密集场景下考虑业务动态的功率匹配算法

提出了一种面向超密集场景的考虑业务动态的无线网络功率资源匹配算法.首先,根据网络异构和业务动态变化特征,建立双层动态博弈模型.针对不同博弈层参与者的需求特性,以最大化效用函数为准则,设计不同的效益模型,并通过对网络中业务动态性的预测调整定价因子,以更准确地反映网络环境的变化;其次,根据双层非合作博弈的特性进行分层功率博弈求解,通过宏蜂窝用户与微基站以及微蜂窝用户之间的多次非合作功率博弈达到均衡;最后,通过与现有功率资源匹配算法仿真比较,所提算法具有优越的性能.     

干扰信道中基于竞争博弈的准最佳功率分配方案

频率选择性高斯干扰信道下多用户总速率最大化的问题被建模成一个带有补偿函数的非合作博弈模型．补偿函数也近似成子信道之间进行博弈的模型(子信道博弈)．通过子信道之间的迭代计算,子信道博弈能够达到一个纳什均衡,也就是渐近最佳补偿．接着提出了多领导斯坦克尔伯格均衡的概念,来描述带有渐近最佳补偿函数的非合作博弈的均衡点．利用凸优化技术,开发了一种迭代多水平面功率注水算法,来达到斯坦克尔伯格均衡．在该均衡点上,所有用户都会工作在准最佳速率区域边界上．仿真结果表明,迭代多水平面功率注水算法所能达到的总速率比迭代功率注水算法有明显的提高,并且能达到一个准最佳的可达速率区域．     

自适应小区间干扰协调技术

提出了一种基于势能博弈的自适应分布式功率分配算法,将带有惩罚因子的多小区子带容量作为效用函数,把一个全局优化的问题转化成一个多次迭代的局部优化问题,通过梯度投影准则动态地对每个资源块理性地分配功率,达到协调小区间干扰、提高系统容量和降低时间成本的目的.仿真结果证明,该算法有效地降低了系统容量损失,改善了小区边缘用户的吞吐量.     

用于OFDMA系统的多小区自适应资源分配算法

提出了一种用于正交频分多址通信系统下行链路的多小区自适应资源分配算法(MARA).为了降低系统复杂度,将子信道分配和功率分配分开实现,在小区内部进行动态子信道分配,并以单小区子信道分配结果为基础在相邻小区同频用户中进行功率分配.将非合作博弈论引入到多小区功率分配中,给出了基于代价函数的多小区分布式功率分配算法.通过协调相邻小区间同频子信道的发送功率,抑制小区间干扰,提高了无线资源利用率.仿真结果表明,与已有算法相比,本文提出的算法可以提高系统吞吐量.     

基于非合作博弈的中继网络分布式资源分配

提出一种可应用于正交频分复用多址(OFDMA)中继网络的分布式资源分配算法. 基于将模型描述为基站与中继的非合作功率分配博弈(RNCPAG), 设计出2种效用函数, 并以最大化效用函数为准则, 证明在总功率受限的约束下, 该算法存在并收敛于唯一的纳什均衡点. 研究表明, 同传统的平均功率分配算法相比, 分布式博弈算法以牺牲少量的迭代步数为代价, 获得更高的系统容量和资源效率.     

基于OFDM的认知无线电系统中功率分配算法

针对基于正交频分复用(OFDM)的认知无线电系统中,子载波功率分配的最优化算法中出现的迭代运算繁琐、不易实现的问题,提出一种基于幂函数分布的次优化功率分配算法.该算法采用线性约束的凸优化数值运算方法,对认知用户频带内子载波的功率按照幂函数的数值特性依次分配,该算法具有运算速度快、易于实现的特点,并且有效地解决了授权用户受到认知用户频带内子载波带外泄漏功率的干扰问题.通过使用MATLAB建模仿真,结果表明,提出的算法方案在满足授权用户干扰门限的条件下,使得认知用户频带内信道容量能够达到最大化,并且在同样条件下提高了现有功率分配方案的最大传输速率.     

基于QoE的MIMO-NOMA系统功率分配方案

在多输入多输出非正交多址接入（MIMO-NOMA）系统中,衡量通信质量时仅仅考虑了用户的服务质量（QoS）,而没有考虑用户终端的满意度.为此,提出一种基于Stackelberg博弈的优化用户体验质量（QoE）的动态定价功率分配算法.在网页浏览业务场景下,用平均意见分数（MOS）值来衡量用户终端的满意度,将用户设置为买方,基站设置为卖方,小区内各用户从基站处以瞬时单位功率价格购买功率,提升其MOS值;同时,卖方基站不断调整单位功率价格,以实现自身最大化收益,最终达到Stackelberg均衡.仿真结果表明,所提算法与基于QoS的功率分配算法相比,在公平性上提升了22.73%;与传统的定价算法相比,在吞吐量和MOS值上有明显提升;与基于凸差规划的功率分配算法相比,在时间复杂度上有明显降低.     

认知正交频分复用系统的功率分配研究

研究了认知正交频分复用(OFDM)系统的容量极限及最优功率分配策略.基于干扰温度模型,建立了在主用户接收端干扰温度受限下最大化认知用户传输速率的数学优化问题;利用拉格朗日乘数法,得到了该数学问题的最优解.最优算法需要同时知道干扰链路和认知链路的信道边信息(CSI),具有较高的复杂度.因此提出了3种次优功率分配算法,分别为功率平均法、功率控制法和功率分配法.通过仿真实验,比较了各种分配算法下认知用户的信道容量.结果表明,利用所有信道边信息的最优功率分配算法能取得最好的性能.     

UDN中基于JR-CoMP的分簇和资源分配方案

针对超密集网络（UDN）中的上行干扰问题,提出了一种基于多点协作联合接收（JR-CoMP）的分簇与资源分配方法.首先,将用户和基站进行单频段分簇,将同一小小区的多个边缘用户放在不同的用户簇中,将位于相邻小小区并且距离较近的边缘用户放在同一个用户簇中,根据中心用户到已有基站簇的干扰强度将其归簇;然后,对用户簇进行多重子频段分配,为包含同一个小小区用户的多个簇分配不同的子频段,并且尽量为每个用户簇多分配子频段;最后,以最大化系统总传输速率为目标,采用注水算法为每个用户分配功率.仿真结果显示,所提方案能显著提高频谱效率.     

认知MIMO系统中基于博弈论的干扰对齐算法研究

为消除用户间干扰,提高认知无线电多输入多输出（CR-MIMO）系统传输速率,给出一种基于博弈论的干扰对齐算法。该算法首先采用注水算法为主用户进行功率分配,同时设计次用户预编码使次用户信号落入主用户未分配功率的子信道。然后将次用户之间的多条干扰链路构成一个博弈群体进行求解,实现次用户之间的干扰对齐。此外,为最大化次用户传输速率,将次用户功率分配问题转换为布谷鸟鸟巢的选择问题,构造适应度函数,得到最优的功率分配方案。数值分析表明,该算法可以消除主次用户的干扰以及次用户之间的干扰,传输速率比最大信干噪比（Max-SINR）算法高2 b·s-1·Hz-2,同时,结合布谷鸟搜索算法进行功率分配后传输速率高于文献[13]。     

基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

超密集网络中基于分簇的资源分配方案

为了缓解超密集网络中毫微微小区基站（FBS）间的同层干扰,提出一种基于干扰受限的分簇及资源分配（ILCRA）方案,该方案用一个预先设置的干扰门限来限制每个FBS簇内成员的数量。首先采用聚合成簇的思想对FBS进行分簇,每个FBS簇中干扰权值之和不能超过干扰门限,然后在每个FBS簇内采用穷举图着色算法依次对用户设备（UE）进行分簇;其次,在每个FBS簇内独立地分配资源,根据UE簇在每个子信道上的吞吐量依次为每个UE簇分配子信道;最后在每个FBS簇内采用注水算法为簇内用户分配功率。仿真结果显示,该方案有效地限制了FBS簇内成员的数量,提升了系统的吞吐量和频谱效率。     

联合功率控制的D2D资源分配算法

针对D2D通信引入LTE网络中同频干扰以及能耗过大问题,首先基于模糊聚类算法,将D2D用户分成若干个D2 D用户组,并且基于中断概率最小为每个D2 D用户组寻找最优蜂窝用户资源,以降低用户间干扰、提高系统吞吐量。其次结合上述资源分配提出了一种有效的功率控制方案,调节资源分配后用户组内D2 D用户的发送功率,以提高系统能量效率。仿真结果表明：该算法降低了系统干扰,提高了系统吞吐量以及系统能量效率,同时又保证了D2 D用户获得无线资源的公平性。     

Two-layered game-theoretic based resource allocation in femtocell networks

In orthogonal frequency division multiple access(OFDMA) based femtocell networks, to improve the spectrum efficiency and avoid the interference from the femtocell user equipment(FUE) to macrocell user equipment(MUE) and other femtocell users equipments(FUEs), the joint power control and subcarrier selection distributed algorithm is proposed. In the framework of the two-layered game, the proposed distributed algorithm, which is based on the pricing mechanism and the dynamic replication scheme, can effectively suppress the interference from the FUE to other users and select the optimal subcarrier by the alternate iterations of the non-cooperative game and evolutionary game. Simulation results show that the proposed algorithm can converge to the Nash equilibrium(NE) of the two-layered game.     

基于干扰比例分配机制的博弈式功率分配策略

研究了认知无线电系统中的功率分配策略,分析了基于博弈策略的最佳效用函数. 针对干扰受限条件,提出了一种适合分布式场景的,根据认知用户对主用户产生的干扰比例来限制自身最大发射功率的方法. 通过计算机仿真,考察了不同比例分配方式下的系统性能,并对仿真结果进行了比较. 仿真结果表明,各认知用户对主用户干扰比例相同的功率限制策略可使系统获得较好的性能.     

认知无线电网络中的分布式动态频谱共享

研究了基于认知无线电技术的动态频谱共享,基于重复博弈理论设计了一种分布式动态信道接入和功率分配算法。在不影响主用户通信的情况下,每个认知用户能够根据自己的QoS需求和本地信息进行分布式信道选择和功率分配,在系统频谱效率和业务QoS之间进行有效折中。该算法具有较好的收敛性,能最大程度地满足用户的业务需求,更适用于异构网络和业务的应用。     

认知SC-FDMA系统中考虑用户最小速率需求的上行资源分配

提出了一种认知单载波频分复用接入（SC-FDMA）系统中的上行资源分配策略,通过定义新的边际效用函数,进行联合的资源块与功率分配. 仿真结果表明,相比于已有上行资源分配策略,所提算法一方面可以以轻微的网络吞吐率损失为代价,实现资源块连续性分配,并很好地保护用户最小传输速率约束;另一方面,也可以有效规避对主网络的干扰,保证主网络正常通信.