LTE系统自适应软频率复用技术研究

提高小区边缘用户性能是蜂窝移动通信系统的经典难题.下一代蜂窝移动通信系统3GPP LTE通过有效的小区间干扰协调以及频率资源分配来改善小区边缘用户性能.提出一种自适应软频率复用算法,根据系统负载情况自适应地为各小区分配主、副载波及其发射功率,在实现系统吞吐量优化的同时保证小区中心和边缘区域速率需求.算法首先通过穷尽搜索和贪婪递减策略,获得单小区最优资源分配,然后在不同小区间迭代执行单小区算法直到系统吞吐量不变为止.仿真结果表明,算法通过多次迭代后,系统吞吐量保持不变并输出一种优化的资源分配方案.与同类频率分配算法相比,可以有效提升小区边缘用户的吞吐量,同时获得更高的系统容量,更适用于高速率的LTE系统.     

中继蜂窝系统联合调度的公平性优化

针对中继蜂窝系统,提出一种联合调度的公平性优化模型.在分析中继网络小区用户通信方式的基础上,从边缘用户调度的公平性角度考虑充分发挥不同调度算法的优势,对基站采用最大载干比调度算法,中继器节点运用比例公平的联合调度算法对小区频率资源进行合理分配,提高边缘用户信号质量和小区的容量及覆盖率.仿真结果表明,联合调度算法的边缘用户性能优于传统调度算法,系统吞吐量提高20％.     

LTE-A系统中基于CoMP的下行跨层功率分配优化方法

为了降低长期演进技术增强(long term evolution-advanced,LTE-A)网络中资源分配时的功率消耗,提高小区边缘用户频谱利用率,提升系统吞吐量,提出了LTE-A网络中基于下行协作多点传输(coordinated multi-point transmission/reception,CoMP)技术的跨层功率分配优化方法。该方法在传统功率分配方法的基础上引入了联合处理(joint processing/transmission,JP)技术,并对其进行了分析;接着将无线链路控制(radio link control,RLC)层的用户队列状态信息情况考虑到物理层的功率分配算法模块中,建立了新的跨层功率分配方案,并且使用了遗传算法对该方案进行求解;仿真结果表明和传统的几种方法比较起来,有效提高了小区平均频谱效率和边缘频谱效率,减少了功率浪费。     

异构无线网络中基于非正交多址的可伸缩视频多播机制

文中提出了异构无线网络下基于非正交多址的可伸缩视频多播的资源管理框架.该框架综合考虑了不同基站间的频谱切分、切片内多播组之间的频谱分配和多播组内的发射功率分配,目的是最大化多播组所有用户设备的整体视频质量.考虑到每个多播组请求视频的不同、不同的用户设备位置和小基站间的干扰,将联合资源管理问题转化为一个整数线性规划问题,并将该优化问题解耦为多播组内发射功率划分问题和基站间频谱切分与基站内多组频谱资源分配问题.前者通过多重循环求得了叠加编码每一层所需的最优发射功率,后者通过背包算法得到了最优的解.仿真结果表明,所提方案在频谱利用率和用户设备平均视频质量方面优于现有方案.     

基于改进HSARSA(λ)算法的功率控制研究

在MBS-PBS两层异构网络中,微微基站采用小区范围扩展技术对网络进行负载均衡时,pico小区边缘用户的通信受到MBS基站较大干扰。为此,提出一种基于启发函数的改进HSARSA(λ)算法。采用缩减功率的RP-ABS子帧技术,在保证宏基站自身通信性能的同时减小MBS基站对pico边缘用户的干扰,并运用基于启发函数的改进HSARSA(λ)算法与环境进行交互,以配置RP-ABS子帧密度与功率大小,达到干扰协调的目的。仿真结果表明,改进HSARSA算法与原始SARSA和Q-Learning等算法相比,pico边缘用户吞吐量分别提升12%和40%,系统用户吞吐量分别提升10.3%和20.2%,有效提高了pico边缘用户的通信性能。     

长期演进网络中基于粒子群的天线下倾角自优化方法

针对第三代合作伙伴项目（3GPP）中自组织网络（SON）的覆盖与容量自优化问题,提出了一种基于粒子群优化（PSO）算法的有源天线下倾角优化方法。首先,确定基站（eNB）中传输数据的用户设备（UE）数,用户测量上报邻小区参考信号接收功率（RSRP）信息和位置信息;然后,确定优化目标预设适应度评价函数为频谱效率（SE）;其次,将下倾角同时优化问题看作是多维优化问题,选择天线下倾角为粒子集合,使用PSO算法求解得到天线下倾角的最优值;最后,通过系统自主调整优化下倾角,实现长期演进（LTE）网络中容量及覆盖的自优化。通过建模及仿真结果分析,此算法在优化目标不同时可以取得不同的优化效果：优化目标为用户平均频谱效率时,采用传统黄金分割优化算法频谱效率较初始设定提升12.9%,采用PSO算法可提升22.5%;调整优化目标为用户加权平均频谱效率时,对边缘用户,传统黄金分割优化算法并无明显提升,PSO算法取得了19.3%的优化提升。实验结果表明,该方法可提升用户吞吐量,改善系统性能。     

超密集网络中基于Stackelberg博弈的非统一定价功率控制

针对超密集网小区同频部署中产生的区间干扰问题,提出基于Stackelberg博弈的非统一定价功率控制方案。首先,建立基于Stackelberg博弈的非统一定价功率控制模型,并通过该模型求解出基于价格的最优发射功率,此发射功率是关于干扰价格的函数;接着通过引入拉格朗日函数求解出相应基站的最优干扰价格,由控制器把干扰价格发送给相应的基站,并由基站调整自己的发射功率值去减弱对当前用户的干扰。仿真结果表明,与基于Stackelberg博弈的统一定价功率控制方案相比,所提方案在系统平均中断概率上平均下降了3个百分点。与基于基站权重的功率控制方案相比,在基站数量低于105时,所提方案在平均中断概率平均上上升了1.4个百分点;而当基站数超过105时,所提方案在平均中断概率上平均下降了1.6个百分点。此外,与这两个方案相比,所提方案在系统平均吞吐量上分别提升了12个百分点和10.5个百分点;在系统平均频谱效率上分别提升了9个百分点和8.5个百分点;在系统平均功率效率上分别提升了13个百分点和12个百分点。实验结果表明所提方案能够在部署更多基站情况下更好地提高蜂窝系统的性能。     

蜂窝网络中基于双层博弈的吞吐量最大化研究

如何提升系统的吞吐量是蜂窝网络中研究的热点。利用设备到设备通信(D2D)技术为蜂窝边缘用户设备提供中继支持，进而提升系统的吞吐量。描述一种中继节点选择和频谱分配的联合问题，帮助蜂窝边缘用户设备寻找合适的中继节点，并为D2D链路分配频谱，在满足D2D和传统蜂窝用户设备干扰约束的条件下使系统吞吐量最大化。为此，提出一种基于双层博弈模型的分布式算法，对上述问题进行求解。该博弈模型分为内层和外层；内层通过Stackelberg博弈理论为蜂窝边缘用户设备选择中继节点，并将其作为主节点，蜂窝边缘用户设备作为从节点；外层采用联合博弈理论为蜂窝边缘用户设备及其中继节点间的链路分配合适的频谱。仿真结果表明本文算法在能耗、吞吐量等方面的性能要优于其他典型算法。     

LTE-A上行链路联合功率控制方案*

LTE-A上行功率控制技术在补偿用户小区内路径损耗和降低小区间干扰方面发挥很大的作用。针对PUSCH（Physical Uplink Shared Channel,物理上行共享信道）功率控制方案进行了研究,考虑到边缘用户功率过小出现的解错问题,提出一种改进的开环和闭环联合控制的功率控制方案。闭环功率控制方案中,对基于上报的功率余量处理方案进行改进,改进方案考虑了每个资源块功率余量,并合理的设置了目标信干噪比的取值范围;同时,对开环功率控制中两个开环参数部分路损补偿因子和小区特定参数选取做了进一步的规范。实验结果表明,改进的方案在小区吞吐量方面性能更优。     

5G超密异构网络中联合虚拟波束形成的小区选择算法

随着移动通信技术的发展,移动用户设备呈爆炸性增长趋势,使异构网中小区密集,造成小区间严重干扰,严重影响系统吞吐量.基于5G超密异构网络结构,研究了以用户为中心,基于动态小区选择与联合优化,提出了联合虚拟波束形成的小区选择算法.仿真结果表明:该算法协调了小区间干扰和频谱效率的矛盾,提高了边缘用户的性能和小区的平均吞吐量.     

认知无线电网络一种自适应切换机制的Markov建模分析

为了提高认知无线电网络(CRN)的利用率和吞吐量性能,提出了一种新的主用户优先的自适应频谱切换机制。强调主用户的优先地位,并考虑主用户到达率对次用户的通信影响和限制次用户对主用户的干扰功率,次用户以此自适应地决定执行主动切换机制或被动切换机制。在此自适应切换机制下建立了主次用户之间的Markov链,求出了相应的稳态概率,由稳态概率和不同状态下的吞吐量推导出系统吞吐量和信道利用率的解析表达式。又对次用户之间的通信建立了一个Markov链,推导出次用户之间传递控制信息的时间。数值结果表明提出的新的自适应切换机制比基于CSMA的接入方法具有更高的系统吞吐量和信道利用率,并且可以求出次用户之间的传递时间。     

基于图着色理论的全双工D2D分簇资源分配方案

全双工通信允许用户同时同频收发信号,将其应用在D2D(Device-to-Device,D2D)通信中虽然可以提高系统吞吐量,但是也带来了更加复杂的干扰关系。为了降低干扰,提升系统吞吐量,本文提出了以簇为单位的资源分配方案。该方案先引入图着色理论为全双工D2D用户进行合理的分簇,然后采用匈牙利算法进行链路资源的分配,从而优化蜂窝系统的性能。仿真结果表明,该方案在提高频谱利用率的同时提升了整个蜂窝网络的系统容量。     

下行链路NOMA用户分组和功率分配算法

对下行链路中非正交多址接入(Non-Orthogonal Multiple Access,NOMA)系统用户匹配和子带功率分配两个问题进行研究。提出优化分组方案,结合用户质量及子带吞吐量进行用户匹配,从而保证系统性能显著提升;提出基于比例公平的优化边缘用户质量因子的功率分配方案,在保证用户服务质量(Quality of Service,QoS)基础上优化边缘用户的传输性能,并利用Karush-Kuhn-Tucker(KKT)条件进行求解。仿真结果表明,系统吞吐量比传统的正交多址接入(Orthogonal Multiple Access,OMA)系统有明显提升。     

认知无线电中基于QoS分级的频谱分配策略

为提高认知无线电中的系统吞吐量,保证频谱分配的公平性,提出一种基于服务质量(QoS)分级的频谱分配策略。建立模糊综合判决模型,根据认知用户的业务类型判别其QoS级别,应用CMSB信道分配算法进行频谱分配。仿真实验结果表明,该频谱分配策略能在满足认知用户QoS需求的同时,保证较高的系统吞吐量和接入公平性。     

LTE-A系统载波聚合情况下改进的PF算法*

为提高边缘用户的吞吐量和用户间的公平性,提出了边缘用户优先比例公平算法。算法思想是让某些成分载波上的RBs以概率a分配给边缘用户,以概率1-a分配给中心用户,分配后再使用传统的比例公平算法进行调度;而其他成分载波上的RBs直接使用传统的比例公平算法进行调度。仿真表明,该算法可以较好地提高边缘用户的吞吐量和用户间的公平性,并且可以通过控制a的大小来调节边缘用户吞吐量和用户间的公平性。     

基于公平性的D2D时隙调度算法

针对设备到设备（D2D）通信资源分配中的时隙调度时延以及信道增益变化导致吞吐率下降的问题,提出了一种公平性时隙调度（FTDS）算法。首先,基于频谱复用模式建立系统模型,并归纳为一组合优化问题;然后,在模型的次优求解中,FTDS算法将调度周期划分为多个等长的时隙,根据优先级策略将D2D用户分配至不同时隙调度,从而适应D2D用户多于蜂窝用户的应用场景;同时,为了权衡服务质量（QoS）与系统吞吐率的关系,构造一满足性权值与传输速率相互制约,共同决定用户调度优先级。仿真实验中,FTDS算法相比TDS、RANDOM算法,吞吐率平均增幅分别达到11.09%和40.64%,且FTDS算法下D2D用户被调度频次累积分布更为集中;同时,相比TDS算法调度时延最大降低31.22%。仿真实验表明,FTDS算法拥有更优的吞吐率性能、更公平的调度机制、更小的调度时延。     

基于启发式强化学习的动态CRE偏置选择算法

随着通信用户数量的不断增长,低功率基站逐渐出现负载不均衡问题,小区边缘用户受到的干扰逐步增加,从而导致整个小区的通信质量降低。为解决该问题,针对双层异构网络场景,提出一种基于启发函数进行小区范围扩展(CRE)偏置值动态选择的HSARSA(λ)算法。利用启发函数改进强化学习中的SARSA(λ)算法,通过该算法寻找出最优CRE偏置值,以缓解宏基站高热点负载压力并提高网络容量。仿真结果表明,相比SARSA(λ)和Q-Learning算法,HSARSA(λ)算法的边缘用户吞吐量分别提高约7%和12%,系统能效分别提高约11%与13%,系统通信质量得到较大提升。     

基于干扰抑制的上行多基站协作能效算法

针对上行链路多基站协作通信系统中联合处理功耗过高的问题,提出了一种基于小区间干扰抑制的上行多基站协作能效算法(ICIR-UMBCEEA)。首先,通过解码参考信号(DMRS)序列得到等效噪声和协作多点(CoMP)估计信道,推导出CoMP信道的干扰抑制合并(IRC)滤波矩阵;其次,建立等效干扰模型,利用IRC滤波矩阵得到了小区间平均干扰;最后,计算出各小区用户对非CoMP集合小区的干扰程度,针对强干扰用户作出联合处理。理论分析和链路仿真表明,与上行协作多基站最优注水功率控制算法(UMBCA-OWFC)相比,ICIR-UMBCEEA的用户归一化平均干扰在中心用户和边缘用户处的下降幅度分别为19.2%和24.5%;而ICIR-UMBCEEA的能量利用效率在中心用户和边缘用户处分别提高了25.48%和18.03%;ICIR-UMBCEEA所消耗的能量更小,其中心用户的吞吐量更高,而边缘用户的吞吐量则与UMBCA-OWFC相差不大。实验结果表明,ICIR-UMBCEEA在实际工程中能够有效提高系统的能量效率。     

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.     

基于NOMA系统的用户分组和功率分配策略

针对非正交多址接入（NOMA）系统的最优用户分组和功率分配方案的高复杂度问题,提出一种改进的用户分组和功率分配策略。首先,对用户进行分组,由信道增益值确定每个子信道的第一个用户,再由贪婪匹配方法分配剩余用户;然后,对用户的功率进行分配,将该功率分配问题分成子信道间和子信道内两部分,对于子信道间采用线性注水算法分配功率,对于子信道内则采用所提的迭代功率分配算法分配功率;最后,构造拉格朗日函数以实现在最大发射功率以及保证每个用户最低数据速率的约束下系统吞吐量的最大化。仿真结果表明,在多用户的情况下,与线性注水的分数阶功率分配（LWF-FTPA）算法和等分数阶功率分配（EQ-FTPA）算法相比,系统吞吐量分别提高了8%和20%,所提策略优于传统算法。