IRS辅助的共生无线电系统鲁棒优化算法设计

共生无线电技术可用于提高频谱效率与能量效率,但其中物联网接收机的接收信号强度较弱,在共生无线电系统中部署智能反射表面是针对该问题的一种有效解决方案。首先,在完美信道状态信息可知时,考虑基站信息速率要求、反射单元相移的约束、反向散射设备的解码顺序与反射系数的约束,联合优化无源波束赋形与反向散射设备的反射系数来最大化所有反向散射设备中最小的吞吐量。然后,考虑到系统中的实时完美信道状态信息很难获得的问题,提出了针对不完美信道状态信息的鲁棒优化算法。仿真结果验证了智能反射表面可使共生无线电系统性能大幅提升,相较于保守方法,所提的鲁棒优化算法可降低不完美信道状态信息造成的性能下降。     

5G网络中面向终端能效的并发传输问题探讨

在本文中,我们研究了在5G无线通信网络中并行传输的多个无线接入技术(RATs),并分析了在多模用户设备(MUE)条件下的能源效率(EE),同时考虑静态电路功耗下的无线接入技术,MUE和信道状态信息,我们提出了一个基于能源效率的最大并发传输方式,并充分利用多无线传输结合并行传输的增益策略.     

中断约束下的星空认知网络分布式鲁棒波束成形算法

针对卫星通信网和无人机通信网共享频谱资源构成的星空认知网络,提出了一种基于用户非完美信道状态信息的分布式鲁棒波束成形算法,以提升网络的频谱效率和传输可靠性.在所有信道误差均服从复高斯分布的条件下,建立以总的发射功率最小化为目标函数,以用户信干噪比中断概率约束满足要求为约束的联合优化问题.通过引入松弛变量,将非凸的联合优化问题转换成两个独立的分布式优化问题,并进一步提出利用舒尔补和拉格朗日对偶的迭代算法得到卫星和无人机网络的波束成形权矢量.计算机仿真验证了所提算法的有效性和优越性.     

能量收集中继安全传输网络的在线功率控制算法

针对源节点和中继节点均采用收集能量供电的放大转发中继网络,考虑两个目的节点之间信息相互保密的场景,该文提出最大化长期时间平均保密速率的源节点和中继节点发送功率联合优化算法.由于能量到达和信道状态是随机过程,该问题是一个随机优化问题.利用Lyapunov优化框架将电池操作和能量使用约束下的长期优化问题转化为每时隙的"虚队列漂移加惩罚"最小化问题,并求解.仿真结果显示该文提出的算法在长期平均保密速率上相较于对比算法具有显著的优势,同时算法仅依赖于当前的电池状态和信道状态信息做出决策,是一种实用的、低复杂度的算法.     

基于熵最小化的协作式随机检测宽带频谱的策略

针对认知无线电中的宽带频谱检测,从信息熵角度分析了信道状态估计的准确性与熵的关系,进而提出一种基于熵最小化的协作式随机检测宽带频谱的策略.该策略充分利用了信道状态的先验信息和实际检测所得信息,选择使系统信息熵最小化的信道进行检测,从而自动调节各个信道检测时间间隔.性能分析和仿真实验表明,基于熵最小化的检测策略有效地提高了信道状态估计准确性和检测的效率.     

认知无线电中基于状态转移概率的感知时隙优化算法

为了在感知性能与系统传输效率之间对感知时隙长度进行有效折衷,在对授权信道当前分别为"占用"和"空闲"状态时的感知时隙长度与状态转移概率之间的关系进行分析的基础上,提出了一种基于授权信道状态转移概率预测的感知时隙长度优化算法。该算法能够保证在感知过程中始终用最小的感知时隙长度来满足系统对感知性能的最低要求,以最大化认知系统的能量效率与传输效率。     

基于ResNet的大型智能表面在毫米波系统中的应用

大型智能表面(Large Intelligent Surface,LIS)协助毫米波通信已经成为一种提高覆盖率和吞吐量的极具潜力的技术.为了设计LIS系统的反射波束,通常需要获取完美的级联信道状态信息.然而,由于LIS具有高维级联信道和大量无源反射元件,估计其级联信道状态信息一直是LIS的挑战之一.针对上述问题,提出一...     

GPRS信道承载效率影响因素分析

从GSM网络承载的数据流量和占用的信道资源入手,给出了目前GSM网络承载数据业务存在的问题:数据信道运行效率在不断下降;并从用户行为的角度深入分析了数据信道运行效率下降的原因;最后给出了提升数据信道运行效率的建议以及数据业务优化的措施。     

一种H.264视频流自适应率失真优化编码算法

为了提高编码视频流在丢包网络环境中的抗误码性能,目前比较常用的是采用帧内刷新算法.在率失真框架之内的帧内优化编码刷新算法,则被认为是更为直接和有效的解决办法.在视频编码标准H.264/JVT中采用的就是这种算法.然而由于没有考虑到信道丢包率对编码器端进行仿真解码次数的影响,从而导致在进行率失真优化编码时的计算量较大,编码耗时较长,严重影响了编码器的编码效率.基于以上分析,提出了一种改进的自适应率失真优化编码算法.将H.264标准率失真优化编码算法中计算解码器端视频帧期望失真度的代数平均值算法,改进为加权平均值算法.仿真实验表明,提出的算法可根据信道丢包率和模拟信道状态个数信息来自适应地决定编码器端进行仿真解码计算的次数,从而有效降低H.264标准率失真优化编码算法中的计算冗余和计算复杂度,节省编码耗时.在模拟信道状态个数默认为30个时,本算法最多可节省近55%的编码耗时.     

数字孪生辅助的智能楼宇多模态通信资源管理方法

多模态通信网络为智能楼宇能源调控数据的采集、传输、处理以及能源调控模型训练提供了通信支撑。数字孪生可以提供计算资源、信道特性等状态估计，辅助多模态通信资源管理优化，提高能源调控模型训练精度。然而，数字孪生辅助的智能楼宇多模态通信资源管理面临能源调控模型训练误差大、多时间尺度资源分配耦合、模型训练精度提高与能耗优化相互矛盾等挑战。针对上述挑战，提出基于数字孪生和经验匹配学习的多时间尺度通信资源管理优化算法，通过联合优化大时间尺度网关选择和小时间尺度信道分配与功率控制，最小化全局模型损失函数和能耗加权和。仿真结果表明，所提算法可以提高全局模型损失函数和能耗加权和性能，保障智能楼宇能源精准调控需求，促进智能楼宇能源调控低碳运行。     

车联网中基于NOMA-MEC的卸载策略研究

随着车联网(IoV)的迅猛发展,请求进行任务卸载的汽车终端用户也逐渐增长,而基于移动边缘计算(MEC)的通信网络能够有效地解决任务卸载在上行传输时延较高的挑战,但是该网络模型同时也面临着信道资源不足的问题。该文引入的非正交多址(NOMA)技术相较于正交多址(OMA)能够在相同的信道资源条件下为更多的用户提供任务卸载,同时考虑到任务卸载过程中多方面的影响因子,提出了混合NOMA-MEC卸载策略。该文设计了一种基于深度学习网络(DQN)的博弈算法,帮助车辆用户进行信道选择,并通过神经网络多次迭代学习,为用户提供最优的功率分配策略。仿真结果表明,该文所提出的混合NOMA-MEC卸载策略能够有效地优化多用户卸载的时延以及能耗,最大限度保证用户效益。     

Energy-efficient power allocation for NOMA heterogeneous networks with imperfect CSI

In this paper, an optimal user power allocation scheme is proposed to maximize the energy efficiency for downlink non-orthogonal multiple access (NOMA) heterogeneous networks (HetNets). Considering channel estimation errors and inter-user interference under imperfect channel state information (CSI), the energy efficiency optimization problem is formulated, which is non-deterministic polynomial (NP)-hard and non-convex. To cope with this intractable problem, the optimization problem is converted into a convex problem and address it by the Lagrangian dual method. However, it is difficult to obtain closed-form solutions since the variables are coupled with each other. Therefore, a Lagrangian and sub-gradient based algorithm is proposed. In the inner layer loop, optimal powers are derived by the sub-gradient method. In the outer layer loop, optimal Lagrangian dual variables are obtained. Simulation results show that the proposed algorithm can significantly improve energy efficiency compared with traditional power allocation algorithms.     

适用于宽带网络波形的基于定价策略的时隙选择

针对宽带网络波形（Wideband Networking Waveform，WNW）的多信道二维时频资源，以减小网络资源浪费为优化目标，提出了一种基于定价策略的时隙选择方法（Pricing Strategy Based Slot Selection，PSSS）。该方法通过接纳控制保障资源分配的公平性，采用对偶优化建模与椭圆搜索法实现最优的时隙选择。理论分析证明该方法能够在多项式级别时间复杂度内搜索到时隙选择的最优解。仿真结果表明，提出的PSSS算法通过较低资源浪费获得了较低的容量冗余度，能够有效地解决WNW多信道网络的时隙选择问题。     

D2D通信中联合链路共享与功率分配算法研究

针对D2D （Device-to-Device,D2D）通信过程中的资源分配问题,提出一种联合链路共享和功率分配算法.在保证系统内蜂窝用户服务质量（Quality of Service,QoS）需求的前提下,利用系统的信道状态信息,为D2D用户生成一个由蜂窝用户组成的通信链路的候选集合;在通信链路候选集合内使用凸优化方法得到D2D用户最优功率分配策略;最后利用（Kuhn-Munkres,KM）算法求解最大加权二部图匹配（Maximum Weight Bipartite Matching,MWBM）问题,为D2D用户选择最优的蜂窝用户进行资源共享.仿真结果表明该算法能有效的提升通信网络的吞吐量,可以为D2D用户选择最优的资源分配策略.     

Energy efficiency optimization algorithm for heterogeneous NOMA network based on imperfect CSI

In order to improve the suppression capability of parametric perturbation and energy efficiency (EE) of heterogeneous networks (HetNets),a robust resource allocation algorithm was proposed to maximize system EE for reducing cross-tier interference power in non-orthogonal multiple access (NOMA) based HetNets.Firstly,the resource optimization problem was formulated as a mixed integer and nonlinear programming one under the constraints of the interference power of macrocell users,maximum transmit power of small cell base station (BS),resource block assignment and the quality of service (QoS) requirement of each small cell user.Then,based on ellipsoid bounded channel uncertainty models,the original problem was converted into the equivalent convex optimization problem by using the convex relaxation method,Dinkelbach method and the successive convex approximation (SCA) method.The analytical solutions were obtained by using the Lagrangian dual approach.Simulation results verifiy that the proposed algorithm had better EE and robustness by comparing it with the existing algorithm under perfect channel state information.     

基于深度确定性策略梯度的虚拟网络功能迁移优化算法

针对NFV/SDN架构下,服务功能链(SFC)的资源需求动态变化引起的虚拟网络功能(VNF)迁移优化问题,该文提出一种基于深度强化学习的VNF迁移优化算法.首先,在底层CPU、带宽资源和SFC端到端时延约束下,建立基于马尔可夫决策过程(MDP)的随机优化模型,该模型通过迁移VNF来联合优化网络能耗和SFC端到端时延.其...     

车联网中基于NOMA-MEC的卸载策略研究

随着车联网(IoV)的迅猛发展,请求进行任务卸载的汽车终端用户也逐渐增长,而基于移动边缘计算(MEC)的通信网络能够有效地解决任务卸载在上行传输时延较高的挑战,但是该网络模型同时也面临着信道资源不足的问题。该文引入的非正交多址(NOMA)技术相较于正交多址(OMA)能够在相同的信道资源条件下为更多的用户提供任务卸载,同时考虑到任务卸载过程中多方面的影响因子,提出了混合NOMA-MEC卸载策略。该文设计了一种基于深度学习网络(DQN)的博弈算法,帮助车辆用户进行信道选择,并通过神经网络多次迭代学习,为用户提供最优的功率分配策略。仿真结果表明,该文所提出的混合NOMA-MEC卸载策略能够有效地优化多用户卸载的时延以及能耗,最大限度保证用户效益。     

基于改进深度强化学习的虚拟网络功能部署优化算法

针对网络功能虚拟化/软件定义网络(NFV/SDN)架构下,网络服务请求动态到达引起的服务功能链(SFC)部署优化问题,该文提出一种基于改进深度强化学习的虚拟网络功能(VNF)部署优化算法.首先,建立了马尔科夫决策过程(MDP)的随机优化模型,完成SFC的在线部署以及资源的动态分配,该模型联合优化SFC部署成本和时延成本...     

基于改进鲸鱼优化策略的贝叶斯网络结构学习算法

针对当前贝叶斯网络结构学习算法易陷入局部最优和寻优效率低的问题,该文提出一种基于改进鲸鱼优化策略的贝叶斯网络结构学习算法。该算法首先提出一种新的方法建立较优的初始种群,然后利用不产生非法结构的交叉变异算子构建适用于贝叶斯网络结构学习的改进捕食行为,同时采用动态调节参数增强算法个体寻优的能力,通过适应度排序更新种群,最终获得最优的贝叶斯网络结构。仿真结果表明,该算法具有全局收敛性,寻优效率高,精确率高于其它同类优化算法。     

一种改进的多用户OFDM系统跨层分配优化算法

提出了一种多用户正交频分复用系统的跨层资源分配模型,结合了物理层中信道状态和媒体接入控制层中用户的队列信息,能更好地满足用户的服务质量要求。改进的混合优化算法结合了遗传算法与禁忌搜索算法的优点,并且对遗传算法的交叉因子进行改进,提高了全局搜索能力,能够更好地收敛于全局最优值,这样能更好地解决跨层资源分配问题。仿真结果表明,在此模型下利用改进的混合算法能有效地提高系统吞吐量,减小用户的平均时延,提高服务质量。