D2D通信蜂窝网络中的比例公平与加权和速率最大化

针对终端直通（D2D）通信系统中用户的公平性问题,首先对现有的比例公平原则进行扩展,推导出一个与加权和速率有关的优化问题,然后提出了一个最大带权匹配比例公平（KMPF）资源分配算法对其进行优化。该算法通过功率控制最大化用户的加权和速率,并由最大带权匹配（KM）算法按照系统总的加权和速率最大原则为D2D用户分配可以复用的蜂窝用户资源。最后由仿真结果可得,该算法在使得系统公平指数相对于贪婪资源分配算法高出0.4的同时保证系统吞吐量达到其水平的95%以上,而相对于公平性较好的随机资源分配算法,该方案得到的系统吞吐量提高了约50%,说明该算法能在兼顾系统吞吐量的同时解决系统公平性问题。     

密集异构网络中D2D通信的多对多资源共享

为解决高接入量、高数据速率需求下的频谱资源短缺问题,将D2D通信技术引入蜂窝网络,研究密集异构网络中D2D通信的多对多资源分配与功率控制问题.多对多频谱共享将显著提高频谱效率,但在密集场景下会产生干扰累积问题.针对干扰累积问题,提出基于集合划分的多对多资源共享方案,提高D2D用户接入率以及最大化系统吞吐量;设计基于连续凸逼近的功率优化算法,降低主次用户间的干扰,提高D2D用户的稳定性.将仿真结果与其它算法进行比较,验证了该算法可有效控制干扰,显著提高系统吞吐量和D2D用户接入率.     

基于能效的D2D通信系统的干扰协调与资源优化

针对传统蜂窝用户与D2D通信用户之间的同频干扰问题,本文提出基于能效的D2D通信干扰协调与资源优化方案。该方案采用功率控制与资源分配分步进行的方式进行处理,首先是对于单个D2D用户的功率控制,在蜂窝用户最小速率以及D2D用户和蜂窝用户最大功率的限制条件下,通过优化D2D用户和蜂窝用户的功率使得D2D用户的能效最大,在此阶段,采用基于参数法的Dinkelbach算法来进行用户的功率分配;最后借助Kuhn-Munkres (KM)算法为D2D用户分配蜂窝频谱资源,以使得D2D用户的总能效最大。仿真结果表明,相比于其他方案,在保证蜂窝用户正常通信时,该方案能够进一步提高系统内D2D用户的能量效率,使能效优化效果更明显。     

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。     

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。     

基于改进遗传算法的D2D资源分配策略

针对D2D（Device to device, D2D）通信技术在蜂窝系统中的资源分配与干扰问题,提出一种基于改进遗传算法的D2D资源分配策略。首先,确定保证蜂窝用户和D2D用户通信质量的功率范围,然后提出一种改进的遗传算法来确定D2D的最佳发射功率,最大化系统吞吐量。该算法在保证蜂窝系统服务质量（Quality-of-service, QoS）的同时,让交叉算子和变异算子随进化代数进行自适应变化,从而达到全局最优。仿真结果表明,本文所提算法可有效提升系统吞吐量并提高D2D用户的信道利用率。     

D2D跨小区通信中人工噪声辅助时间反演的安全优化传输方案

针对终端直通（D2D）用户间通信在跨小区环境下被窃听的问题,提出了人工噪声辅助时间反演（TR）的反窃听安全传输方案。首先,在跨小区信道模型下对小区间干扰进行消除;其次,通过基站发送人工噪声辅助TR技术对窃听用户窃取信息能力进行恶化;最后,为了满足蜂窝用户服务质量的需求和系统遍历保密速率最大化,采用凸优化的功率控制分配方案最大化D2D用户发射功率。仿真实验分析说明,与人工噪声方案相比,该方法在信噪比（SNR）一样的情况下提高了0.8 b·s^-1·Hz^-1的可达保密速率,并且随着邻近小区分布数量的增加,所提方案对可达保密速率的提升效果明显。     

D2D通信网络中基于深度强化学习的能效优化

为了解决移动通信网络中频谱资源短缺、链路间干扰严重以及能耗较高等问题,针对设备到设备（Device to Device,D2D）网络提出一种分布式框架的深度强化学习算法,采用双Q和竞争结构解决状态空间过大和Q值高估的问题,通过引入无线携能技术有效地补偿了系统能耗,在蜂窝用户最低和速率要求以及D2D用户功率分流比等非线性约束条件下,基于变化的位置和信道状态信息,同步分配资源块、D2D用户发射功率和功率分流比,实现能效最优化。仿真结果表明,在保证蜂窝用户和速率的前提下,所提方案在D2D总能效方面优于基线算法,在具有大规模移动用户的通信网络中鲁棒性更强。     

一种基于价格竞争的D2D通信资源分配算法

针对蜂窝用户与D2D用户所构成的混合网络系统中同频干扰问题,提出一种基于价格竞争的D2D通信资源分配算法.该算法不仅考虑利用基站定价来减小对蜂窝系统的干扰,而且联合基站端的干扰容限对干扰功率进行约束.首先将问题公式化制定非合作博弈过程,利用效用函数模型分析D2D用户的利润和对蜂窝基站的干扰,从而调整发射功率最大化系统整体收益;然后通过通信的D2D用户来更新干扰继而更新复用价格;最后采用注水算法利用拉格朗日条件来优化价格.仿真表明,该算法不仅可以简单地控制干扰功率,而且还有效地提高了系统吞吐量.     

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。     

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.     

基于烟花算法的D2D资源分配方案

D2D（Device-to-Device）通信通过复用蜂窝用户的频谱资源来提升系统频谱资源的利用率，并提高系统吞吐量，但同时也为系统带来了严重的同频干扰。为了应对复杂的干扰问题，并在保证资源分配公平性的情况下尽可能提高系统吞吐量，提出一种基于烟花算法的D2D资源分配方案，以最大化系统的加权和速率为目标，将资源分配矩阵抽象为烟花，通过爆炸、变异、选择等过程求出最终的匹配矩阵。仿真结果表明，所提方案能够有效提高系统的吞吐量和资源分配的公平性。     

无人机辅助MEC系统中面向用户公平性的三维部署和卸载优化

针对无人机辅助移动边缘计算系统存在的用户公平性不足问题, 本文提出了一种面向用户公平性的三维部署和卸载优化算法. 该算法综合考虑用户匹配、无人机三维部署、计算资源分配、卸载因子对系统总时延及用户公平性的影响, 建立了一个最小化系统总时延的多元优化问题, 并针对该问题提出了一种两阶段联合优化算法, 其中第1阶段使用带有平衡约束的聚类算法解决用户匹配和无人机的水平部署问题, 第2阶段使用凸优化算法迭代求解无人机高度部署, 资源分配和卸载因子优化问题. 实验结果表明, 与4种基准算法相比, 所提算法在系统总时延和用户公平性两方面具有更好的性能.     

基于多对一Gale-Shapley算法的D2D通信资源分配

针对D2D通信复用异构蜂窝网络上行信道产生的干扰问题和频谱资源优化问题进行研究,提出一种基于多对一Gale-Shapley算法的D2D通信资源分配方案。本方案允许多个D2D用户共享一个蜂窝用户信道资源,通过设置信干噪比（SINR）门限保证用户的通信服务质量（QOS）。根据信道分配情况,构建D2D用户和信道的偏好列表,最大化系统总容量。仿真结果表明,该方案收敛较快,复杂度较低,能够有效保证用户的通信服务质量,系统总容量接近最优解。本研究为实现D2D用户和蜂窝用户的频谱资源共享,提高频谱利用率提供了一种有效方案。     

移动边缘计算中的无人机三维部署和内容缓存优化方法

随着无线网络中的移动数据流量爆炸式增长,支持高速缓存的无人机被应用于移动计算领域充当边缘服务器,为网络中的用户提供按需服务。为了在满足其他资源约束的条件下,给用户带来更好的体验,通过联合优化无人机部署、缓存放置和用户关联以实现最小化所有用户的内容访问时延,并为用户提供质量不同的内容缓存服务。针对多无人机和地面基站协同提供缓存服务的场景,提出了一种基于迭代优化的联合优化算法。该算法通过迭代求解由目标问题分解得到的三个子问题的方式来获得具有收敛性保证的次优解决方案。首先,采用基于连续凸近似的算法求解无人机部署子问题;其次,采用基于贪心的算法求解内容缓存子问题;然后,利用基于罚函数的连续凸近似算法求解用户关联子问题;最后,对上述过程重复迭代,得到目标问题的一个次优解。多次仿真实验验证了所提算法的有效性和可行性。仿真结果表明,与基准算法相比,所提联合优化算法在平均内容访问时延、缓存命中率两方面均具有更好的性能。     

基于QoS的D2D能效优化

为解决基站数十亿通信设备的通信能耗和D2D通信过程中复用频谱资源对蜂窝用户造成的干扰问题,建立一种优化模型系统,解决用户通信服务质量(quality of service,QoS)和系统能效的权衡问题。针对优化问题中遇到的NP难题,提出一种启发式资源分配算法1-search,降低用户搜索范围以及匹配用户的搜索时间;利用松弛的方法忽略次要干扰的影响,降低算法复杂度。仿真结果表明,1-search算法可以提高系统能效,具有较好的收敛性。     

OFDMA中继系统下行链路公平资源分配算法研究*

为了公平有效地在OFDMA中继系统下行链路进行资源分配,提出了基于效用函数的资源分配算法,并根据凸优化问题的原始分解理论,提出了相应的分布式求解算法,得到了相关问题的全局最优解。理论分析和数值仿真结果表明,提出的资源分配算法具有较低的系统复杂度,可以使系统效用函数最大,从而在保证用户公平性的前提下,使系统的和速率容量最大。