D2D异构网络节能模式选择和资源分配

为合理分配蜂窝网络的频谱资源,提升蜂窝网络能源效率,降低用户间的干扰,提出一种基于深度强化学习的设备到设备(D2D)异构网络节能模式选择和资源分配方法。构建系统模型并对节能模式选择和资源分配进行优化;将优化问题转化为马尔可夫决策过程(MDP),采用深度确定性策略梯度算法(DDPG)找到最优问题的最优策略,实现最大化长期能效。通过仿真分析与其它4种方法进行性能对比,实验结果表明,所提方法在D2D异构网络中具有更高的能源效率,表现出更好的收敛性,可有效提升系统吞吐量和频谱资源利用率。     

D2D通信增强的蜂窝网络中基于DDPG的资源分配

针对终端直通(D2D)通信增强的蜂窝网络中存在的同频干扰,通过联合调控信道分配和功率控制最大化D2D链路和速率,并同时满足功率约束和蜂窝链路的服务质量(QoS)需求。为有效求解上述资源分配所对应的混合整数非凸规划问题,将原问题转化为马尔可夫决策过程,并提出一种基于深度确定性策略梯度(DDPG)算法的机制。通过离线训练,直接构建了从信道状态信息到最佳资源分配策略的映射关系,而且无需求解任何优化问题,因此可通过在线方式部署。仿真结果表明,相较于遍历搜索机制,所提机制在仅损失9.726%性能的情况下将运算时间降低了4个数量级(99.51%)。     

基于深度无监督学习的多小区蜂窝网资源分配方法

针对多小区蜂窝网络资源分配所要求的低能耗、高速率和低延时问题,提出一种基于深度无监督学习的多小区蜂窝网络资源分配方法.首先,构建基于无监督学习的深度功率控制神经网络,通过约束处理输出优化的信道功率控制方案以最大化能量效率的期望;然后,构建基于无监督学习的深度信道分配神经网络,通过约束处理输出优化的信道分配方案,并联合前期训练好的深度功率控制神经网络拟合输出优化的信道功率,进一步优化能量效率的期望.仿真结果表明,所提出的方法在保证低计算时延的同时可获得优于其他算法的能量效率和传输速率.     

无线携能通信下mmWave协作通信小单元的能效最优策略

针对无线携能通信(SWIPT)网络中的能量与信息同时传输阶段的优化问题,以最大化链路能量效率为目标,提出一种SWIPT下mmWave协作通信小单元的能效最优策略。该策略在最小链路传输速率和最小收集能量的联合约束下,在能量受限型用户设备的接收端采用功率分流工作模式,通过优化发射功率控制和功率分流因子,最大化系统链路能量效率。针对原问题是一个非凸的分式规划问题,具有NP难性质,采用Dinkelbach方法将目标函数转化为易于求解的凸优化问题,并设计一个交叉迭代的算法求出最优解。仿真实验结果表明,提出的策略在优化系统能量效率性能上要优于传统功率控制方法和最大发射功率法。     

能量搜集充电的设备到设备通信功率分配方案

主要研究多个能量搜集充电的设备到设备(D2D)用户非正交复用一个蜂窝用户信道资源时的功率分配问题。在保障蜂窝用户的服务质量前提下,建立了一个最大化能量搜集充电的D2D用户的传输速率问题。由于该问题是一个非凸规划问题,提出一种低复杂度的凸近似算法,并得到该问题的一个紧下界可行解。最后,通过仿真分析得出该算法能够逼近最优传输速率,为多个能量搜集充电的D2D对与一个蜂窝用户共享链路的场景提供有效的功率分配方案。     

设备直通中基于组合拍卖的联合资源分配机制

设备直通D2D(Device-to-Device Communication)通信是5G系统中的关键技术,通过复用传统蜂窝通信的频谱资源,能够大幅度提升系统频谱利用率,但却给传统蜂窝用户带来了同频干扰。针对上述问题,提出一种联合功率控制和信道分配的资源分配机制来最大化D2D链路的总吞吐量,并保证蜂窝链路的服务质量需求。该方案分为两步:底层功率控制考虑给定信道组合下的最大吞吐量,首先证明原问题属于凸优化,继而利用Karush-Kuhn-Tucker条件分析得到最优解;基于功率优化的结果,上层的信道分配等价于整数线性规划问题,一般意义下属于NP-hard难题,因此提出基于组合拍卖的分配机制来实现性能与复杂度之间的折中。最后,通过仿真验证了所提资源分配机制的有效性,并展示了联合无线资源分配的优势。     

车联网D2D通信中最大化频谱资源利用率分配算法

无线通信技术快速发展,终端设备不断增多,为缓解这一现象,提升系统网络容量,针对车联网蜂窝D2D(device to device)通信资源分配问题,提出了一种最大化频谱资源利用率分配算法.该算法以最大化频谱资源利用率为优化目标,在满足车联网通信的基本服务质量(quality of service,QoS)下,通过V2V(vehicle to vehi-cle)和V2P(vehicle to people)共享信道资源来提高频谱资源利用率.首先利用信道状态信息定义的链路增益因子为终端用户找到潜在的通信链路集合;然后证明终端用户复用链路资源时功率分配问题为一个凸优化问题,利用凸优化理论求得最优传输功率;随后求解最优的信道匹配问题,此问题为多对一的加权匹配问题,为降低算法复杂度用KM(Kuhn Munkres)算法来求解.仿真结果表明,所提算法较其他算法能够有效地提升系统吞吐量、提高频谱资源利用率、提升网络性能,优化车联网通信资源分配问题.     

D2D网络中基于分簇的无线资源分配机制

针对用户设备电池寿命有限的问题,提出了一种基于分簇的资源分配机制。该机制结合图着色原理对D2D用户分簇;随后根据分簇结果,采用拍卖算法为D2D簇分配信道;利用非合作博弈论模型对完成信道分配的用户进行功率分配。仿真结果表明,该机制有效地延长了电池寿命,提升了用户的能量效率,同时满足了用户传输速率的需求,保证了用户获得更高的QoS。     

SWIPT网络中保障物理层安全的保密能量效率优化

针对下行多用户携能通信网络中具有非线性特征的能量收集过程,提出了一种使用连续凸逼近方法的能量收集方案.该方案考虑授权用户对信息的安全性要求,构造了具有最大化保密能量效率的优化问题,联合优化了多用户的保密速率与网络能耗.为求解该多变量耦合的非凸优化问题,采用泰勒级数转换非凸函数,在连续凸逼近和Dinkelbach理论框架内,设计了满足最大保密能量效率要求的资源分配算法,获得了授权用户所需的最小输入功率.仿真实验的结果验证了该算法在最优化系统保密能量效率上的有效性.为多输入多输出或无法获得完整信道状态信息等更真实无线携能通信网络中通信安全及能量效率的研究提供了依据.     

D2D通信中基于保证蜂窝用户通信质量的功率分配算法

针对D2D通信与蜂窝通信复用频谱资源时会产生同频干扰的问题,提出一种基于保证蜂窝用户通信质量的功率分配算法。在保证蜂窝用户平均SINR和最小SINR双重约束的基础上,建立以最大化D2D链路平均吞吐量为目标的凸优化问题,并利用拉格朗日函数推导出最优功率分配的闭式解。仿真结果表明:该算法不仅可以保证蜂窝用户通信质量,而且也能最大限度地提高D2D链路以及整个系统的总吞吐量。     

D2D通信中基于信噪比均衡的资源分配算法

针对蜂窝系统中D2D通信和蜂窝通信模式下的资源共享问题,提出一种基于信噪比均衡的资源分配算法。在优化所有用户接收干扰功率和均衡所有用户信噪比的基础上,建立以最大化系统总吞吐量为目标的凸优化问题。利用拉格朗日乘数法求解凸优化问题,得到闭式解。仿真结果表明,该算法能提高D2D链路与蜂窝链路的信噪比及系统总吞吐量。     

认知传感网络的信能无线传输优化

针对目前无线传感网络频谱资源匮乏、能源供给不足等问题,本文构建了一种新型的认知多播无线传感网络,并研究适用于该网络的信能协同传输问题。以网络中所有次级用户收集到的和能量为优化目标,结合多播技术,在次用户对主用户的干扰、次用户的信干噪比、次级发射器的发射功率的约束下,构建了一种非线性非凸优化问题。针对该优化问题,提出一种基于半正定松弛的算法,从而延长网络的生存周期;并在此基础上提出一种基于序贯参数凸逼近技术的优化算法以降低复杂度。仿真结果表明,本文所提的算法有效提高了次用户能量收集的性能。     

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。     

全双工无线携能通信速率最大化波束赋形研究

针对全双工无线携能通信系统,提出了一种基于系统和速率最大化准则的波束赋形联合优化方案。该方案以系统和速率最大化为目标,在保证上行/下行链路的最大发射功率约束及最小能量收获需求的同时,实现了信息速率和频谱效率的同步改善。由于速率问题为非凸问题,首先采用半定松弛及一阶泰勒近似方法将其转换为凸优化问题,然后结合基于逐次凸近似的迭代算法分别求解最优的信息波束赋形矢量和能量波束赋形矢量。仿真结果表明,所提方案相比传统方案性能更优,实现了系统和速率的有效提高。     

NOMA网络中考虑回程约束的联合资源分配算法

针对应用非正交多址接入（NOMA）技术的异构蜂窝网络,提出了一种具有回程容量约束的能效最大化的功率和带宽分配算法。首先,考虑小蜂窝发射功率约束、小蜂窝速率约束和回程链路容量约束,构建了功率和带宽分配模型。然后,对于功率分配,利用凸差（DC）规划和函数的拟凹性将原问题转换为等价的凸问题,并使用凸差迭代法和二分法求得全局最优解;对于回程链路带宽分配,将其转换为可行性问题并给出了解析解。仿真结果显示,该方案的能量效率高于相同场景中的已有方案。     

基于非线性能量收集的全双工认知中继网络的联合优化方法

针对信息传输过程的时间消耗和信道估计误差对网络能效的影响,提出了一种基于非线性能量收集的全双工认知中继网络的联合优化方法。所提方法是在中继采用非线性能量收集并考虑非完美信道状态信息（CSI）的情况下,首先通过将能效非凸优化问题转化为两个凸的子优化问题,从而求出次用户和中继的传输功率以及收集的能量;其次,在保证主用户干扰门限以及最优传输功率非负的情况下,求出传输的信道容量范围;最后,将传输功率代入表达式得到关于时间的目标函数,并利用海森矩阵证明该目标函数为凸函数,进而求出最优传输时间以及功率分割因子,最终得出能效最优解。实验结果表明,在相同条件下,所提联合优化方法的能效相较于仅优化传输功率的能效提升了约84.3%;同时验证了信道估计误差因子为0.01时,所提方法的网络能效降低了约1.9%。     

基于分簇和Stackelberg博弈的D2D资源分配策略

当前,车辆密集通信场景下存在通信资源利用率低、DUE(D2D user)用户通信质量差等问题。针对上述问题,提出了一种基于分簇和Stackelberg博弈的D2D(device to device)资源分配策略,以解决DUE用户功率分配、信道匹配问题。首先,基于每个信道内DUE用户之间干扰最小原则,该模型对所有DUE用户进行分簇;然后,对于CUE(cellular user)用户与DUE用户簇,构建一对多的Stackelberg主从博弈模型,通过复用链路干扰参数和簇内干扰参数的迭代更新,优化每个DUE用户的发射功率;最后,利用匈牙利算法实现DUE用户簇与CUE用户的最佳信道匹配,最大化DUE用户的容量和。仿真结果表明,与基于价格迭代、等功率分配和高能效干扰约束的几种功率分配算法相比,所提算法能有效提升DUE用户的总容量。     

非完美频谱感知下认知超密集网络的资源分配

针对实际认知超密集网络场景中认知无线电存在非完美频谱感知的情况,提出了一种基于非完美频谱感知的资源分配方案,目标是在考虑跨/同层干扰约束、保障用户服务质量下,最大化非完美频谱感知下认知超密集网络中次级网络的能效。为此,依据网络模型构建能效优化问题,其为混合整数非凸规划问题,先通过分时共享松弛法和丁克尔巴赫法将其转换成等价的凸优化问题,再使用拉格朗日对偶法求其最优解,以此获得最优能效时的子信道和功率分配策略。基于此,提出了一种迭代的子信道和功率分配算法;为权衡计算复杂度,还提出了一种实用的子信道和功率分配算法。仿真结果表明,所提算法都有效地提升了网络能效。     

基于能效的多天线中继网络波束形成设计

为了提高放大转发多天线中继网络的能量效率,提出了一种基于能量效率的波束形成算法,在满足中继功率约束条件的同时,最大化系统归一化信噪比.最终得到的优化问题是一个非凸的优化问题,难以求解.将其简化为一个一维的优化问题,可以利用求导的方法进行求解.仿真结果表明:与基于信噪比的波束形成算法和未使用波束形成的放大转发方式相比,所提算法可显著提高系统的能量效率.     

认知无线电中能效优化的子载波匹配策略

针对协作认知无线电系统中的能量效率问题,提出一种以最大化能量效率为目标的资源联合分配算法。在满足服务质量要求和功率约束的情况下,首先通过一种能量效率优先的启发式方案对子载波进行匹配,再引入基于拉格朗日对偶算法对其中的功率分配问题进行非线性优化,从而最大限度地提高整个系统的能量效率。仿真实验结果表明,所提算法的能量效率得到显著提升,验证了所提方案的有效性。