基于CR技术的OFDM有序分布小区资源分配算法

针对频谱资源紧张以及完全分布式网络需要自行组织、自主搜索从而开销很大的状况,提出一种将认知无线电技术应用于有序分布式网络的模型,并且提出分布式正三角形小区的调度算法和相应的子载波分配方案。该系统不仅可以充分利用子载波分集增益,提高系统容量,而且可以灵活地根据业务负载量选择使用其他覆盖区的子载波。仿真验证了所提算法的可行性,该模型有效提高了系统容量和频带利用率。     

一种基于OFDM认知无线电网络的次优动态资源分配算法

研究了采用正交频分复用的认知无线电网络中的多用户资源分配问题,包括子载波分配和功率分配。在认知无线电系统中,除了考虑主用户与次用户之间的相互干扰,还要求将主用户对次用户的干扰控制在预设门限之下,因此,系统模型更为复杂。整数约束条件,使得寻求最优解的算法复杂度高,无法用于对实时性要求高的系统。因此,提出了一种寻求次优解的分步式资源分配算法,以降低算法的复杂度。首先采用一种综合考虑了功率限制和对主用户的干扰限制的新型子载波分配方案,然后提出改进的线性注水算法进行功率分配。仿真结果表明,相比于最优分配算法,所提出的算法可以在获得较好的系统容量的同时,有效地降低系统的复杂度,适用于对实时性要求高的系统。     

多用户OFDM系统资源分配的分支定界算法

研究了分支定界算法在多用户OFDM系统资源分配中的应用问题．基于速率最大化准则,进行速率和功率的分配．经典的遗传算法（GA-Genetic Algorithm）虽然很好的解决了非线性问题,使的计算精度得到了提高,但是运算复杂度却提高了;而分支定界算法通过分支、定界、剪支使得计算次数减少从而大大的降低了复杂度,并且仿真结果表明,分支定界算法在性能上接近遗传算法但复杂度上低于遗传算法,性能上优于Linear算法．     

Femtocell网络中基于保证公平性的频谱资源分配算法

家庭基站是一种低成本低功耗,由用户部署的小型基站,能提供更好的室内覆盖效果和数据速率。但是在无协作频谱复用场景中,小区间干扰已经成为当前主要问题。本文提出一种保证公平性的频谱资源分配算法。首先提出一种基于干扰图的公平系数来确定FAP使用频谱资源数的下界值,保证FAP间资源分配的公平性;然后提出灵活的准则用于资源分配。仿真结果表明,本文提出的公平算法不仅提高了用户平均吞吐量和小区边缘用户吞吐量,同时也确保了资源分配的公平性。     

基于认知OFDM系统的功率分配算法

在正交频分复用的认知无线电系统中,授权用户会受到认知用户频带内子载波带外功率泄漏的干扰。针对这一问题,提出了一种基于幂函数分布的次优化功率分配方案,通过线性约束的凸优化数值运算,有效降低了最优方案中运算的复杂度。给出了在认知用户发射功率约束条件下的信道吞吐量分析。仿真结果表明,所提出的方案在满足授权用户干扰门限约束条件下,提高了现有功率分配方案的认知用户信道吞吐量。     

一种基于认知频谱共享的资源分配算法

认知MIMO系统存在着两种接入机制:一是认知用户(CR)侦测主用户(PR)上的频谱空洞并伺机接入的机会频谱接入(OSA)机制;二是频谱共享(SS)机制,即只要选取合适的约束条件,将CR传输对PR通信造成的影响控制在一定范围内,那么就可以允许主从用户同时在授权频段上进行传输。本论文重点对后者展开研究,利用瑞利衰落信道的统计特性,在PR均值干扰功率(AIP)约束和CR发送功率约束下,求解实现CR遍历容量最大化的认知MIMO系统资源分配方案。与传统的利用PR峰值干扰功率约束(PIP)的方案相比,这种方法不仅可以消除感知时间不确定度的影响,易于工程实践的应用,而且通过仿真证明了它还能够同时提高PR和CR系统的遍历容量,使系统获得更好的性能。     

认知异构网络中基于不完全频谱感知的资源分配算法

针对认知异构网络中的干扰抑制问题,文中研究了如何降低其对宏用户(MU)的干扰并提高系统吞吐量。通过全面分析干扰来源,建立不完全频谱感知下的干扰模型;结合用户拓扑信息,综合考虑总功率约束和干扰约束,以最大化下行链路的吞吐量为准则构建优化问题;然后分析KKT条件,简化优化问题,进而设计出基于不完全频谱感知的分步式资源分配算法。仿真结果及性能分析表明,相比于基于完全频谱感知的资源分配算法,所提算法对MU造成的干扰更小,并且获得了更优的吞吐量性能。     

认知OFDM无线电系统基于公平度门限的资源分配

根据认知无线电的特点和正交频分复用(OFDM)的传输特性,提出了一种针对认知OFDM无线电系统的自适应资源分配算法。在传统的子载波分配过程中,具有优先权的用户将优先选择载波,但信道增益最大的载波并不一定会被其使用,这将导致载波利用效率下降。针对这一问题,该算法在载波分配过程中,通过公平度门限来决定载波分配的优先级,从而实现容量和公平度的折中。同时,在子载波和功率分配中使次用户对主用户的干扰功率限制在主用户可容忍的干扰极限内,保证了每个用户的通信要求。仿真结果表明,该算法在满足公平性的同时还提升了系统的容量。     

基于改进PSO_GA联合算法的电力线多用户通信资源分配

针对电力线信道在传输速率受限、子载波单用户独享和兼顾用户公平性的约束条件下,以余量自适应(MA)为准则,提出一种基于粒子群优化遗传(PSO_GA)联合算法的多用户自适应OFDM系统子载波和比特分配。在此联合算法中利用改进PSO算法中更新粒子速度和位置的思路来重构GA算法中的交叉、变异操作,可克服PSO算法早熟收敛、GA收敛速度慢等问题,能够提高联合算法对全局最优解的搜索能力及收敛速度。在典型电力线衰落信道下的实验结果表明,相比于已有的资源分配算法,基于所提联合算法的系统资源分配方案随着用户数增多,其收敛速度明显加快,且系统所需发射总功率最小,有效地提高了系统通信性能,从而充分证实了所提联合算法的有效性。     

认知无线电中基于协同中继的网络性能优化

针对认知无线电和协同通信这两种技术的结合,在认知无线电中设计联合解码转发JDF方案,在保证主要网络链接的服务质量(QoS)的前提下,无论在峰值干扰约束还是均值干扰约束的情况下,都能得到最优解,使认知无线电用户的传输速率最大化;通过仿真分析可以得出:在认知无线电网络中,使用优化后的发射功率和恰当的协同中继进行传输能提高系统性能,优于直接传输和单独的协同传输.     

基于OFDM的多用户认知无线电系统的基于效用函数的跨层资源优化分配

提出了一个基于OFDM的多用户认知无线电系统的基于效用函数的跨层资源优化分配算法,该算法不仅能控制认知用户因为频谱泄露导致的对主用户的干扰,而且能够在多个认知子用户间平衡资源分配中的资源使用效率和公平性的问题。仿真结果显示,提出的算法就平均吞吐量或平均效用与现有的最具代表性的两种典型算法相比有更好的性能,同时认知子用户也获得了公平性的资源分配。     

认知无线网络中基于凸优化的功率分配研究

主要研究认知无线网络中基于OFDM（orthogonal frequency dinsion multiplexing）的功率分配问题。为将认知用户(secondary user,SU)对主用户(primary user,PU)的干扰功率限制在主用户可容忍的范围内,同时最大化认知用户的传输速率,提出了基于凸优化理论的功率分配方案。仿真结果表明,在主用户可容忍的干扰极限和认知用户总功率约束下,该方案能最大化认知用户的传输速率。     

Power allocation for OFDM-based cognitive heterogeneous networks

In this paper,the capacity maximization and the spectrum utilization efficiency improvement are investigated for the Pico cells in broadband heterogeneous networks.In frequency-reuse model,the users attached to Macro base station are usually viewed as primary users,and those attached to Pico base station should be regarded as cognitive radio(CR) users.As both the primary users and the CR users communicate in parallel frequency bands,the performance of the system is limited by the mutual inter-carrier interference(ICI).In order to control ICI and maximize the achievable transmission rate of the CR users,an effective power allocation scheme is proposed to maximize the transmission rate of the CR users under a given interference threshold prescribed by the primary users.By transforming this suboptimal solution into an innovative matrix expression,the algorithm is easier to perform in practice.The simulation results demonstrate that the proposed algorithm provides a large performance gain in Pico cell capacity over the non-cooperative and equal power allocation schemes.     

认知无线电中基于比例公平的资源分配方案

在基于OFDM的认知无线电网络中,认知用户采用放大转发（Amplify-and-Forward,AF）协作模式进行数据传输。提出了功率和子载波分配及配对的优化算法,认知用户在子载波上的总发射功率是有限的,同时对授权用户造成的干扰必须低于门限值。采用拉格朗日对偶分解法和次梯度法对功率分配算法进行求解,并对子载波分配及配对算法进行了推导。仿真结果表明,与最大化总速率（maximize-total）公平性和最大化最小速率（maximize-worst）公平性相比,比例公平性（maximize-pro-fair）是一个能够使效率与公平性更加均衡的标准;在低信噪比时,就提高系统传输效率以及资源分配公平度指标而言,该算法依然优于其他三种分配方案。     

Resource allocation for MIMO-OFDMA downlink based cognitive radio systems with imperfect channel learning

This paper is concerned with the resource allocation for multiple input multiple output and orthogo- nal frequency division multiplexing access （MIMO-OFDMA） downlink cognitive radio systems where a cognitive radio MIMO-OFDMA system is under spectrum sharing with an existing primary radio （PR） network. We use the channel learning scheme to estimate the channel information from cognitive radio transmitter （CR-TX） to PR and then make beamforming to transmit signal. Considering the interference from CR-TX to PR caused by the imperfect channel learning, we intend to maximize CR throughput under the interference power constraint at PR and CR transmit power constraint. A nearly optimal subcarrier and power allocation algorithm with linear complexity is proposed. The proposed algorithm is global optimal when the maximum transmit power is beyond certain threshold. Simulation results show that the proposed algorithm has a good performance very close to the global optimal algorithm.     

基于二进制烟花优化算法的认知无线网络频谱分配

针对当前无线频谱资源稀缺和利用率低的问题,提出一种基于二进制烟花优化算法的频谱分配方法。每个烟花个体进行分布式爆炸搜索,并对最优烟花的爆炸半径采用改进公式动态更新;在变异环节中,针对粒子间信息交流不足的缺点,引入遗传算法的交叉变异算子,进一步增强种群多样性;对选出的最优个体使用Metropolis准则进行模拟退火扰动,避免陷入局部最优。仿真实验表明,二进制烟花优化算法在认知无线网络的频谱分配中具有寻优精度高、收敛速度快的特点,较好地实现了网络效益和用户比例公平性的最大化。     

混沌拟态物理优化的认知频谱差异分配

针对认知无线电网络的频谱分配问题,提出了一种考虑频谱可用率的分配模型,并在约束处理时,将可用率更高的频谱分配给认知用户;基于频谱分配问题的NP(非确定性多项式)特性,进而提出了一种基于混沌拟态物理优化的智能算法。使用混沌的遍历性初始化种群,改进了微粒的作用力方程,避免算法陷入局部最优。仿真实验结果表明:该算法能获得更高的网络收益,提高了频谱使用效率。     

认知无线电网络中基于需求的频谱资源分配算法研究

认知无线电网络中,已有的分配算法未考虑用户的需求,这样会导致需求小的用户分配到更多的资源。为解决上述问题,提出基于需求以及联合比例公平两种频谱分配算法,这两种算法均将用户需求作为频谱分配时需要考虑的因素。仿真结果表明,基于需求以及联合比例公平算法比原算法更能满足各用户的需求。