基于硬件损伤的异构网络鲁棒安全资源分配算法

针对多蜂窝多用户异构网络中收发机处信号畸变、用户信息泄露和传输中断等问题,该文提出一种基于硬件损伤的异构网络鲁棒安全资源分配算法。考虑小蜂窝用户最小安全速率约束、小蜂窝基站最大发射功率约束和宏用户干扰功率约束,建立了基于有界信道不确定性的能效最大化资源分配模型。基于Dinkelbach法、最坏准则法和连续凸近似理论,将原非凸资源分配问题等价转换为凸优化问题,并利用拉格朗日对偶算法得到解析解。仿真结果表明,与现有算法相比,所提算法具有较好的能效和鲁棒性。     

基于智能反射面辅助的无线供电通信网络鲁棒能效最大化算法

为了解决能量收集效率易受到障碍物阻挡和信道不确定性影响的问题,该文提出一种基于智能反射面(IRS)辅助的无线供电通信网络鲁棒能效(EE)最大化算法。首先,考虑最小收集能量、IRS相移、最小吞吐量等约束,基于有界信道不确定性,建立一个联合优化能量波束、相移、传输时间的多变量耦合非线性资源分配模型。然后,利用最坏准则、变量替换和S-Procedure等方法,将原非凸问题转换为确定性凸优化问题,同时,提出一种基于迭代的鲁棒能效最大化算法进行求解。仿真结果表明,与现有算法比较,该文算法具有较好的能效和鲁棒性。     

基于NOMA的无线携能D2D通信鲁棒能效优化算法

针对频谱短缺、基站负荷过高、通信系统功耗较大等问题,考虑不完美的信道状态信息,该文提出一种基于非正交多址接入的无线携能(SWIPT)D2D网络鲁棒能效(EE)最大化资源分配算法(SREA)。考虑用户的服务质量约束以及最大发射功率约束,基于随机信道不确定性建立鲁棒能效最大化资源分配模型。利用Dinkelbach和变量替换方法,将原NP-hard问题转换为确定性的凸优化问题,通过拉格朗日对偶理论求得解析解。仿真结果表明,所提算法在保证蜂窝用户通信质量的同时,能够有效提高D2D用户的能效性和鲁棒性能。     

基于NOMA的无线携能D2D通信鲁棒能效优化算法

针对频谱短缺、基站负荷过高、通信系统功耗较大等问题,考虑不完美的信道状态信息,该文提出一种基于非正交多址接入的无线携能(SWIPT)D2D网络鲁棒能效(EE)最大化资源分配算法(SREA).考虑用户的服务质量约束以及最大发射功率约束,基于随机信道不确定性建立鲁棒能效最大化资源分配模型.利用Dinkelbach和变量替换方法,将原NP-hard问题转换为确定性的凸优化问题,通过拉格朗日对偶理论求得解析解.仿真结果表明,所提算法在保证蜂窝用户通信质量的同时,能够有效提高D2D用户的能效性和鲁棒性能.     

面向安全通信的智能反射面网络能效优化算法

为了提高智能反射面网络传输安全性和能效,提出了一种面向安全通信的智能反射面网络能效最大资源分配算法。针对多输入单输出的智能反射面辅助蜂窝通信系统,考虑用户的安全速率约束、基站的最大发射功率约束以及连续相移约束,建立了非线性、多变量耦合的能效最大化资源分配模型。利用Dinkelbach方法将目标函数转化为辅助变量相减的形式,采用交替迭代算法求解原变量耦合的非凸优化问题。仿真结果表明,所提算法与传统算法对比,能效提升了8.3%,中断概率下降了77%。     

面向窃听用户的RIS-MISO系统鲁棒资源分配算法

针对信道不确定性影响、用户信息泄露和能效提升等问题,该文提出一种基于不完美信道状态信息的可重构智能反射面(RIS)多输入单输出系统鲁棒资源分配算法。首先,考虑能量收集最小接收功率约束、合法用户最小保密速率约束、基站最大发射功率约束及RIS相移约束,基于有界信道不确定性,建立一个联合优化基站主动波束、能量波束、RIS相移矩阵的多变量耦合非线性资源分配问题。然后,利用Dinkelbach,S-procedure和交替优化方法,将原非凸问题转换成确定性凸优化问题,并提出一种基于连续凸近似的交替优化算法。仿真结果表明,与传统非鲁棒算法对比,所提算法具有较低的中断概率。     

可重构智能表面辅助的非正交多址接入网络鲁棒能量效率资源分配算法

为提高非正交多址接入(NOMA)网络的鲁棒性和系统能效(EE),考虑了不完美信道状态信息,该文提出一种可重构智能表面(RIS)辅助的NOMA网络鲁棒能效最大资源分配算法。考虑用户信干噪比(SINR)中断概率约束、基站的最大发射功率约束以及连续相移约束,建立了一个非线性的能效最大化资源分配模型。用Dinkelbach方法将分式形式的目标函数转换为线性的参数相减的形式,利用S-procedure方法将含有信道不确定性的SINR中断概率约束转换成确定性形式,利用交替优化算法将多变量耦合的非凸优化问题分解成多个凸优化子问题,最后用CVX对分解出的子问题进行求解。仿真结果表明,在EE方面,所提算法比无可重构智能表面(RIS)算法提高了7.4%。在SINR中断概率方面,所提算法比非鲁棒算法降低了85.5%。     

基于非正交多址接入异构携能网络稳健能效资源分配算法

为了解决5G移动通信系统功耗较大、频谱短缺、覆盖盲区等问题,针对用户终端带能量收集的两层异构非正交多址接入网络,提出了一种基于能效最大的稳健资源分配算法。考虑每个微蜂窝最小速率约束、微蜂窝基站最大功率约束、跨层干扰约束和时间切换系数约束,基于有界信道不确定性建立联合稳健功率分配和时间切换的混合资源分配模型。基于Dinkelbach方法和Worst-case方法,将原NP-hard问题转换为确定性优化问题。利用连续凸近似方法将确定性稳健优化问题转换为凸优化问题,并基于拉格朗日对偶分解方法提出一种双层迭代算法实现功率分配和最优时间切换。仿真结果表明,所提算法在能效和稳健性方面优于传统非稳健算法和非携能通信算法。     

面向边缘计算的电力线通信资源分配优化方法

电力线通信为电力物联网边缘计算的海量数据传输提供了一种有效的解决方案。然而,电力线通信在电力物联网中的应用依然面临多维资源分配耦合、差异化性能指标权衡以及多终端决策耦合等问题。针对上述挑战,提出一种基于双边匹配的功率控制与频谱资源分配联合优化算法,通过将优化问题转化为一对一匹配问题并利用双边匹配理论进行求解,在传输速率的约束下最大化网络吞吐量与能效的加权和。仿真结果表明,与传统能效优先单边匹配算法和随机匹配算法相比,所提算法可分别提升吞吐量与能效加权和6.24%和6.83%。     

异构无线网络干扰效率最大顽健资源分配算法

针对能效提升、宏用户干扰减小的问题,该文研究了基于干扰效率最大的异构无线网络顽健资源分配算法.首先,考虑宏用户干扰约束、微蜂窝用户速率需求约束和最大发射功率约束,将资源优化问题建模为多变量非线性规划问题.其次,考虑有界信道不确定性模型,利用Dinkelbach辅助变量方法和连续凸近似方法结合对数变换方法,将原分式规划顽健资源分配问题转换为等价的确定性凸优化问题,并利用拉格朗日对偶算法获得解析解.理论分析了计算复杂度和参数不确定性对性能的影响.仿真结果表明该算法具有较好的干扰效率和鲁棒性.     

接入与回传一体化小基站的接入控制与资源分配联合优化算法

针对全双工无线接入与回传一体化小基站场景下长期的频谱效率和能效同时最大化问题,该文提出一种基于近似动态规划理论的接入与回传一体化小基站接入控制与资源分配联合优化算法。该算法首先联合考虑当前基站的资源使用和功率配置情况,在任一用户需求动态到达以及平均时延、小基站回传速率和传输功率约束下,使用受限马尔科夫决策过程(CMDP)建立频谱效率最大化和功率消耗最小化的多目标优化模型,其次运用切比雪夫理论将多目标优化问题转化为单目标问题,并使用拉格朗日对偶分解法进一步转化为非受限的马尔科夫决策过程(MDP)问题。最后,为了解决其求解时存在的“维度灾”爆炸问题,该文提出基于近似动态规划的无线接入与回传一体化小基站资源动态分配算法进行求解,得到此时的接入与资源分配策略。仿真结果表明,所提算法能在保证平均时延约束、小基站回传速率约束和传输功率约束的同时最大化长期平均频谱效率和能效。     

OFDM中继系统中能效优化的资源联合分配算法

在协作正交频分复用系统中,合理的资源分配对于提高系统性能具有重要的意义。针对中继、子载波和功率的联合分配,对最大化系统能效为目标的分配算法进行研究,提出了一个最低容量限制下的最大能效次优化资源联合分配算法(JRAA,joint resource allocation algorithm)。该算法使用冲突图表示系统资源冲突关系,根据冲突图的最大独立集结果进行资源分配。经过仿真验证,该资源分配算法实现了中继一子载波和功率的联合分配,在能效性能方面优于现有的算法。     

多小区下行链路系统的资源效率最大化协同波束成形算法

本文研究了基于资源效率优化的多小区多用户协同波束成形算法设计。为了权衡系统频谱效率与能源效率,考虑在单基站发射功率约束以及达到用户服务质量需求条件下最大化系统资源效率,即系统能源效率与归一化系统频谱效率的加权和。由于优化变量之间的耦合性以及约束条件的非凸特性,该优化问题是一种非凸优化问题并且难以直接获得最优解。为了求解所考虑的优化问题,本文联合利用凸近似方法和分数规化理论,提出一种多小区下行链路系统中最大化资源效率的交替优化算法。所提算法的收敛性可以由凸近似方法和单调有界理论保证。同时,数值仿真验证了所提算法的有效性。      

Resource allocation optimization algorithm based on double populations differential evolution in WSN

A resource allocation algorithm was proposed for improving the network performance through jointing channel allocation,power control and timeslot allocation in multi-radio multi-channel wireless sensor network.More specifically,the network was modeled as a multi-objective optimization problem where the energy efficient,resource allocation balanced,networks capacity maximized were considered under the link interference and link conflict constraints.Due to the problem was NP-Hardness,a simple centralized algorithm——differential evolution based on double populations was used to solve the constrained multi-objective optimization problem.The simulation results show that the proposed algorithm significantly improves the network capacity and energy efficiency and guarantees the resource allocation balancing while reducing link interference and avoiding link conflict.     

基于补偿式CSI的分布式跨层联合资源分配算法

为消除过时信道状态信息(CSI)对分布式无线多跳网络环境下跨层资源分配效率的影响,提高跨层联合资源分配的准确性,基于信道相关性提出了一种补偿式跨层联合资源分配算法。利用瞬时和过时信道状态信息之间的条件概率密度函数,基于瑞利衰落信道模型求得信噪比(SINR) 模型下条件容量的闭式解。为补偿部分网络性能的损失,提出了一种考虑过时信道状态信息的联合拥塞控制、信道分配和功率控制的算法,在此过程中网络被建模成一个NUM 问题,可变的链路数据率和功率等资源限制作为约束条件。运用拉格朗日对偶分解技术,NUM问题被分布式求解。实验对比分析表明：在确保较低复杂度的前提下,该算法有效改善了分布式多跳网络资源分配的合理性,使其网络总体效用得到提升,降低了能耗。     

基于能量收集的UAV-D2D网络资源分配算法

为更好地利用周围环境中的射频信号能量,提升终端直连(D2D)通信的运行时间和无人机(UAV)通信的频谱利用率,该文提出一种基于能量收集的UAV-D2D网络资源分配算法.考虑UAV最大发射功率和移动性约束,蜂窝用户和D2D用户的最小速率约束,建立了系统和速率最大化的多变量耦合资源分配问题.利用连续凸近似和变量替换方法将混...     

User-centric energy efficiency fairness in backscatter-assisted wireless powered communication network

In order to address the unfair user-centric energy efficiency (EE) problem caused by channel difference in the backscatter-assisted wireless powered communication network,a resource allocation scheme was proposed.Firstly,a mixed integer nonconvex fractional programming problem was formulated to maximize the minimum user-centric EE,subject to the quality of service and energy-causality constraints.Based on the generalized fractional programming theory,the original problem was transformed into a mixed integer nonconvex subtraction problem.With the aid of the slack variable,the proof by contradiction,the auxiliary variable and the mixed integer nonconvex subtraction problem were further transformed into an equivalent convex problem.Finally,an iterative algorithm was proposed to obtain the optimal solutions.Computer simulations validated the quick convergence of the proposed iterative algorithm,and that the developed resource allocation scheme efficiently guarantees the fairness among users in terms of EE.     

云雾混合网络下基于多智能体架构的资源分配及卸载决策研究

针对D2D辅助的云雾混合架构下资源分配及任务卸载决策优化问题,该文提出一种基于多智能体架构深度强化学习的资源分配及卸载决策算法。首先,该算法考虑激励约束、能量约束以及网络资源约束,联合优化无线资源分配、计算资源分配以及卸载决策,建立了最大化系统总用户体验质量(QoE)的随机优化模型,并进一步将其转化为MDP问题。其次,该算法将原MDP问题进行因式分解,并建立马尔可夫博弈模型。然后,基于行动者-评判家(AC)算法提出一种集中式训练、分布式执行机制。在集中式训练过程中,多智能体通过协作获取全局信息,实现资源分配及任务卸载决策策略优化,在训练过程结束后,各智能体独立地根据当前系统状态及策略进行资源分配及任务卸载。最后,仿真结果表明,该算法可以有效提升用户QoE,并降低了时延及能耗。     

3D MIMO-OFDMA系统中基于垂直波束成形的能效优化算法

针对三维多输入多输出（3D MIMO）正交频分多址（OFDMA）系统,提出了一种能效优化算法。该算法在垂直波束成形技术下,以能量效率最大化为目标,通过调整资源分配、功率分配、天线的波束下倾角来提高系统能量效率。根据分数优化理论,将复杂的分数优化问题转化为较易求解的整式优化问题,然后引入拉格朗日乘子通过不断迭代得到能量效率的最优值。仿真结果表明,所提算法在较少迭代次数下可以获得更高的能量效率。