密集家庭基站网络中基于分簇的资源分配方案

针对家庭基站密集部署情况下的下行干扰问题,提出一种基于分簇的资源分配方案。首先,采用部分频率复用（FFR）技术将网络中所有小区划分成不同的空间,既能抑制宏基站之间的同层干扰,又能降低边缘区域宏基站与家庭基站间的跨层干扰;然后,结合图论的知识及凸优化理论对家庭基站进行分簇,并采用基于用户速率公平的信道分配算法对家庭基站进行子信道分配,抑制家庭基站间的同层干扰;最后,采用分布式功率控制算法对家庭基站功率进行动态调整,进一步提升系统的性能。仿真结果表明：相比传统未分组算法,所提算法的信干噪比（SINR）和吞吐量有明显提高,其中,系统吞吐量低于4 Mb/s的概率降低为30%;同时,与未分组算法相比,所提算法公平性提高了12%,使用户获得更高的满意度。     

A Stackelberg game-based spectrum allocation scheme in macro/femtocell hierarchical networks

Femtocells widely deployed in a macrocell form hierarchical cell networks, which can improve indoor coverage and network capacity, and have been regarded as one of the most promising approaches. However owing to the absence of coordination between the macro and femtocells, and among femtocells, decentralized spectrum allocation between macro and femtocell users become technically challenging. In this paper, a dynamic spectrum allocation scheme based on Stackelberg game is proposed, in which macrocell base stations as leaders and femtocell base stations as followers are players, and the same spectrum is the resource that players will choose assigning to users for minimizing the affected interference among each other. The Stackelberg equilibrium is defined and proved to be existed, which is also the optimal spectrum allocation manner. Simulations were conducted to study the impact of femtocells on the macrocells regarding throughput, outage probability and spectrum efficiency. And the comparison results show that the proposed scheme might be a solution for efficiently allocating the spectrum in hierarchical cell networks, as the improvement in terms of throughput, outage probability and spectrum efficiency had been achieved.     

宏-飞蜂窝双层网络中基于毫微微基站分组的资源分配

针对宏-飞蜂窝双层网络模型中宏小区（Macrocell）用户层和毫微微小区（Femtocell）用户层之间的跨层干扰和Femtocell之间的同层干扰,提出了一种基于毫微微基站分组的资源分配算法。该算法包括两个部分：一部分是宏基站先利用改进的差额法,设置虚拟的宏用户（MUE）,将之变为平衡的指派问题再为宏小区用户分配信道,然后用注水算法分配功率,保证宏小区用户的正常传输。另一部分是在保证宏小区用户的服务质量基础上,采用一种增强型的蚁群优化（EACO）算法,设定信息素浓度范围后对毫微微小区进行分组,避免了原始的蚁群算法有可能陷入局部最优的现象;再利用一种启发式算法和分布式功率分配算法分别对毫微微用户（FUE）进行信道和功率分配,在满足毫微微小区用户的数据速率需求下,最大化频谱效率。仿真结果表明,EACO有效地抑制了跨层干扰和同层干扰,既能保证用户的数据速率需求,又能有效提升网络频谱效率。     

LTE中femtocell的联合信道与功率控制算法

随着LTE中家庭基站的密集部署,会使家庭基站间产生严重的同层干扰,与此同时也会对边缘宏用户产生严重的跨层干扰。针对这两种下行干扰,提出了一种基于图论的信道分配和基于路损的功率控制算法相结合的方案。首先基于图论的知识构建干扰图,通过干扰图进行信道分配,有干扰的小区采用相互正交的信道,降低家庭小区间的同层干扰。然后在保证宏用户和家庭用户QoS的条件下,根据设定的信干噪比(SINR)门限值,设置femtocell干扰标志,并根据信道质量(CQI)设置干扰级别,通过干扰级别进行对应的功率控制,最终达到消除家庭小区对宏用户跨层干扰的目的。仿真结果表明,该算法很好的提高了用户的SINR和吞吐量,同时保证了家庭用户和宏用户的QoS。     

基于图着色的大规模MIMO系统中动态导频分配

针对大规模多输入多输出（MIMO）系统中存在的导频污染问题,提出一种基于图着色的动态导频分配方案。为了更加合理地分配导频、减小导频污染,首先,利用小区间协作,将不同小区的用户通过带权值的边相连来构建边权值干扰图,以此来描述多小区用户间的导频污染程度;然后,在传统的图着色理论基础上,利用相连用户边权值不同的特点,优先为受导频污染严重的用户分配导频资源。理论分析和仿真结果表明,所提的导频分配方案不同于现有的分布式导频分配方案,在考虑所有小区导频复用的情况下,基于图着色集中式地分配导频,能够减小小区间用户的干扰,提升大规模MIMO系统的上行可达和速率。     

基于博弈论的大规模MIMO系统中导频分配方法

针对大规模MIMO系统中存在的导频污染问题,提出将博弈论应用于导频分配的方案。该方案构造了基于最小化系统干扰的博弈效用函数,此函数考虑了小区中用户经受的干扰和对其邻近小区用户造成的干扰。同时,设计了该博弈的潜在函数并证明该博弈过程是一个潜在博弈模型。仿真结果表明,在考虑所有小区导频复用的情况下,相比于传统的随机导频分配方案,所提方案可以明显地降低系统内的干扰,且性能与最优导频分配性能近似。     

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。     

认知无线网络的Rubinstein博弈频谱共享方法研究

针对传统的功率控制算法限制认知用户的发射功率而影响其服务质量(Quality of Service, QoS)的问题,提出了一种基于功率控制的多人Rubinstein博弈频谱分配算法。该算法通过牛顿迭代公式降低认知用户的发射功率并依据各个用户间的干扰得到相应的链路质量;将经济学中的贴现因子与用户的链路质量建立映射关系;通过链路质量调整认知用户子博弈顺序使得网络总传输速率达到一个相对稳定的状态。仿真结果表明:多个认知用户在同一信道下共享频谱时,采用多人Rubinstein博弈算法对系统的总传输速率有明显的提升,使系统处于稳定且高速的传输状态并节省了一半以上的频谱分配时间。     

异构网络中基于用户划分的资源分配与功率控制方案

部署异构网络是提高移动通信系统容量至关重要的举措。然而宏基站的高发射功率会使得微蜂窝边缘用户受到严重的干扰;同时,微蜂窝周围的宏蜂窝用户由于靠近微基站将同样受到其所造成的干扰,因此这些用户应该受到保护。通过研究异构网络下行传输中的资源分配与功率控制策略,提出了一种基于用户划分的资源分配与功率控制方案。首先根据用户的信干噪比对用户进行分类,同时为受干扰严重的边缘用户划分保护频带。此外,通过动态地调整每个基站在保护频带上的传输功率,在不过度牺牲系统性能情况下减轻边缘用户的干扰。仿真结果表明,与传统方案相比,该方案能够有效抑制宏蜂窝和微蜂窝边缘用户的干扰并提高整个系统的吞吐量。     

Subcarrier and power allocation for OFDMA-based multicast cellular networks using a coalitional game

The subcarrier and power allocation problem for orthogonal frequency-division multiple access (OFDMA)-based multicast cellular networks is investigated in this paper. Due to the intrinsic heterogeneity of the channel gains experienced by different multicast users, the conventional multicast schemes are highly conservative and spectrally inefficient. To address this issue, a novel multicast formulation is proposed where multiuser diversity inherent in OFDMA can be adaptively exploited by clustering users within a multicast group into smaller subgroups based on their channel gains. Subcarriers and power are then dynamically allocated to these subgroups to maximize the total multicast rate of the system. Coalitional game theory is adopted to model the group formation in which users can autonomously form coalitions with other users to compete for network resources. A low-complexity algorithm is proposed for the multicast coalitional game to reach multicoalitional equilibrium in which a sub-optimal performance can be obtained. Simulation results demonstrate that the proposed scheme outperforms the conventional unicast and multicast schemes while achieving a sub-optimal performance comparable to the exhaustive search scheme.     

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。     

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。     

异构蜂窝网络中联合功率控制的终端直通通信资源分配

针对异构蜂窝网络中终端直通（D2D）用户和小蜂窝用户复用宏蜂窝用户资源产生的干扰问题,提出一种联合功率控制的资源分配方案。首先,在满足用户信号干扰噪声比（SINR）和发射功率约束条件的前提下,根据系统干扰模型推导出每个D2D用户和小蜂窝用户复用宏蜂窝用户信道资源时的最优发射功率;其次,将用户的信道选择规划成用户和信道之间的双边匹配问题,采用延迟接受（Gale-Shapley）算法得到一个稳定的匹配解;最后,以所得的匹配解为初始条件,通过交换搜索算法进一步优化分配方案。仿真结果表明,该方案的系统总容量和能量效率分别是最优解的93.62%和92.14%,与随机资源分配方案、无功率控制和交换搜索的分配方案,以及有功率控制无交换搜索的分配方案相比,系统容量平均增幅分别为48.29%、15.97%和4.8%,系统能量效率平均增幅分别为62.72%、44.48%和4.45%。该方案能够达到近似最优的系统总容量,有效提高频率利用率和能量效率。     

LTE中femtocell的下行功率控制算法

3GPP长期演进(LTE)系统中femtocell密集部署时,femtocell之间会存在较强干扰,针对femtocell的下行干扰,提出了一种基于路损的自适应功率控制算法。根据设定的信干噪比(SINR)门限值,给femtocell用户设置调整标志,再通过上行信道发送给femtocell,femtocell根据用户的路损及分配的资源块选择初始调整因子,以控制用户SINR为目的,根据收到的调整标志对发射功率进行自适应调整。仿真结果表明,该算法很好地控制了femtocell用户的SINR,femtocell用户平均吞吐量比无功率控制情况下至少提高了1.7Mb/s。同时表明,femtocell部署越密集,控制效果更加明显。     

异构网络中基于鸽群优化算法的D2D资源分配机制

针对异构蜂窝网络中D2D(device-to-device)通信用户复用蜂窝用户上行信道产生的频谱资源分配优化问题,提出一种基于改进离散鸽群算法(PIO)的D2D通信资源分配机制.通过设置信干噪比(SINR)门限值保证用户的通信服务质量(QoS),使用基于改进地图-指南针算子和认知因子的离散鸽群算法(IMCBPIO)为D2D用户进行资源分配,并采用基于接收SINR的闭环功率控制算法动态调整用户的发送功率,以减少用户与基站以及用户与用户之间存在的干扰.仿真结果表明,所提出方案能够有效抑制异构网络中由于引入D2D用户后导致的干扰,降低通信用户的中断概率,大大提高频谱利用率和系统吞吐量.     

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。     

基于合作博弈的认知卫星网络信道分配与上行功率控制算法

随着通信业务需求的不断增长,频谱资源的有限性使得卫星通信网络和地面网络都面临着严重的频谱危机。认知无线电技术的出现,使得卫星网络与地面网络共用频率资源以提升网络效用成为可能。文中对认知接入分配给地面网络作为主用户的同一频谱资源的认知卫星网络的功率控制和信道分配问题进行了研究。根据卫星网络和地面网络的特性构建了合理的系统模型,并利用中断概率门限表征了信道估计误差对系统容量的影响。为了保护主基站的通信性能,在考虑信道估计误差、信道资源约束、认知卫星用户最大发射功率和微波基站干扰约束的条件下,根据议价博弈理论设计了优化函数。其次,根据凸优化理论推导了最优发射功率和信道分配的闭式解,并在此基础上设计了一种对偶迭代算法来求解该优化问题。最后,根据卫星网络的特性设置了合理的网络参数,并根据参数利用Matlab仿真平台对提出的算法进行了仿真实验。仿真结果表明:所提方法在不同到达速率的条件下均具备良好的收敛性;信道估计误差会降低网络的总容量;所提方法在波束数多于15个时,相比比例公平性算法容量提升超过50 bps/Hz,相比最大容量法公平性能提升超过一倍,因此,相较于这两种方法,该方法能在系统容量和用户间公平性之间获得较好的折中。     

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。     

Femtocell网络的鲁棒议价博弈功率控制

针对具有不完美信道状态信息的Femtocell双层网络，为了保证网络效用最大化、最小服务质量要求及Femtocell用户之间的效用公平，提出了基于议价博弈的鲁棒功率控制方案.在保证宏小区用户正常传输情况下，考虑到Femtocell家庭用户的最小服务质量要求，将Femtocell网络的鲁棒功率控制问题转化为议价博弈功率控制问题.为了保证Femtocell家庭用户之间的公平性，给出了Kalai-Smorodinsky（K-S）议价博弈解，证明了议价博弈解的存在性和唯一性，并提出了一种基于二分查找算法的分布式鲁棒功率控制方案.仿真结果表明，所提出的算法不仅具有较好的收敛性能，而且能够较好地保证用户之间的公平性.     

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。